Limit of detection in biological assays: A comparison of statistical methods

Fabjan, Zarja (avtor), Kejžar, Nataša (mentor), Nash, Stephen (komentor)

The focus of this thesis is statistical treatment of datasets containing missing data due to limit of detection. Our motivation comes from secondary data analysis of the KARISMA trial, which investigates the effect of different tamoxifen doses on blood hormone concentrations. Commonly used approaches for handling values below the limit of detection in linear regression are described and compared, including substitution, complete case analysis, missingness indicators, Tobit regression, accelerated failure time model, and single and multiple imputation. Methods are compared on simulated data under log-normal distribution, with approximately half of the values fa ling below the limit of detection in independent and/or dependent variables. Methods suited for the scenario where the independent and the dependent variable have values fa ling below the limit of detection are then applied to estradiol blood hormone concentration data from the KARISMA trial to assess how the choice of method influences estimated effects in a real-world se ting. The results show that accelerated failure time and Tobit models outperform substitution and complete case analysis when the dependent variable has values below limit of detection, whereas for the independent variable with values below limit of detection, the missingness indicator approach offers a compromise between bias and efficiency, even though the complete case analysis is less biased. When data is missing both in independent and dependent variables, a combined approach gives best results.

• Jezik: Angleški jezik
• Ključne besede: limit of detection, blood hormone concentration, linear regression, missingness indicator, accelerated failure time model, Tobit regression
• Vrsta gradiva: Magistrsko delo/naloga
• Tipologija: 2.09 - Magistrsko delo
• Organizacija: FE - Fakulteta za elektrotehniko
• Leto izida: 2026
• PID: 20.500.12556/RUL-179907
• COBISS.SI-ID: 270079235
• Datum objave v RUL: 26.02.2026

Sekundarni jezik

• Jezik: Slovenski jezik
• Naslov: Meja zaznavnosti v bioloških poskusih: primerjava statističnih pristopov

Izvleček

V središču te diplomske naloge je statistična obravnava podatkovij z manjkajočimi podatki zaradi meje zaznavnosti. Motivacija izhaja iz sekundarne analize podatkov raziskave KARISMA, ki preučuje vpliv različnih odmerkov tamoksifena na koncentracije hormonov v krvi. Opisani in primerjani so pogosto uporabljeni pristopi za obravnavo vrednosti pod mejo zaznavnosti v linearni regresiji, vključno z nadomeščanjem vrednosti, analizo popolnih primerov, indikatorji manjkajočnosti, Tobit regresijo, modelom pospešenega časa do dogodka ter enokratno in večkratno imputacijo. Metode so primerjane na simuliranih podatkih ob predpostavki log-normalne porazdelitve, pri čemer približno polovica vrednosti pade pod mejo zaznavnosti v neodvisnih in/ali odvisnih spremenljivkah. Metode, primerne za scenarij, v katerem tako neodvisna kot odvisna spremenljivka vsebujeta vrednosti pod mejo zaznavnosti, so nato uporabljene na podatkih o koncentraciji estradiola v krvi iz raziskave KARISMA, da bi ocenili, kako izbira metode vpliva na ocenjene učinke v realnem okolju. Rezultati kažejo, da model pospešenega časa do dogodka in Tobit model presegata nadomeščanje vrednosti in analizo popolnih primerov, kadar ima odvisna spremenljivka vrednosti pod mejo zaznavnosti. Pri neodvisni spremenljivki z vrednostmi pod mejo zaznavnosti pristop z indikatorjem manjkajočnosti predstavlja kompromis med pristranskostjo in učinkovitostjo, čeprav je analiza popolnih primerov manj pristranska. Kadar podatki manjkajo tako pri neodvisni kot pri odvisni spremenljivki, tako kombiniran pristop daje najboljše rezultate.

• Ključne besede: meja zaznavnosti, koncentracija hormonov v krvi, linearna regresija, indikator manjkajočnosti, model pospešenega časa do dogodka, Tobit regresija