Statistical evaluation of diagnostic tests under verification bias

L’uso corrente di test diagnostici per discriminare tra diverse malattie o classi di malattia pone l’accento sulla necessità di una valutazione attenta e fondata della loro accuratezza. Gli strumenti più comunemente impiegati a tal scopo sono basati sulla cosidetta receiver operating characteristic (ROC) analysis. Si utilizzano, in particolare, la curva ROC e l’area sotto la curva ROC (AUC) quando la diagnosi prevede due possibili esiti (tipicamente, non malato e malato), e la superficie ROC e il volume sotteso (VUS) quando la diagnosi si articola su tre classi (ad esempio, sano, stadio iniziale di malattia, stadio avanzato di malattia). Tali strumenti assumono che la vera diagnosi possa essere stabilita per ciascun paziente con certezza utilizzando un test gold standard. Nella pratica, purtroppo, la vera diagnosi potrebbe non essere acquisibile tramite un gold standard per tutti i soggetti coinvolti in uno studio, a causa per esempio del costo o della invasività del gold standard. Cosı̀, spesso, la verifica della diagnosi tramite gold standard viene condotta solo per un sottogruppo di pazienti. La valutazione statistica dell’accuratezza diagnostica di un test costruita solo utilizzando i dati dei soggetti con stato di malattia verificato è in genere distorta. Tale effetto è noto come distorsione di verifica. Esistono vari metodi per correggere tale distorsione nella stima della curva ROC e della area sottesa, sia per test diagnostici binari, che ordinali, che continui. Per quanto riguarda la superficie ROC ed il volume sotteso, esistono metodi di correzione della distorsione solo per test diagnostici ordinali. In questa tesi, si propongono diversi metodi per la correzione della distorsione di verfica per la stima della superficie ROC e del VUS per test diagnostici continui. Tali metodi sono costruiti su strategie di imputazione e riponderazione, e sono sviluppati per meccanismi di mancanza del vero stato di malattia sia casuali che non ignorabili. Viene fornito il comportamento asintotico degli stimatori. A titolo illustrativo, l’applicazione dei metodi è mostrata su due insiemi di dati relativi al cancro ovarico epiteliale. Per garantire applicabilità dei metodi, viene fornito un pacchetto R e l’applicazione web Shiny corrispondente.