Dokument: Statistical methods for meta-analysis to compare two diagnostic tests to a common gold standard

Titel:	Statistical methods for meta-analysis to compare two diagnostic tests to a common gold standard
URL für Lesezeichen:	https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=38127
URN (NBN):	urn:nbn:de:hbz:061-20160425-093948-9
Kollektion:	Dissertationen
Sprache:	Englisch
Dokumententyp:	Wissenschaftliche Abschlussarbeiten » Dissertation
Medientyp:	Text
Autor:	Hoyer, Annika [Autor]
Dateien:	[Dateien anzeigen] Adobe PDF [Details] 1,59 MB in einer Datei [ZIP-Datei erzeugen] Dateien vom 20.04.2016 / geändert 20.04.2016
Beitragende:	Prof. Dr. Schwender, Holger [Gutachter] Prof. Dr. Kuß, Oliver [Gutachter]
Dewey Dezimal-Klassifikation:	000 Informatik, Informationswissenschaft, allgemeine Werke » 004 Datenverarbeitung; Informatik
Beschreibungen:	Die Meta-Analyse von diagnostischen Studien ist ein sich stetig weiterentwickelndes Feld in der biostatistischen Forschung. Im Besonderen besteht ein wachsendes Interesse an statistischen Methoden, die es erlauben, verschiedene Tests mit einem gemeinsamen Goldstandard zu vergleichen. Bei Beschränkung auf den Fall zweier diagnostischer Tests handelt es sich bei den interessierenden Parametern um die Differenzen zwischen den Sensitivitäten und Spezifitäten (mit den zugehörigen Konfidenzintervallen) dieser Tests, während die verschiedenen Assoziationen zwischen den Studien, zwischen den Tests und innerhalb der Patienten zu beachten sind. Wir schlagen Modelle mit einer vierdimensionalen Zielgröße (wobei sich diese aus Sensitivität und Spezifität von Test 1, sowie Sensitivität und Spezifität von Test 2 zusammensetzt) als eine sinnvolle Herangehensweise vor. Die Verwendung eines vierdimensionalen generalisierten linearen gemischten Modells (GLMM) stellt hierbei eine Verallgemeinerung des bekannten bivariaten Standardmodells zur Meta-Analyse eines einzelnen diagnostischen Tests dar. Eine alternative Möglichkeit ist die Verwendung von Copula-Modellen, wobei wir eine vierdimensionale Gauß-Copula und drei vierdimensionale Vine-Copulas, die auf bivariaten Plackett-Copulas basieren, nutzen. Die Modelle werden anhand einer umfassenden Simluationsstudie miteinander verglichen. Abschließend werden die Modelle anhand von zwei Beispielen illustriert. Das erste befasst sich mit dem Vergleich von zwei Möglichkeiten zur Diagnose der koronaren Herzkrankheit. Beim zweiten Beispiel werden zwei verschiedene Tests zur Diagnose von Typ 2 Diabetes mellitus verglichen. Meta-analysis of diagnostic studies is still a rapidly developing area of biostatistical research. In particular, there is an increasing interest in methods to compare different tests to a common gold standard. Restricting to the case of two diagnostic tests, in these meta-analyses the parameters of interest are the differences of sensitivities and specificities (with their corresponding confidence intervals) between the two diagnostic tests while accounting for the various associations within single studies, between the two tests and within patients. We propose statistical models with a quadrivariate response (where sensitivity of test 1, specificity of test 1, sensitivity of test 2, and specificity of test 2 are the four responses) as a sensible approach to this task. Using a quadrivariate generalized linear mixed model (GLMM) naturally generalizes the common standard bivariate model of meta-analysis for a single diagnostic test. An alternative is given by copula models, whereby we use a quadrivariate Gaussian copula and quadrivariate vine copula constructions which are based on bivariate Plackett copulas. All models are compared by an extensive simulation study. Finally, we illustrate our models by two examples. The first one compares two tests in the diagnosis of coronary artery disease. The second example is from diabetes research, where two screening methods for the diagnosis of type 2 diabetes mellitus are compared.
Lizenz:	Urheberrechtsschutz
Fachbereich / Einrichtung:	Mathematisch- Naturwissenschaftliche Fakultät
Dokument erstellt am:	25.04.2016
Dateien geändert am:	25.04.2016
Promotionsantrag am:	27.01.2016
Datum der Promotion:	07.03.2016