Estimaci´on simultánea de la sensibilidad y la especificidad utilizando la metodolog´ía GSK en presencia de covariables
Resumen (es)
La sensibilidad y la especificidad son medidas que se utilizan para evaluar el rendimiento de pruebas diagnósticas, no sólo en el sector de la salud con ´areas como la epidemiología, la psicología y la genética, sino también en otros campos como el sector bancario y financiero, así como la agronomía. La sensibilidad se˜nala la proporción de casos positivos que son bien detectados por la prueba, en otras palabras, la sensibilidad mide la efectividad de la prueba cuando se usa en individuos positivos, mientras que la especificidad se˜nala la proporción de casos negativos que son bien detectados por la prueba, es decir, mide la efectividad de la prueba cuando se usa en individuos negativos. Para la estimaci´on de ambas cantidades varios autores han propuesto diferentes métodos tales como la prueba “Gold standard”, aproximación bayesiana, máxima verosimilitud, o por medio de modelos logísticos. Sin embargo éstas pruebas solo dan estimaciones de tipo marginal. En el presente artículo se desarrolla un procedimiento para estimar de forma simultanea la sensibilidad y la especificidad utilizando la metodología GSK en presencia de covariables.
Resumen (en)
Sensitivity and specificity are measures used to evaluate the performance of diagnostic tests, not only in the health sector with areas such as epidemiology, psychology, and genetics, but also in other fields such as the banking and financial sector, as well as agronomy. Sensitivity indicates the proportion of positive cases that are correctly detected by the test, in other words, sensitivity measures the effectiveness of the test when used in positive individuals, while specificity indicates the proportion of negative cases that are correctly detected by the test, i.e., it measures the effectiveness of the test when used in negative individuals. For the estimation of both quantities, various authors have proposed different methods such as the ’Gold standard’ test, Bayesian approximation, maximum likelihood, or through logistic models. However, these tests only provide marginal type estimates. In this article, we develop a procedure for simultaneously estimating sensitivity and specificity using the GSK methodology in the presence of covariates.
Referencias
A. Agresti. Categorical data analysis. New York: John Wiley & Sons, 1996.
S. Calderon and F. Nieto. Bayesian analysis of Multivariate Threshold Autoregressive Models with Missing Data. Communications in Statistics: Theory and Methods, 46(1):296–318, 2017. DOI: https://doi.org/10.1080/03610926.2014.990758
J. C. Correa. Analysis of Contingency Tables Via GSK Using R. Universidad Nacional de Colombia, sede Medell´ın, 2016.
S. S. Coughlin, B. Trock, M. H. Criqui, L. W. Pickle, D. Browner, and M. C. Tefft. The logistic modeling of sensitivity, specificity, and predictive value of a diagnostic test. Journal of clinical epidemiology, 45(1):1–7, 1992. DOI: https://doi.org/10.1016/0895-4356(92)90180-U
L. Curini. The SAGE handbook of research methods in political science and international relations. Sage, 2020. DOI: https://doi.org/10.4135/9781526486387
R. N. Forthofer and G. G. Koch. An analysis for compounded logarithmic-exponential linear functions of categorical data. Technical report, North Carolina State University. Dept. of Statistics, 1972.
J. E. Grizzle, C. F. Starmer, and G. G. Koch. Analysis of categorical data by linear models. Biometrics, 25(3):489–504, 1969. DOI: https://doi.org/10.2307/2528901
K. J. Henao and J. C. Correa. Regresi´on log´ıstica bivariable para tablas de contingencia usando metodolog´ıa gsk. Comunicaciones en Estadística, 11(2):153–170, 2018. DOI: https://doi.org/10.15332/2422474x.3714
G. Nacional. Datos Abiertos de Colombia. https://www.datos.gov.co/, 2022. [En l´ınea; acceso 6/marzo/2022].
R Core Team. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria, 2013. URL http://www.R-project.org/.
R. Rao, H. Toutenburg, Shalabh, and C. Heumann. Linear Models and Generalizations: Least Squares and Alternatives. Berlin Springer, 2008.
D. Sharma, U. Yadav, and P. Sharma. The concept of sensitivity and specificity in relation to two types of errors and its application in medical research. J Reliability Stat Stud, 2:53–58, 01 2009.
T. D. Tosteson, L. Titus-Ernstoff, J. Baron, and M. R. Karagas. A two-stage validation study for determining sensitivity and specificity. Environmental health perspectives, 102(suppl 8):11–14, 1994. DOI: https://doi.org/10.1289/ehp.94102s811
J. Yerushalmy. Statistical problems in assessing methods of medical diagnosis, with special reference to x-ray techniques. Public Health Reports (1896-1970), pages 1432–1449, 1947. DOI: https://doi.org/10.2307/4586294
Cómo citar
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los autores mantienen los derechos sobre los artículos y por tanto son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente la obra bajo las condiciones siguientes:
Reconocer los créditos de la obra de la manera especificada por el autor o el licenciante (pero no de una manera que sugiera que tiene su apoyo o que apoyan el uso que hace de su obra).
Comunicaciones en Estadística está bajo una licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
