Estimadores semiparamétricos de  la curva ROC en presencia de covariables

Tenemos el agrado de anunciar que el próximo jueves 20 de noviembre el Dr. Juan Carlos Pardo Fernandez dará una charla titulada "Estimadores semiparamétricos de 

la curva ROC en presencia de covariables". 

El Dr. Juan Carlos Pardo Fernández es profesor de la Universidad de Vigo, España y es invitado del Instituto de Cálculo y la Maestría en Estadística Matemática.

Día: Jueves 20/11

Hora: 14:00 hs

Lugar: Pab. 0 + infiinito, sala de reuniones 2119. 

Resumen

La curva ROC (característica operativa del receptor) se utiliza habitualmente para evaluar el comportamiento de un marcador continuo como herramienta diagnóstica en
un problema de clasificación binaria. Convencionalmente, la curva ROC representa, para cada umbral potencial, la tasa de sujetos positivos (aquellos con la
característica/enfermedad en estudio) correctamente clasificados como positivos, o sensibilidad, versus la tasa de sujetos negativos (aquellos sin la característica/sanos) incorrectamente clasificados como positivos, es decir, 1-especificidad. Además, el área bajo esta curva (AUC) se ha convertido en un índice popular para determinar el grado de asociación entre variables continuas y resultados binarios.
En muchas aplicaciones prácticas, se dispone de covariables relacionadas con el marcador. En estos casos, resulta de interés evaluar la influencia que dichas covariables pueden tener en el rendimiento del marcador en términos de capacidad de clasificación.
En la literatura se han propuesto dos extensiones de la curva ROC: la curva ROC específica de la covariable, definida en términos de distribuciones condicionales, y la
curva ROC ajustada por covariables, que puede considerarse un promedio de las curvas específicas de la covariable.
En este seminario, revisaremos estos conceptos y algunos de los correspondientes estimadores propuestos en la literatura. Dado que están estrechamente relacionados con las distribuciones condicionales del marcador en las poblaciones positivas y negativas, el uso de modelos de regresión de riesgos proporcionales surge de forma natural. Exploraremos el uso de modelos de regresión de riesgos proporcionales flexibles de Cox para estimar las curvas ROC específicas y ajustadas por covariables. Estudiaremos sus propiedades asintóticas y en muestras finitas, y aplicaremos los estimadores propuestos a un problema real.

Este es un trabajo conjunto con Pablo Martínez-Camblor (Escuela de Medicina Geisel de Dartmouth, EE. UU.).