加权κ(c)系数置信区间：一种面向小样本与非均衡患病率的FWKC重抽样框架的开发与评估

《BMC Medical Research Methodology》：A finite-sample inferential framework for the weighted kappa coefficient (FWKC) in binary diagnostic agreement studies

　　

摘要

背景

加权 kappa 系数 κ(c)（其中 c 为假阴性结果的相对损失）概括了二元诊断试验与参考标准之间超出随机水平的吻合程度。已有的 κ(c) 置信区间在小样本及患病率不均衡条件下可能不可靠。我们开发并评估了一种重抽样框架（FWKC）。

方法

κ(c) 由传统权重矩阵导出。FWKC 从 Jeffreys Beta 后验分布中抽取灵敏度和特异度，生成伪评分者表格，使用交叉贝叶斯模型和留一评分者随机森林汇总其 kappa 值，通过逆标准误加权将两者融合，并使用全流程百分位 bootstrap 量化不确定性。主要模拟包含 243 种场景，样本量 n = 30–100，患病率和 c 从 0.1 到 0.9，每种场景有 120 个独立数据集。一个单独的支持性扩展稳健性层级使用了完整的预设 162 格 3 × 3 压力网格，将同样的六种非锚定数据生成机制与 n ∈ {30, 50, 100}、p ∈ {0.1, 0.5, 0.9}、c ∈ {0.1, 0.5, 0.9} 进行交叉。每种场景使用 M = 40 个独立数据集，每个数据集内进行 B = 49 次内部 bootstrap 重抽样。34 个敏感性变体和两个真实数据应用提供了进一步的检验。

结果

该实现几乎完美地复现了 Weiner 等人数据中已发表的区间。在 243 种场景的主要网格中，仅使用标准误扩展的 FWKC 区间即可避免覆盖率低于 0.85，在 n = 30 时的 81 种场景中有 79 种达到至少 0.90 的覆盖率，代价是区间宽度大幅增加。转换的（Fisher-z）Delta 方法区间仍然是主要网格中校准最佳的低成本选项。在 162 种场景的扩展稳健性层级中，标准误扩展区间的平均拟合成功覆盖率为 0.955，平均绝对校准误差为 0.032，仅在 162 种场景中的 1 种覆盖率低于 0.85，但其平均宽度为 0.903，而转换区间的平均宽度为 0.505。对于点估计，随机森林组元在所有六个数据生成机制（DGM）组中的平均 RMSE 最低（总体为 0.143，直接估计量为 0.149，贝叶斯组元为 0.159，融合估计量为 0.154）。

结论

转换的 Delta 方法区间仍然是常规推断的低成本默认选择，而标准误扩展的 FWKC 区间则在严重小样本覆盖不足需要优先防护时提供了一条有意放宽的替代方案。扩展稳健性分析加强了对标准误扩展层和随机森林汇总方法的支持，但未支持混合融合方法：随机森林组元在全部六个 DGM 组的平均表现最为准确，而融合估计量总体上并未优于它。因此，这两种推断策略是互补的，而非普适排序的。

临床试验编号

不适用。