ROC Analizi ve ROC Eğrisi

Tanı Testlerinin Değerlendirilmesine daha önce sensitivite (duyarlılık) ve spesifite (özgüllük) gibi parametreleri anlatmıştık ilgili yazıya buradan ulaşabilirsiniz.

Bu yazımızda tanı testlerinde önemli bir analiz olan ROC (Reciever Operator Characteristics Curve) analizi ve grafiğinin yorumlanmasından bahsedeceğiz.

Bu analiz yönteminde, biyokimyasal laboratuvar parametreleri gibi değer alan sürekli değişkenin (örneğin Hemoglobin, WBC vb. ölçümsel parametreler) yeni bir hastalığın tanı testi olarak kullanılması öngörülmektedir.

ROC analizinde istatistik proğramları (SPSS, Medcalc vb.) sürekli değişkenleri küçükten büyüğe sıralar ve her bir değer pozitif sonuç için eşik (cut off value) kabul edildiğinde hastalık tanısı için sentivite ve spesitife değerleri öngörülür.

ROC eğrisinde ise (grafik) tüm eşik değerlere göre elde edilen sensitivite y ekseninde, spesifite ise (aslen 1- spesifite olarak) x ekseninde noktalar halinde belirtilerek en sonunda birleştirilir ve ortaya ROC eğrisi çıkar. Analiz sonunda AUC olarak belirtilen değer ‘Eğri Altında Kalan Alanı (EAA)’ temsil eder ve 1’e yaklaştıkça tanı değeri yükselir. %100’lük tanı gücünde EAA 1’e eşit olur. EAA ve %95 güven aralığı belirlenir. 0.50 değeri (fark yoktur) güven aralığı dışında ise istatistiksel olarak anlamlı sonuç elde edilir. Pratik olarak eşik değer eğri üzerinde sol üst köşeye (0;1 koordinatlarına) en yakın olan noktadır.

Kimler Neler Demiş?

avatar
  Subscribe  
Bildir