基于线性回归模型的协变量调整Youden指数与最佳截断点估计及其在医学诊断中的应用研究

来自多机构的研究人员针对医学诊断研究中忽略协变量影响导致评估偏差的问题，开展了基于正态误差线性回归模型的协变量调整Youden指数研究，提出了广义置信区间、贝叶斯可信区间和Bootstrap区间等多种置信区间构建方法，并通过模拟和糖尿病数据集验证了方法的有效性，为多诊断组别中的测试准确性评估提供了可靠工具。

　　

在涉及疾病进展过渡期（transitional intermediate stage）的医学诊断研究中，Youden指数可作为评估三种诊断组别下测试准确性的重要指标。但忽略协变量效应可能导致误导性结论。为此，研究者采用正态误差线性回归模型（linear regression models with normally distributed errors）纳入协变量信息，通过最大似然估计（maximum likelihood estimation）获得协变量调整的Youden指数及其对应最佳截断点（optimal cut-off points）。研究进一步构建了多种置信区间，包括广义置信区间（generalized confidence intervals）、贝叶斯可信区间（Bayesian credible intervals）和Bootstrap区间（bootstrap-based intervals），并通过蒙特卡洛模拟（Monte Carlo simulations）评估了有限样本下的性能。最终应用至糖尿病数据集（diabetic dataset），验证了方法的实用价值。