[论文解读] Time-dependent AUC with right-censored data: a survey study

Paul Blanche, Aurélien Latouche+1 more|arXiv (Cornell University)|Oct 25, 2012

Bayesian Methods and Mixture Models参考文献 42被引用 8

一句话总结

本综述论文系统回顾了用于评估右删失生存数据中预后标志物的时间依赖性 AUC 方法，涵盖标准、纵向及竞争风险设置下的定义、估计量和假设。该文全面整合了评估标志物时间分辨能力的方法，强调了病例/对照定义和删失机制对临床与生物医学研究中 AUC 估计与解释的影响。

ABSTRACT

The ROC curve and the corresponding AUC are popular tools for the evaluation of diagnostic tests. They have been recently extended to assess prognostic markers and predictive models. However, due to the many particularities of time-to-event outcomes, various definitions and estimators have been proposed in the literature. This review article aims at presenting the ones that accommodate to right-censoring, which is common when evaluating such prognostic markers.

研究动机与目标

• 系统回顾并比较在右删失生存数据存在下，时间依赖性 AUC 的现有定义与估计量。
• 阐明不同病例与对照定义（如新发 vs. 累积，静态 vs. 动态）对 AUC 解释与估计的影响。
• 评估各种估计量在独立性、比例风险及非比例风险条件下的性能与假设。
• 解决纵向标志物设置与竞争风险情景中的方法论挑战，其中标志物随时间反复测量或存在多个事件。
• 根据研究设计、临床目标与数据特征，指导研究人员选择合适的 AUC 定义与估计量。

提出的方法

• 基于时间 t 时病例（新发 vs. 累积）与对照（静态 vs. 动态）的定义，提出时间依赖性 AUC 定义的分类体系。
• 在右删失条件下，回顾使用逆概率加权、Kaplan-Meier 及经验似然方法的时间依赖性 AUC 估计量。
• 在竞争风险设置中，应用条件累积发生函数来估计真正率（TPR）与假正率（FPR），并调整特定原因风险。
• 讨论使用回归模型估计条件累积发生率，以简化复杂设置下 AUC 的估计与解释。
• 比较非参数与半参数估计量，包括在比例风险与光滑风险假设下的扩展方法。
• 综述扩展方法，如部分 AUC、协变量特定 AUC 及多研究合并方法，尽管由于范围限制，并非全部内容均被详尽覆盖。

实验结果

研究问题

• RQ1 病例（新发 vs. 累积）与对照（静态 vs. 动态）的不同定义如何影响生存分析中时间依赖性 AUC 的解释与估计？
• RQ2 现有时间依赖性 AUC 估计量在右删失条件下的关键假设与性能特征为何？
• RQ3 时间依赖性 AUC 如何适应随时间反复测量的纵向标志物？
• RQ4 竞争风险对病例与对照定义有何影响？估计量如何在 AUC 估计中调整这些因素？
• RQ5 在临床决策中与纯标志物评估中，哪种 AUC 定义（累积/动态或新发/静态）更为合适？

主要发现

• 由于与时间特定风险预测一致，累积/动态 AUC 定义通常更适合临床决策，如临床试验中的患者入组。
• 在分析标志物性能随时间的趋势时，特别是评估标志物稳定性或演变时，新发/静态定义可能更优。
• 基于逆概率加权与经验似然的估计量在独立删失与比例风险假设下可提供一致估计。
• 在竞争风险设置中，将对照定义为无事件者或包含发生竞争事件者，会导致不同的 ROC 曲线与 AUC 解释，后者可简化为单一曲线。
• 直接使用回归模型估计条件累积发生率，可使 AUC 估计更简单且更易解释，尤其在复杂设置中。
• 部分 AUC、协变量特定 AUC 及多研究合并方法等扩展具有前景，但尤其在删失数据背景下仍需进一步方法学发展。