Área parcial sob a curva ROC

Comando:

Estatísticas

Curvas ROC

Introdução

A área parcial sob a curva ROC resume uma parte da curva ROC em um intervalo de interesse pré-especificado. Esse intervalo pode ser um intervalo de especificidade ou de sensibilidade.

A área parcial sob a curva ROC para um intervalo de especificidade pré-especificado

A área parcial pAUC para um intervalo de especificidade pré-especificado é dada pela área ABCD. A área parcial correspondente a um modelo aleatório é a área ABgh. A área parcial correspondente a um modelo perfeito é a área ABef.

A área do modelo aleatório ABgh é a pAUC mínima ($pAUC_{min}$), e a área do modelo perfeito ABef é a pAUC máxima ($pAUC_{max}$).

A área parcial pAUC pode ser interpretada como a sensibilidade média no intervalo de especificidade pré-especificado (Zhou et al., 2002).

A área parcial sob a curva ROC para um intervalo de sensibilidade pré-especificado

Para calcular a área parcial sob a curva ROC para um intervalo de sensibilidade pré-especificado, o MedCalc toma a borda direita (especificidade = 0%, ou taxa de falso-positivos FPR = 1) como linha de base. A pAUC calculada dessa forma às vezes é chamada de área parcial horizontal sob a curva, pAUC_x (Walter, 2005).

Assim, de forma análoga às definições da pAUC para um intervalo de especificidade, a área parcial pAUC para um intervalo de sensibilidade pré-especificado é dada pela área ABCD. A área parcial correspondente a um modelo aleatório é a área ABgh. A área parcial correspondente a um modelo perfeito é a área ABef.

Novamente, a área do modelo aleatório ABgh é a pAUC mínima ($pAUC_{min}$), e a área do modelo perfeito ABef é a pAUC máxima ($pAUC_{max}$).

A área parcial pAUC pode ser interpretada como a especificidade média no intervalo de sensibilidade pré-especificado (Zhou et al., 2002).

Metodologia

O MedCalc calcula a pAUC de forma não paramétrica, com o método dos trapézios.

Os intervalos de confiança são calculados por bootstrapping (Efron, 1987; Efron & Tibshirani, 1993).

pAUC padronizada

A pAUC padronizada (pAUCs) é definida como (McClish, 1989):

$$ pAUCs = \frac {1} {2} \left( 1 + \frac {pAUC - pAUC_{min}} { pAUC_{max} - pAUC_{min} } \right) $$

A pAUC padronizada (pAUCs) tem um valor máximo de 1 e um valor mínimo de 0,5. Por isso, permite visualizar a área parcial na mesma escala que a área total sob a curva ROC.

Dados necessários

Área parcial sob a curva ROC

Variável: selecione a variável de interesse.
Variável de classificação: selecione uma variável dicotômica que indique o diagnóstico (0=negativo, 1=positivo).
Se os seus dados estiverem codificados de outra forma, você pode usar a ferramenta Definir estado para recodificá-los.
É importante identificar corretamente os casos positivos.
Filtro: (opcionalmente) um filtro para incluir apenas um subgrupo selecionado de casos (por exemplo, AGE>21, SEX="Male").
Opções:
- Intervalo de sensibilidade ou de especificidade: selecione se deseja a área parcial sob a curva ROC para um intervalo de sensibilidade ou de especificidade definido.
- De e Até: o valor inferior e o valor superior do intervalo de interesse. Valores comuns vão de 80%, 90%, 95% até 100%.
- Intervalo de confiança bootstrap: selecione esta opção para calcular um intervalo de confiança para a área parcial sob a curva ROC com a técnica bootstrap (Efron, 1987; Efron & Tibshirani, 1993).
- Avançado: clique neste botão para especificar os parâmetros do bootstrap: número de réplicas e semente de números aleatórios.
- Selecione Exibir janela da curva ROC para obter o gráfico em uma janela separada.

Resultados - intervalo de especificidade

É exibido o relatório a seguir.

Área parcial sob a curva ROC

Variável	TEST1
Variável de classificação	DIAGNOSIS

Tamanho da amostra	100
Grupo positivo ^a	55 (55.00%)
Grupo negativo ^b	45 (45.00%)

^a DIAGNOSIS = 1
^b DIAGNOSIS = 0