Using Copula Functions to Estimate The AUC for Two Dependent Diagnostic Tests

• Autores: Luis Carlos Bravo melo, Jennyfer Portilla, José Rafael Tovar Cuevas
• Localización: Revista Colombiana de Estadística, ISSN-e 2389-8976, ISSN 0120-1751, Vol. 43, Nº. 2, 2020, págs. 315-344
• Idioma: inglés
• DOI: 10.15446/rce.v43n2.80288
• Títulos paralelos:
  • Uso de funciones cópula para estimar el área bajo la curva característica de operación para dos pruebas de diagnóstico dependientes
• Enlaces
  • Texto completo
• Resumen
  • español

    Resumen Cuando se realizan estudios de validación en procedimientos de clasificación diagnóstica, normalmente se miden uno o más biomarcadores en los individuos. Algunos biomarcadores pueden proporcionar mejor información que otros y en muchos casos, más de uno puede ser necesario. Cuando se utilizan varios biomarcadores para hacer clasificación, se presenta dependencia entre ellos. En este trabajo se estima el área bajo la curva característica de operación (ABCOR) para establecer la capacidad clasificadora de dos biomarcadores en un procedimiento para diagnóstico clínico. Se estudia mediante copulas (FGM y Gumbel-Barnett) la dependencia entre pruebas y se estima la respectiva área bajo la curva, asumiendo tres niveles para cada estructura de dependencia. En la literatura revisada los autores asumen un modelo normal para representar el comportamiento de los biomarcadores utilizados para el diagnóstico clínico. Hay situaciones en las que no es posible asumir este modelo porque no es adecuado para uno o ambos biomarcadores. El método estadístico propuesto no depende de un supuesto distribucional para los biomarcadores utilizados en el procedimiento de diagnóstico y tampoco es necesario considerar una dependencia lineal fuerte o moderada entre ellos.

  • English

    Abstract When performing validation studies on diagnostic classification procedures, one or more biomarkers are typically measured in individuals. Some of these biomarkers may provide better information; moreover, more than one biomarker may be significant and may exhibit dependence between them. This proposal intends to estimate the Area Under the Receiver Operating Characteristic Curve (AUC) for classifying individuals in a screening study. We analyze the dependence between the results of the tests by means of copula-type dependence (using FGM and Gumbel-Barnett copula functions), and studying the respective AUC under this type of dependence. Three different dependence-level values were evaluated for each copula function considered. In most of the reviewed literature, the authors assume a normal model to represent the performance of the biomarkers used for clinical diagnosis. There are situations in which assuming normality is not possible because that model is not suitable for one or both biomarkers. The proposed statistical model does not depend on some distributional assumption for the biomarkers used for diagnosis procedure, and additionally, it is not necessary to observe a strong or moderate linear dependence between them.

