一致性评价系数应用于无序多分类资料的效果评价

摘要：

目的 基于AC1系数的构建思想,建立一致性评价系数(CEA)在两评价者无序多分类结局的评价方法,并可避免Kappa系数的缺陷.方法 通过随机抽样生成诊断试验类型数据,使用Monte Carlo模拟,在样本量、指定事件在总体的占比、偶然评价率、类别数等不同参数组合下进行重抽样,比较Kappa系数、AC1系数和CEA系数的均方误、方差和方差的期望.通过从总体中随机抽样1000次得到CEA系数的分布描述.结果 偶然评价率的不一致会导致CEA系数的均方误波动较大.与Kappa系数相比,AC1系数和CEA系数在指定事件的占比为极端值的情况更为稳定.在小样本、偶然评价率不一致的情况下,Kappa系数的方差和方差的期望变大,CEA系数变化较小.大样本条件下,CEA系数近似服从正态分布.结论 Kappa系数、AC1系数、CEA系数均受偶然评价率的影响最大,样本量次之.针对无序多分类结局,CEA系数在不同的样本量、偶然评价率下具有更稳健的性质.

关键词：一致性评价;CEA系数;AC1系数;Kappa;诊断试验

所属期刊栏目：41

资助基金：广东省组织构建与检测重点实验室开放课题基金zzgjzd2021001

在线出版日期：2021-10-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1374-1380