compare two binary diagnostic tests

如何比較兩個診斷方式的準確性?

幾個可以比較的指標

sensitivity (Se) = 病人有病且可以被診斷出有病的機率

specificity (Sp) = 病人沒病且可以被診斷沒病的機率

positive predicted value (PPV) = 被診斷為有病而實際上真的有病的機率

negative predicted value (NPV) = 被診斷為沒病而實際上真的沒病的機率

可以使用的方法

統計方法 比較的指標
McNemar test sensitivity、specificity
GEE PPV、NPV
weighted generalized score PPV、NPV

如何計算

GEE 的計算很難,而且在使用上的結果比較不直觀。weighted generalized score是近期比較多人使用的。而這個指標在計算上也是在不同的文獻當中有許多的改進。幸好最近有人將這些方法寫成了R的套件,有和DTComPaircompbdt兩個。

不過最近(2022/10/18)我發現DTComPair在新版的R已經不支援了,可能要找舊版的R去安裝,或是希望作者可以有更新。目前可能暫時就剩下compbdt可以使用。

compbdt的使用

compbdt其實不是一個完整的套件,只有一個函式,可以在原始論文的補充資料當中獲得。

使用時需要輸入兩種診斷工具的診斷結果(見下表)

compbdt(s11 = s11, s10 = s10, s01 = s01, s00 = s00,
        r11 = r11, r10 = r10, r01 = r01, r00 = r00,
        alpha = .05)

!Pasted image 20221018215609.png 兩個診斷工具的診斷結果代號表(Roldán-Nofuentes, 2020)

這個函式的寫法會直接把分析的結果輸出到畫面上,並不會回傳任何資料。如果想要讓該函式回傳需要的統計值的話,需要自行修改作者提供的程式碼

例如我要輸出兩個診斷的PPV和NPV以及這兩個指標的比較統計值,我便在最後加上這些程式碼

return(list(PPV1 = PPV1, # PPV for test 1
            PPV2 = PPV2, # PPV for test 2
            NPV1 = NPV1, # NPV for test 1
            NPV2 = NPV2, # NPV for test 2
            wald.s = Q1, # wald test statistics
            wald.p = globalpvalue3[1,1], # wald test p value
            wgst.ppv = T1, # PPV weighted generalized statistic
            wgsp.ppv = pvalue7, # PPV statistic p value
            wgst.npv = T2, # NPV weighted generalized statistic
            wgsp.npv = pvalue8)) # NPV statistic p value  

references

Kosinski, A. S. (2013). A weighted generalized score statistic for comparison of predictive values of diagnostic tests. Statistics in Medicine, 32(6), 964–977. https://doi.org/10.1002/sim.5587

Roldán Nofuentes, J. A., Luna del Castillo, J. de D., & Montero Alonso, M. Á. (2012). Global hypothesis test to simultaneously compare the predictive values of two binary diagnostic tests. Computational Statistics & Data Analysis, 56(5), 1161–1173. https://doi.org/10.1016/j.csda.2011.06.003

Roldán-Nofuentes, J. A. (2020). Compbdt: An R program to compare two binary diagnostic tests subject to a paired design. BMC Medical Research Methodology, 20(1), 143. https://doi.org/10.1186/s12874-020-00988-y