在臨床醫學研究中,常常會提出一個生物標記(Biomarker)可以預測特定事件的假設,例如以neutrophil gelatinase-associated lipocalinNGAL)預測急性腎損傷(acute kidney injury, AKI),或是以B-type natriuretic peptideBNP)預測心衰竭病人的再住院率。

通常此時會有比較的基準,假設已知有個表現良好的生物標記B(或是一組危險因子,例如Framingham Risk Score),此時我們提議(proposed)的生物標記或預測模型(或一組危險因子)為A,可能會有以下幾種的比較。

  1. A的表現比已知的生物標記B更好(head to head comparison
  2. A+B的綜合表現比B單獨更好(nested model
  3. A加上baseline risk score之後,預測有增值效果(incremental value
  4. A加上baseline risk scoreB加上baseline risk scorehead to head comparison

而在過去的醫學文獻當中,在回答以上四個問題時,常常以Receiver Operating CharacteristicROC)的曲線下面積(Area under the curve, AUC)作為主要的統計方法。例如ABAUC分別是88%85%,此時可以使用DeLong test檢定兩個曲線下面積的差異是否達統計顯著,倘若A的面積顯著大於BP < 0.05),那麼作者則宣稱A的預測表現優於B

然而讀者需要先瞭解到何謂AUC(又稱為C-index or C-statistics),其意義為「The C statistic is the probability that a randomly selected person with the event will have a higher predicted risk than a randomly selected person without the event.1,舉例來說,如果某一個生物標記的AUC等於0.7,表示假使隨機抽取一位發生event的病人,會有70%的機率,此發生event的病人的值會大於non-event病人的值。

 

111.jpg

 

AUC本身具有適當的統計特質(例如可以使用DeLong test檢定),但是也有重要的使用限制。要瞭解很重要的一點,AUC本身是無母數統計,它是使用排序(ranking)作為計算方式,因此它對於風險的強度(risk magnitude)並不敏感。而在之前的研究報告也指出,當用其他指標(例如likelihood ratio, rate ratio [relative risk or hazard ratio])具有臨床顯著的差異時,但AUC的差異卻只有1%2

因此Cook2007年提出風險重新分組(Clinical Risk Reclassification)的概念,而Pencina2008年正式提出另外兩種重要的指標,分別為net reclassification improvementNRI)以及integrated discrimination improvementIDI3,筆者將於後續文章介紹。

 

參考文獻

1.  McGeechan K, Macaskill P, Irwig L, Liew G, Wong TY. Assessing new biomarkers and predictive models for use in clinical practice: a clinician's guide. Archives of Internal Medicine 2008; 168:2304-2310.
2.  Cook NR. Use and misuse of the receiver operating characteristic curve in risk prediction. Circulation 2007; 115:928-935.
3.  Pencina MJ, D'Agostino Sr RB, D'Agostino Jr RB, Vasan RS. Evaluating the added predictive ability of a new marker: from area under the ROC curve to reclassification and beyond. Statistics in medicine 2008; 27:157-172.

 

arrow
arrow
    全站熱搜

    晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()