在醫學研究中，常需要對某種特定疾病 (例如，心血管方面疾病，代謝症候群等)找出其顯著的影響因子，再進一步地以這些影響因子來預測是否有得病。就常用的邏輯斯迴歸(logistic regression)而言，亦即先算出各因子組合而成的危險分數(risk score)，再以危險分數來區分其有得病或是沒得病，此時用來評估其區分精確度的數量，就是時常在文獻中看到的---一致性統計量(C(Concordance)- statistics)。在上述的邏輯斯迴歸例子中，事實上一致性統計量等於 ROC曲線分析中的曲線下面積(AUC)—這是在進行醫學診斷分析時，常會用到的。
不過，一致性統計量的用途更爲廣泛，即使是在存活資料下( 有病與否和時間長短有關；time to event data)所使用的Cox 迴歸模式，也可以算出一致性統計量，來比較所建立的不同Cox 迴歸模式(影響因子選擇不同)，何者的預測能力更佳。在統計軟體部份，目前較常見用來進行一致性統計量分析的軟體爲SAS, R。
Reference
Hajime Uno, Tianxi Cai, Michael J. Pencina, Ralph B. D’Agostino, and LJ Wei. On the C-statistics for evaluating overall adequacy of risk prediction procedures with censored survival data. Statistics in Medicine 2011, 30:1105-16
文章標籤
全站熱搜
留言列表
