Effiziente nichtparametrische Analyse von diagnostischen und prognostischen Biomarkern

Das Projekt wird unter der Betreuung von Prof. Dr. Frank Konietschke fortgeführt und wurde bis März 2025 von Herrn Schomburg an der OVGU bearbeitet.
Diagnostische Studien zur Aussagekraft von Biomarkern sind ein sehr wichtiger Bestandteil der präklinischen, klinischen und translationalen Forschung. Allerdings basieren die aktuell verfügbaren Methoden primär auf der gesamten Fläche unter der ROC-Kurve (engl. Receiver Operating Characteristic) und geben somit jedem Punkt der ROC-Kurve das gleiche Gewicht. Dies führt in der Praxis jedoch teilweise zu irreführenden statistischen Aussagen, sodass diese Vorgehensweise nicht immer empfehlenswert ist. Dahingegen sind ROC-Methoden, die nur das medizinisch relevante ROC-Kurvensegment über Einschränkungen der Sensitivität und Spezifität berücksichtigen, sowie andere Gütemaße (z. B. Youden-Indizes) vielversprechender und statistisch informativer. Allerdings fehlen für
diese Kennzahlen statische Inferenzmethoden für generelle faktorielle Designs. Ziel dieses Projekt ist es diese Lücke zu schließen und die zugehörige Software zu implementieren. Der konkrete Arbeitsplan ist
hierbei motiviert durch diverse reale Studien sowie aufgekommene methodische Fallstricke aus der eigenen statistischen Beratung.

Efficient nonparametric analysis of diagnostic and prognostic bio- markers

Diagnostic trials to evaluate biomarker reliabilities have become an important area in clinical as well as in pre-clinical and translational research. Existing statistical methods mostly rely on total areas under ROC curves and thus take the entire range of true and false positives into account. Partial areas under the ROC curves (and other accurate measures, e.g. Youden-indices) are more informative, because they focus on clinically relevant segments. Statistical inference methods for the analysis of these measures in factorial diagnostic trials have not been developed and implemented yet. This project aims to close these gaps to improve biometric practice. The proposed research has been motivated by
various real trials and statistical consulting.