Comparación de curvas ROC independientes

Comando:

Estadísticas Curvas ROC Comparación de curvas ROC independientes

Descripción

Utilice la Comparación de curvas ROC independientes para comparar las áreas bajo la curva ROC entre subgrupos de casos (p. ej., hombres y mujeres). Se calculan las curvas ROC para cada subgrupo y las áreas bajo la curva ROC se comparan por pares.

Entrada requerida

Datos

• Variable : la variable continua de interés.
• Variable de agrupación : variable categórica que define subgrupos. Se calcularán curvas ROC para cada subgrupo.
• Variable de clasificación : variable dicotómica que indica diagnóstico (0=negativo, 1=positivo).
  Si sus datos están codificados de manera diferente, puede utilizar la herramienta Definir estado para recodificar sus datos.
• Filtro : (opcionalmente) un filtro para incluir sólo un grupo seleccionado de casos (por ejemplo, EDAD>21).

Metodología :

• DeLong et al.: utilice el método de Delong et al. (1988) para el cálculo del error estándar del área bajo la curva (AUC) (recomendado).
• Hanley & McNeil : utilizan los métodos de Hanley & McNeil (1982, 1983) para el cálculo del error estándar del área bajo la curva (AUC).
• Intervalo de confianza binomial exacto para el AUC : calcula los intervalos de confianza binomiales exactos para el área bajo la curva (AUC) (recomendado). Si no se selecciona esta opción, los intervalos de confianza para el AUC se calculan como AUC ± 1,96 EE (error estándar). Esta opción no aplica a la diferencia entre dos AUC.

Gráfico

• Seleccione la ventana Mostrar curvas ROC para obtener los gráficos ROC en una ventana de gráficos separada.
  Opción:
  • marcar puntos correspondientes a los valores del criterio.

Resultados

La ventana de resultados para Comparación de curvas ROC independientes muestra:

1. Los resultados para todos los subgrupos
   • Área bajo la curva ROC (AUC), con error estándar : este valor se puede interpretar de la siguiente manera: un área de 0,84, por ejemplo, significa que un individuo seleccionado aleatoriamente del grupo positivo tiene un valor de prueba mayor que el de un individuo elegido aleatoriamente del grupo negativo en el 84% de las veces (Zweig y Campbell, 1993). Cuando la variable en estudio no puede distinguir entre los dos grupos, es decir, cuando no hay diferencia entre las dos distribuciones, el área será igual a 0,5 (la curva ROC coincidirá con la diagonal). Cuando hay una separación perfecta de los valores de los dos grupos, es decir, no hay superposición de las distribuciones, el área bajo la curva ROC es igual a 1 (la curva ROC llegará a la esquina superior izquierda del gráfico).
   • Intervalo de confianza del 95 % : El intervalo de confianza del 95 % para el área puede utilizarse para comprobar la hipótesis de que el área teórica es 0,5. Si el intervalo de confianza no incluye el valor 0,5, existe evidencia de que la prueba de laboratorio sí permite distinguir entre los dos grupos (Hanley y McNeil, 1982; Zweig y Campbell, 1993).
2. Comparación por pares del área bajo la curva para todos los subgrupos
   • Diferencia entre las áreas con error estándar : la diferencia entre las dos áreas bajo la curva.
   • Intervalo de confianza del 95% : el intervalo de confianza del 95% para esta diferencia.
   • Nivel de significancia : probabilidad de la hipótesis de que la diferencia entre las dos AUC sea 0.

   Gráfico

   Este gráfico muestra las diferentes curvas ROC, lo que permite una comparación visual.

   

   En una curva ROC, la tasa de verdaderos positivos (sensibilidad) se representa gráficamente en función de la tasa de falsos positivos (especificidad 100) para diferentes puntos de corte. Cada punto de la gráfica ROC representa un par de sensibilidad/especificidad correspondiente a un umbral de decisión particular. Una prueba con discriminación perfecta (sin solapamiento entre las dos distribuciones) presenta una gráfica ROC que pasa por la esquina superior izquierda (100 % de sensibilidad, 100 % de especificidad). Por lo tanto, cuanto más cerca esté la gráfica ROC de la esquina superior izquierda, mayor será la precisión general de la prueba (Zweig y Campbell, 1993).

   Literatura

   • DeLong ER, DeLong DM, Clarke-Pearson DL (1988): Comparing the areas under two or more correlated receiver operating characteristic curves: a non-parametric approach. Biometrics 44:837-845.
   • Hanley JA, Hajian-Tilaki KO (1997) Sampling variability of non-parametric estimates of the areas under receiver operating characteristic curves: an update. Academic Rediology 4:49-58.
   • Hanley JA, McNeil BJ (1982) The meaning and use of the area under a receiver operating characteristic (ROC) curve. Radiology 143:29-36.
   • Hanley JA, McNeil BJ (1983) A method of comparing the areas under receiver operating characteristic curves derived from the same cases. Radiology 148:839-843.
   • Zweig MH, Campbell G (1993) Receiver-operating characteristic (ROC) plots: a fundamental evaluation tool in clinical medicine. Clinical Chemistry 39:561-577.

   Véase también

   • Curvas ROC: Introducción
   • Comparación de curvas ROC (curvas ROC correlacionadas, derivadas de los mismos casos)
   • Formato gráfico
   • Leyenda del gráfico
   • Agregar objetos gráficos
   • Líneas de referencia