Nichtparametrische Analyse diagnostischer Gütemaße bei Clusterdaten

Abstract

Da sich Diagnosestudien seit einigen Jahren zu einem wichtigen Standbein klinischer Forschung entwickeln, rückt auch die Entwicklung neuer statistischer Methoden zur Evaluation diagnostischer Studien zunehmend in den Fokus der biometrischen Statistik. Die Vielfalt der möglichen Analysekonzepte und Datenstrukturen in Diagnosestudien stellt die Biometrie dabei vor ein komplexes Problem: Es existiert zum einen eine Vielzahl an Möglichkeiten zur Definition diagnostischer Güte (Sensitivität, Spezifität, die Fläche unter der ROC-Kurve sowie prädiktive Werte oder Likelihood-Ratios); zum anderen können Daten vielfältiger Strukturen auftreten (faktorielle Versuchsanlagen mit verbundenen und unverbundenen Stichproben, Clusterdaten und Messwiederholungen). Mit der vorliegenden Arbeit wird für die Vielzahl von Datenstrukturen und Gütemaßen nun eine einheitliche, nichtparametrische Analysemethode zur Verfügung gestellt. Mit dem hier präsentierten Ansatz lassen sich dabei die gebräuchlichsten diagnostischen Gütemaße und die häufigsten Datenstrukturen homogen analysieren. Insbesondere ist die vorgestellte Analysemethodik dabei auch auf Clusterdaten anwendbar, sodass ein Großteil der Diagnosestudien mit diesem Ansatz übersichtlich und einheitlich evaluiert werden kann.