Intervalli di Confidenza per l'Indice MADET e le Soglie di Classificazione Corrispondenti Utilizzando Quantità Pivotal Generalizzate.

Questo studio si concentra sull'estensione dell'analisi ROC per la classificazione ordinata di pazienti in diversi stadi di una malattia mediante biomarcatori continui, introducendo metodi per la stima degli intervalli di confidenza (IC) per l'indice MADET e le soglie di classificazione ottimali. L'indice MADET (maximum absolute determinant) estende il classico indice di Youden per situazioni con tre categorie diagnostiche, quali non malati, malattia precoce e malattia avanzata. La ricerca propone un approccio basato sulle quantità pivotal generalizzate (GPQ) assumendo un modello trinormale per costruire IC per MADET e i relativi cutoff. Un ampio studio di simulazione ha valutato la validità del metodo, mostrando buone prestazioni in termini di probabilità di copertura e ampiezza media degli intervalli anche con campioni di piccole dimensioni, disegni sbilanciati e differenti valori di MADET. Il metodo è stato applicato a un dataset reale su pazienti con malattia di Alzheimer, con biomarcatori conformi all'assunzione di normalità o trasformati con Box-Cox, dimostrando utilità pratica. Questo lavoro rappresenta un avanzamento nell'analisi diagnostica multiclasse, fornendo strumenti statistici affidabili per la stima dell'incertezza associata all'indice MADET e ai suoi parametri di soglia.