Vergleich der Teilflächen unter der ROC-Kurve
| Befehl: | Statistiken ROC-KurvenVergleich der Teilflächen unter der ROC-Kurve |
|---|
Einleitung
Beim Vergleich von 2 ROC-Kurven kann es vorkommen, dass die beiden Flächen unter der ROC-Kurve (AUC) gleich sind, eine Kurve jedoch in einem bestimmten Spezifitätsbereich eine höhere Sensitivität aufweist als die andere. Das Beispiel zeigt zwei sich kreuzende ROC-Kurven mit gleicher Gesamt-AUC. Im klinisch wichtigen Bereich (Spezifität höher als 80 %) ist die Sensitivität von Test A jedoch deutlich höher als die von Test B (adaptiert nach Obuchowski, 2006).
MedCalc ermöglicht den Vergleich der beiden Teilflächen unter der ROC-Kurve in diesem bestimmten Intervall. Die Daten für die beiden Teilflächen können von denselben Probanden (Stichproben, Patienten, …) stammen; in diesem Fall liegen gepaarte Daten vor. Oder sie stammen von unterschiedlichen Probanden; in diesem Fall liegen unabhängige Daten und zwei unabhängige Teilflächen vor.
Ausführliche Informationen zur Berechnung und Interpretation von Teilflächen unter der ROC-Kurve finden Sie unter Teilfläche unter der ROC-Kurve.
Erforderliche Eingabe
- Variablen: Wählen Sie die beiden gewünschten Variablen aus.
- Klassifizierungsvariable: Wählen Sie eine dichotome Variable aus, die die Diagnose angibt (0=negativ, 1=positiv).
Falls Ihre Daten anders codiert sind, können Sie das Werkzeug Status definieren verwenden, um Ihre Daten umzucodieren.
Es ist wichtig, die positiven Fälle korrekt zu identifizieren.
- Filter: (optional) ein Filter, um nur eine ausgewählte Untergruppe von Fällen einzubeziehen (z. B. AGE>21, SEX="Male").
- Optionen:
- Daten stammen von denselben Probanden (gepaarte Daten): Wählen Sie diese Option, wenn die beiden Variablen Daten enthalten, die von denselben Probanden stammen. Stammen die beiden Datensätze von unterschiedlichen Probanden, liegt kein gepaartes Design vor, und Sie deaktivieren diese Option. Diese Unterscheidung ist wichtig, da die statistische Power des Tests bei einem Modell für gepaarte bzw. unabhängige Stichproben unterschiedlich ist.
- Sensitivitäts- oder Spezifitätsintervall: Wählen Sie, ob Sie die Teilfläche unter der ROC-Kurve für ein definiertes Sensitivitäts- oder Spezifitätsintervall wünschen.
- Von und Bis: der untere und obere Wert des gewünschten Intervalls. Übliche Werte reichen von 80 %, 90 %, 95 % bis 100 %.
- Bootstrap-Konfidenzintervall: Wählen Sie diese Option, um mithilfe der Bootstrap-Technik ein Konfidenzintervall für die Teilflächen unter der ROC-Kurve und deren Differenz zu berechnen (Efron, 1987; Efron & Tibshirani, 1993).
- Erweitert: Klicken Sie auf diese Schaltfläche, um die Bootstrap-Parameter festzulegen: Anzahl der Wiederholungen und Anfangswert des Zufallsgenerators.
- Wählen Sie ROC-Kurvenfenster anzeigen, um das Diagramm in einem separaten Fenster zu erhalten.
Ergebnisse – Gepaarte Stichproben
Der folgende Bericht wird bei einem gepaarten Design angezeigt.
Variable 1 | TEST1 |
|---|---|
Variable 2 | TEST2 |
Klassifizierungsvariable | DIAGNOSIS |
| Stichprobengröße | 100 |
|---|---|
Positive Gruppe a | 55 (55.00%) |
Negative Gruppe b | 45 (45.00%) |
a DIAGNOSIS = 1
b DIAGNOSIS = 0
Teilfläche unter der ROC-Kurve
Spezifitätsintervall | 80 bis 100 |
|---|
Variable | TEST1 | TEST2 |
|---|---|---|
Fläche unter der Kurve | 0.947 | 0.679 |
Teilfläche (pAUC) | 0.159 | 0.0525 |
95%-Bootstrap-Konfidenzintervall a | 0.0919 bis 0.183 | 0.0202 bis 0.0838 |
Standardisierte Teilfläche (pAUCs) | 0.886 | 0.590 |
95%-Bootstrap-Konfidenzintervall a | 0.700 bis 0.954 | 0.501 bis 0.677 |
a BCa Bootstrap-Konfidenzintervall (5000 Wiederholungen; Anfangswert des Zufallsgenerators: 928).
