Kombinieren mehrerer Marker zur Klassifizierung mithilfe von ROC<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> Hallo zusammen,
Ein potenzieller Kunde fragte, ob JMP mehrere Marker für die Klassifizierung mithilfe von ROC kombinieren kann. Ich recherchiere online, finde aber nur wenige Informationen zu dieser Technik, mit Ausnahme der folgenden Zusammenfassung.
- "In biomedizinischen Studien ist es von großem Interesse, Methoden zur Kombination mehrerer Marker zum Zweck der Klassifizierung von Krankheiten zu entwickeln. Die ROC-Technik (Receiving Operating Characteristic) ist weit verbreitet, bei der die Klassifizierungsleistung mit der Fläche unter der ROC-Kurve (AUC) gemessen werden kann. In diesem Artikel untersuchen wir eine ROC-basierte Methode zur effektiven Kombination mehrerer Marker für die Klassifizierung von Krankheiten. Wir schlagen einen Sigmoid-AUC-Schätzer (SAUC) vor, der die Sigmoid-Approximation der empirischen AUC maximiert. Der SAUC-Schätzer ist rechnerisch erschwinglich, n½-konsistent und erreicht die gleiche asymptotische Effizienz wie der AUC-Schätzer. Inferenz basierend auf dem gewichteten Bootstrap wird untersucht. Wir schlagen auch Monte-Carlo-Methoden vor, um die Gesamtvorhersageleistung und die relative Bedeutung einzelner Marker zu bewerten. Die Leistung endlicher Stichproben wird anhand von Simulationsstudien und zwei öffentlichen Datensätzen bewertet. "
Weiß jemand, ob wir dies in JMP tun könnten? Ich denke, Skript wird benötigt, ist es leicht zu realisieren oder es ist ein kompliziertes Projekt?
Danke im Vorraus für deine Hilfe.
Yanfei
Betreff: Kombinieren mehrerer Marker zur Klassifizierung mithilfe von ROCHallo Yanfei,
Die Antwort ist ja!
Passen Sie ein logistisches Regressionsmodell in das Anpassungsmodell an, wobei Sie die Markierungen als Effekte verwenden. Fragen Sie nach der ROC-Kurve aus dem roten Dreieck. Es beschreibt die Fähigkeit des vollständigen Modells (unter Verwendung mehrerer Marker), Fälle korrekt zu klassifizieren.
Freundliche Grüße,
Jordanien
