Estimación de la curva ROC acumulativa/dinámica
Autor(es) y otros:
Director(es):
Palabra(s) clave:
bioestadística
curva ROC
análisis de supervivencia
curva ROC tiempo-dependiente
Fecha de publicación:
Editorial:
Sonia Pérez Fernández
Serie:
Máster Universitario en Modelización e Investigación Matemática, Estadística y Computación
Descripción física:
Resumen:
La curva ROC es un método gráfico muy utilizado para estudiar la capacidad diagnóstica de biomarcadores continuos. Cuando se considera una variable dependiente del tiempo, la generalización directa se conoce como curva ROC acumulativa/dinámica. Para un instante de tiempo, t, un sujeto se asigna al grupo positivo si le ocurre el evento antes de t y al grupo negativo si en el instante t aún no le ha ocurrido. La presencia de individuos censurados que no pueden asignarse directamente a uno de los grupos es el principal problema de este enfoque. Por ello, se propone un estimador de la curva ROC acumulativa/dinámica que asigna una probabilidad de pertenecer al grupo negativo (y en consecuencia al grupo positivo) a los sujetos censurados antes de t. El comportamiento del estimador resultante se estudia por medio de simulaciones de Monte Carlo y, además, en este trabajo se añade la aplicación de esta propuesta a una base de datos real.
La curva ROC es un método gráfico muy utilizado para estudiar la capacidad diagnóstica de biomarcadores continuos. Cuando se considera una variable dependiente del tiempo, la generalización directa se conoce como curva ROC acumulativa/dinámica. Para un instante de tiempo, t, un sujeto se asigna al grupo positivo si le ocurre el evento antes de t y al grupo negativo si en el instante t aún no le ha ocurrido. La presencia de individuos censurados que no pueden asignarse directamente a uno de los grupos es el principal problema de este enfoque. Por ello, se propone un estimador de la curva ROC acumulativa/dinámica que asigna una probabilidad de pertenecer al grupo negativo (y en consecuencia al grupo positivo) a los sujetos censurados antes de t. El comportamiento del estimador resultante se estudia por medio de simulaciones de Monte Carlo y, además, en este trabajo se añade la aplicación de esta propuesta a una base de datos real.
Colecciones
- Trabajos Fin de Máster [5253]