Vergleich gepaarter Teilflächen unter der ROC-Kurve
Differenz zwischen den Flächen | 0.1063 |
|---|---|
95%-Bootstrap-Konfidenzintervall a | 0.07818 bis 0.1352 |
a BCa Bootstrap-Konfidenzintervall (5000 Wiederholungen; Anfangswert des Zufallsgenerators: 928).
  |
Zunächst zeigt MedCalc die Parameter der Analyse an.
Anschließend werden für die beiden Variablen folgende Werte angegeben:
- Fläche unter der Kurve: dies ist die gesamte Fläche unter der ROC-Kurve.
- Die Teilfläche (pAUC): die Fläche unter der ROC-Kurve im festgelegten Spezifitäts- (oder Sensitivitäts-)Intervall.
- Das 95 %-Bootstrap-KI der pAUC wird angegeben, wenn die entsprechende Option ausgewählt wurde.
- Die standardisierte Teilfläche (pAUCs), wie von McClish (1989) definiert, siehe Teilfläche unter der ROC-Kurve.
- Das 95 %-Bootstrap-KI der pAUCs wird angegeben, wenn die entsprechende Option ausgewählt wurde. Schließt dieses Konfidenzintervall den Wert 0,5 nicht ein, kann geschlossen werden, dass sich die pAUCs signifikant vom Zufallsmodell unterscheidet.
Ergebnisse – Unabhängige Stichproben
Der Bericht für unabhängige Stichproben unterscheidet sich etwas, enthält aber im Wesentlichen dieselben Statistiken.
Variable 1 | TEST1 |
|---|---|
Variable 2 | TEST2 |
Klassifizierungsvariable | DIAGNOSIS |
Teilfläche unter der ROC-Kurve
Spezifitätsintervall | 80 bis 100 |
|---|
Variable | TEST1 | TEST2 |
|---|---|---|
Gesamte Stichprobengröße | 100 | 100 |
Positive Gruppe a | 55 (55.00%) | 55 (55.00%) |
Negative Gruppe b | 45 (45.00%) | 45 (45.00%) |
Fläche unter der Kurve | 0.947 | 0.679 |
Teilfläche (pAUC) | 0.159 | 0.0525 |
95%-Bootstrap-Konfidenzintervall c | 0.0919 bis 0.183 | 0.0202 bis 0.0838 |
Standardisierte Teilfläche (pAUCs) | 0.886 | 0.590 |
95%-Bootstrap-Konfidenzintervall c | 0.700 bis 0.954 | 0.501 bis 0.677 |
a DIAGNOSIS = 1
b DIAGNOSIS = 0
c BCa Bootstrap-Konfidenzintervall (5000 Wiederholungen; Anfangswert des Zufallsgenerators: 928).
Vergleich unabhängiger Teilflächen unter der ROC-Kurve
Differenz zwischen den Flächen | 0.1063 |
|---|---|
95%-Bootstrap-Konfidenzintervall a | 0.04712 bis 0.1486 |
a BCa Bootstrap-Konfidenzintervall (5000 Wiederholungen; Anfangswert des Zufallsgenerators: 928).
| |
Vergleich der beiden Teilflächen
MedCalc gibt die Differenz zwischen den beiden Teilflächen mit dem 95 %-Bootstrap-Konfidenzintervall für die Differenz an. Schließt das Konfidenzintervall den Wert 0 nicht ein, kann geschlossen werden, dass sich die beiden Teilflächen signifikant unterscheiden (P<0,05).
Diagramm
Die ROC-Kurve und die Teilflächen werden in einem separaten Fenster angezeigt:
Fachliteratur
- Efron B (1987) Better Bootstrap Confidence Intervals. Journal of the American Statistical Association 82:171-185.
- Efron B, Tibshirani RJ (1993) An introduction to the Bootstrap. Chapman & Hall/CRC.
- McClish DK (1989) Analyzing a Portion of the ROC Curve. Medical Decision Making 9:190-195.
- Obuchowski NA (2006) Receiver Operating Characteristic Curves and their use in radiology. Radiology 229:3-8.
- Zhou XH, Obuchowski NA, McClish DK (2002) Statistical methods in diagnostic medicine. Wiley-Interscience.