Parametric ROC Analysis and Optimal Cutoff Selection under Scale Mixtures of Skew-Normal Distributions: A Decision-Theoretic Framework with Asymptotic Inference

Technische Samenvatting: Parametrische ROC-analyse en selectie van de optimale drempelwaarde onder schaal-mixtures van scheef-normale verdelingen

Probleemstelling
De selectie van een diagnostische drempelwaarde voor continue biomarkers is een cruciale klinische beslissing die sensitiviteit en specificiteit in evenwicht brengt. Hoewel de Receiver Operating Characteristic (ROC)-curve een uitgebreide evaluatie van het onderscheidend vermogen biedt, vereist de klinische implementatie een enkel operationeel punt. De veelgebruikte Youden-index, die de som van sensitiviteit en specificiteit maximaliseert, gaat impliciet uit van gelijke classificatiefoutkosten en gelijke ziekteprevalentie. Deze aannames zijn vaak onrealistisch, met name in serologische studies waar de ziekteprevalentie laag is of waar de gevolgen van vals-negatieve resultaten (bijvoorbeeld gemiste diagnoses) aanzienlijk verschillen van vals-positieve resultaten. Bovendien vertonen biomarkers in immunologische en serologische contexten vaak scheefheid en zware staarten, waardoor standaard op Gauss-verdelingen gebaseerde ROC-modellen ontoereikend zijn. Bestaande parametrische benaderingen slagen er vaak niet in om decision-theoretische optimaliteit (met inachtneming van kosten en prevalentie) te integreren met formele asymptotische inferentie onder flexibele verdelingsfamilies.

Methodologie
De auteurs ontwikkelen een verenigd parametrisch raamwerk voor ROC-analyse en selectie van de optimale drempelwaarde, gebaseerd op de familie van Schaal-mixtures van Scheef-Normale (SMSN) verdelingen. Deze familie omvat de scheef-normale (SN) en scheef-t (ST) verdelingen, en maakt rechtse of linkse scheefheid en variërende graden van zware staarten mogelijk.

1. Modelstructuur: De biomarker $X$ wordt conditioneel gemodelleerd op de ziektestatus $D \in \{0, 1\}$ als $X|D=k \sim \text{SMSN}(\xi_k, \omega_k, \alpha_k; H_k)$. Parameters worden geschat via afzonderlijke maximum-likelihood (ML) schattingen voor de zieke en niet-zieke groepen.
2. ROC- en AUC-schatting: De ROC-curve en het Area Under the Curve (AUC) worden afgeleid als gladde functionalen van de SMSN-parameters. Schatters worden verkregen met behulp van het plug-in-principe, met afzonderlijke ML-schattingen per groep.
3. Decision-theoretische selectie van de drempelwaarde: De optimale drempelwaarde $c^*$ wordt gedefinieerd als de minimalisator van een gewogen classificatiefoutrisico $R(c) = \lambda_1 \pi_1 F_1(c) + \lambda_0 \pi_0 (1 - F_0(c))$, waarbij $\lambda$ de foutkosten voorstelt en $\pi$ de ziekteprevalentie.
   • De eerste-orde voorwaarde voor optimaliteit levert een likelihood-ratio-vergelijking op: $\Lambda(c^*) = f_1(c^*)/f_0(c^*) = (\lambda_0 \pi_0) / (\lambda_1 \pi_1)$.
   • Dit generaliseert het Youden-criterium (waarbij de verhouding gelijk is aan 1) naar asymmetrische situaties.
4. Theoretische eigenschappen:
   • Existentie en uniciteit: Onder een Monotone Likelihood Ratio (MLR)-voorwaarde bewijzen de auteurs het bestaan, de uniciteit en de globale optimaliteit van de drempelwaarde.
   • Asymptotische inferentie: Met behulp van de Implicit Function Theorem en de multivariate Delta-methode leiden de auteurs de gezamenlijke asymptotische verdeling af van de plug-in-schatters voor de ROC-curve, AUC en optimale drempelwaarde.
   • Variantie en identificeerbaarheid: Een belangrijke bijdrage is de afleiding van een gesloten-vorm plug-in variantieschatter. De asymptotische variantie is omgekeerd evenredig met het kwadraat van de lokale helling van de schattingsvergelijking bij de optimale drempelwaarde, aangeduid als $|\partial_c \phi(c^*, \theta^*)|$. Deze grootheid wordt geïnterpreteerd als een lokale identificeerbaarheidsdiagnose, die meet hoe scherp de beslissingsgrens is gedefinieerd.