• Referencias bibliográficas
  • Achcar, J.,Tovar, J.,Moala, F.. (2019). 'Use of graphical methods in the diagnostic of parametric probability distributions for bivariate...
  • Bamber, D.. (1975). 'The area above the ordinal dominance graph and the area below the receiver operating characteristic graph'. Journal...
  • Bouyé, E.,Durrleman, V.,Nikeghbali, A.,Riboulet, G.,Roncalli, T.. (2000). 'Copulas for finance-a reading guide and some applications'....
  • Burgueño, M.,García, J.,Gonzáles, J.. (1995). 'Las curvas ROC en la evaluación de las pruebas diagnósticas'. Medicina Clínica. 104....
  • DeLong, E.,DeLong, D.,Clarke-Pearson, D.. (1988). 'Comparing the Areas under Two or More Correlated Receiver Operating Characteristic...
  • Dendukuri, N.,Joseph, L.. (2001). 'Bayesian approaches to modeling the conditional dependence between multiple diagnostic tests'....
  • Dupuis, D. J.. (2007). 'Using copulas in hydrology: Benefits, cautions, and issues'. Journal of Hydrologic Engineering. 12. 381
  • Etzionin, R.,Kooperberg, C.,Pepe, M.,Smith, R.,Gann, P.. (2003). 'Combining biomarker to detect disease with application to prostate cancer'....
  • Faraggi, D.,Reiser, B.. (2002). 'Estimation of the area under the ROC curve'. Statistics in Medicine. 21. 3093
  • Gallardo, B.. (2010). Teoría de cópulas y aplicaciones en simulación de riesgos financieros y en ingeniería civil. Universidad de Granada....
  • Genest, C.,Quessy, J.-F.,Rémillard, B.. (2006). 'Goodness-of-Fit Procedures for Copula Models Based on the Probability Integral Transformation'....
  • Georgiadis, M.,Johnson, W.,Gardner, I.,Singh, R.. (2003). 'Correlation-Adjusted Estimation of Sensitivity and Specificity of Two Diagnostic...
  • Gumbel, E. J.. (1960). 'Bivariate Exponential Distributions'. Journal of the American Statistical Association. 55. 698-707
  • Johnson, M. E.. (1987). Multivariate statistical simulation. John Wiley & Sons, Inc., Wiley Series in Probability and Statistics.
  • Kojadinovic, I.,Yan, J.,Holmes, M.. (2011). 'Fast large sample godness-of-fit test for copulas'. Statistica Sinica. 21. 841
  • Kruskal, W. H.. (1958). 'Ordinal Measures of Association'. Journal ofthe American Statistical Association. 53. 814
  • Ma, S.,Huang, J.. (2007). 'Combining multiple markers for classification using ROC'. Biometrics. 63. 751
  • (2004). National Institutes of Health and others. US National Library of Medicine.
  • Nelsen, R. B.. (2006). An Introduction to Copulas. Springer. New York.
  • Nikoloulopoulos, A. K.. (2018). 'On composite likelihood in bivariate meta-analysis of diagnostic test accuracy studies'. AstA Adv...
  • Pepe, M. S.. (2003). The Statistical Evaluation of Medical Tests for Classification and Prediction. Oxford University Press, Oxford University....
  • Pepe, M. S.,Thompson, M. L.. (2000). 'Combining diagnostic test results to increase accuracy'. Biostatistics. 1. 123
  • Portilla, J.,Tovar, J.. (2018). 'Estimating the Gumbel-Barnett copula parameter of dependence'. Revista Colombiana de Estadística....
  • Pundir, S.,Amala, R.. (2012). 'A Study on the Bi-Rayleigh ROC Curve Model'. Bonfring International Journal of Data Mining. 2. 42
  • Pundir, S.,Amala, R.. (2015). 'Detecting diagnostic accuracy of two biomarkers through a bivariate log-normal ROC curve'. Journal...
  • Su, J. Q.,Liu, J. S.. (1993). 'Linear Combinations of Multiple Diagnostic Markers'. Journal of the American Statistical Association....
  • Sumi, N.,Hossain, M.. (2012). 'A study on parametric approaches to compare areas under two correlated ROC curves'. Bangladesh Journal...
  • Tovar, J. R.. (2011). 'Métodos estadísticos desarrollados para la estimación de la prevalencia y parámetros de desempeño de tests para...
  • Tovar, J. R.,Achcar, J. A.. (2011). 'Dependence between three diagnostic tests in presence of verification bias: a copula function approach'....
  • Tovar, J. R.,Achcar, J. A.. (2011). 'Indexes to measure dependence between clinical ciagnostic tests: a comparative study'. Revista...
  • Tovar, J. R.,Achcar, J. A.. (2012). 'Two depedent diagnostic tests: use of copula functions in the estimation of the prevalence and performance...
  • Tovar, J. R.,Achcar, J. A.. (2013). 'Dependence between two diagnostic tests with copula functions approach: a simulation study'....
  • Wang, M. C.,Li, S.. (2012). 'Bivariate maker measurements and ROC analysis'. Biometrics. 68. 1207
  • Youden, W. J.. (1950). 'Index for rating diagnostic tests'. Cancer. 3. 32
  • Zou, K.,O'Malley, A.,Mauri, L.. (2007). 'Receiver-Operating characteristics analysis for evaluating diagnostic tests and predictive...