Belangrijkste bijdragen

• Verenigd raamwerk: Het artikel integreert flexibele SMSN-modellering met decision-theoretische selectie van de drempelwaarde, en adresseert de beperkingen van Gauss-aannames en symmetrische kosten/prevalentie-criteria.
• Generaliseerde optimaliteit: Het vestigt de optimale drempelwaarde als de unieke oplossing van een likelihood-ratio-vergelijking die expliciet rekening houdt met asymmetrische kosten en prevalentie, en biedt zo een rigoureuze alternatief voor de Youden-index.
• Asymptotische theorie: De auteurs leveren consistentie, asymptotische normaliteit en een gesloten-vorm variantieschatter voor de optimale drempelwaarde.
• Identificeerbaarheidsdiagnose: De afleiding van de lokale hellingterm als diagnose-instrument stelt praktici in staat om de betrouwbaarheid en stabiliteit van de geschatte drempelwaarde te beoordelen voordat deze klinisch wordt gerapporteerd.
• Eerste-orde expansie: Een eerste-orde expansie wordt afgeleid om de verplaatsing van de optimale drempelwaarde ten opzichte van de Youden-oplossing te kwantificeren als functie van de kosten-prevalentie-verhouding en de lokale kromming.

Resultaten

• Simulatiestudie: Monte Carlo-simulaties over zes scenario's (variërende SN- en ST-verdelingen, scheidingsniveaus en kosten/prevalentie-asymmetrieën) bevestigen de nauwkeurigheid van de asymptotische benaderingen.
  • De plug-in-schatter $\hat{c}$ vertoont verwaarloosbare bias en een afnemende Root Mean Squared Error (RMSE) naarmate de steekproefomvang toeneemt.
  • De verhouding tussen empirische variantie en de plug-in asymptotische variantie blijft dicht bij 1, wat de variantieformule valideert.
  • Wald-betrouwbaarheidsintervallen bereiken de nominale dekking (ongeveer 95%) in alle scenario's, inclusief gevallen met zware staarten en zwakke scheiding.
  • De lokale identificeerbaarheidsdiagnose $|\partial_c \phi|$ correleert omgekeerd met de schattingsvariabiliteit: kleinere hellingen (vlakke grenzen) resulteren in grotere varianties en bredere betrouwbaarheidsintervallen.
• Toepassing op SARS-CoV-2-gegevens: De methodologie werd toegepast op serologische gegevens voor vier IgG-biomarkers (Stri, RBD, S1, S2).
  • Modelselectie via BIC gaf de voorkeur aan scheef-t verdelingen voor de seronegatieve groep en scheef-normaal voor de seropositieve groep.
  • Onder een asymmetrische beslissingssetting ($\lambda_1 = 3\lambda_0$, $\pi_0 = 0.9$) waren de voorgestelde optimale drempelwaarden aanzienlijk hoger dan de Youden-drempelwaarden.
  • De decision-theoretische drempelwaarden verlaagden het geschatte classificatierisico met tot 63% in vergelijking met de Youden-drempel (specifiek voor de RBD-biomarker in een scenario met hoge kosten voor vals-positieve resultaten).
  • De lokale identificeerbaarheidsdiagnose voorspelde succesvol de breedte van de betrouwbaarheidsintervallen, waarbij biomarkers met vlakkere likelihood-ratio's bredere intervallen opleverden.

Betekenis en claims
Het artikel claimt een gat in de literatuur op te vullen door een systematische behandeling te bieden van ROC-analyse en selectie van de optimale drempelwaarde binnen de SMSN-familie, die decision-theoretische optimaliteit combineert met formele asymptotische inferentie. De auteurs benadrukken dat het voorgestelde raamwerk een principieel alternatief biedt voor de Youden-index, met name in situaties met zeldzame ziekten of asymmetrische foutkosten, waar de Youden-regel aanzienlijk suboptimaal kan zijn. De opname van de lokale identificeerbaarheidsdiagnose wordt geaccentueerd als een praktisch instrument voor het beoordelen van de stabiliteit van de geschatte drempelwaarde, met de erkenning dat een biomarker met goed globaal onderscheidend vermogen toch een zwak identificeerbare drempelwaarde kan opleveren als de beslissingsgrens lokaal vlak is. De auteurs merken bescheiden op dat de Monotone Likelihood Ratio-aanname een voldoende, maar niet noodzakelijke, voorwaarde is voor uniciteit, en dat het raamwerk uitgaat van bekende prevalentie, waardoor de uitbreiding naar geschatte prevalenties voor toekomstig werk wordt gelaten.