آلة حاسبة مجانية من Editverse
حاسبة القطع الأمثل المجانية (مؤشر يودن، الأقرب إلى أعلى اليسار، حساسية أو خصوصية ثابتة، مرجحة بالتكلفة)
أدخل قيم المؤشرات وحالة المرض الحقيقية، واحصل على الحد التشخيصي الأمثل بناءً على أربعة معايير، لكل منها حساسية ونوعية وقيم تنبؤية ونسب احتمالية. يتضمن ذلك فترات ثقة دقيقة ومساحة تحت المنحنى (AUC) من نوع DeLong.
بكلمات بسيطة
المؤشر التشخيصي هو رقم، مثل مستوى الدم أو النتيجة. لتحديد ما إذا كان شخص ما مصابًا أم لا، نحتاج إلى قيمة فاصلة. القيمة الفاصلة المنخفضة تكشف المزيد من الحالات الصحيحة، لكنها تزيد من الإنذارات الكاذبة. أما القيمة الفاصلة المرتفعة فتؤدي إلى عكس ذلك. يجرب هذا البرنامج جميع القيم الفاصلة الممكنة في بياناتك، ويُبلغ عن أفضلها وفقًا للقاعدة التي تختارها.
تتوفر أربع قواعد. يعمل مؤشر يودن على زيادة الحساسية مضافًا إليها النوعية مطروحًا منها 1. وتختار قاعدة أقرب نقطة إلى أعلى اليسار النقطة الأقرب إلى الأداء الأمثل على منحنى ROC. وتحافظ القاعدة الثابتة على الحساسية (أو النوعية) عند قيمة مستهدفة، بينما تزيد الأخرى إلى أقصى حد. وتتيح لك قاعدة التكلفة المرجحة تحديد مدى سوء الحالة الفائتة مقارنةً بالإنذار الكاذب. وتكون الإجابة دائمًا بوحداتك الأصلية.
متى تستخدم حاسبة القطع الأمثل
استخدم هذه الطريقة عندما يكون لديك مؤشر مستمر أو ترتيبي ونتيجة مرجعية (وجود المرض أو عدمه) لكل مشارك، وتحتاج إلى تحويل المؤشر إلى نتيجة إيجابية أو سلبية. تشمل الحالات النموذجية مؤشرًا حيويًا جديدًا، أو درجة أعراض، أو قياسًا تصويريًا، حيث يكون الحد الأدنى المنشور مفقودًا، أو مأخوذًا من مجموعة سكانية أخرى، أو لا يناسب غرضك السريري.
ينبغي أن يتوافق المعيار مع الغرض. عادةً ما يتطلب اختبار الاستبعاد حساسية عالية، لذا فإن هدف الحساسية الثابتة مناسب. أما الاختبار التأكيدي، فيتطلب عادةً خصوصية عالية. عند استخدام مؤشر يودن أو قاعدة الأقرب إلى أعلى اليسار، تُعطى الحساسية والخصوصية وزنًا متساويًا، وهو ما يتوافق مع تكاليف خطأ متساوية فقط عند انتشار بنسبة 50%، وهو أمر نادر الحدوث عمليًا. استخدم خيار الترجيح بالتكلفة عندما يختلف الخطأان اختلافًا واضحًا. إذا كنت تحتاج فقط إلى منحنى ROC ومساحة المنطقة تحت المنحنى (AUC) دون تحديد عتبة، فاستخدم أداة منحنى ROC المرفقة أدناه.
المتوقع: عمودان: حالة المرض لكل فرد | قيمة المؤشر لكل فرد
أسقط ملف CSV هنا أو انقر للاختيار. تمت معالجته في متصفحك: لم يتم تحميل أي شيء.
المتوقع: عمودان: حالة المرض لكل فرد | قيمة المؤشر لكل فرد
الحالة <- c({الحالة}) النتيجة <- c({النتيجة}) أعلى <- "{الاتجاه}" == "أعلى = أكثر إيجابية" الطريقة <- "{الطريقة}" الهدف <- {الهدف} / 100 نسبة المخاطرة <- {التكلفة} السابق <- كبت التحذيرات(as.numeric("{السابق}")) / 100 # فارغ -> غير متوفر -> انتشار العينة P <- مجموع(الحالة == 1); N <- sum(status == 0) if (is.na(prev)) prev <- P / (P + N) u <- sort(unique(score)) cut <- (head(u, -1) + tail(u, -1)) / 2 # المرشحون: نقاط المنتصف بين القيم المختلفة posf <- function(s, c) if (higher) s >= c else s <= c sens <- sapply(cut, function(c) mean(posf(score[status == 1], c))) spec <- sapply(cut, function(c) mean(!posf(score[status == 0], c))) obj <- if (grepl("Youden", method)) sens + spec - 1 else if (grepl("top-left", method)) -((1 - sens)^2 + (1 - spec)^2) else if (grepl("sensitivity", method)) ifelse(sens >= target - 1e-12, spec, -Inf) else if (grepl("specificity", method)) ifelse(spec >= target - 1e-12, sens, -Inf) else -(cr * prev * (1 - sens) + (1 - prev) * (1 - spec)) stopifnot(is.finite(max(obj))) # طرق ثابتة: يجب أن يكون الهدف قابلاً للتحقيق i <- which(obj >= max(obj) - 1e-12)[1] # في حالة التعادل -> أقل قيمة قطع c(cutoff = cut[i], sensitivity = sens[i], specificity = spec[i], J = sens[i] + spec[i] - 1) cp <- function(x, n) c(if (x == 0) 0 else qbeta(.025, x, n - x + 1), if (x == n) 1 else qbeta(.975, x + 1, n - x)) cp(round(sens[i] * P), P); cp(round(spec[i] * N), N) # فاصل الثقة الدقيق (Clopper-Pearson) 95% # مساحة تحت المنحنى (AUC) مع فاصل الثقة DeLong: library(pROC); r <- roc(status, score, direction = ifelse(higher, "<", ">")); auc(r); ci.auc(r, method = "delong")دليل المستخدم
متى يُستخدم؟ اختر عتبة قرار واحدة لعلامة تشخيصية مستمرة، واطلع على الحساسية والنوعية والقيم التنبؤية ونسب الاحتمال ومساحة المنطقة تحت المنحنى (AUC) عند تلك العتبة. تتم مقارنة خمسة معايير جنبًا إلى جنب: مؤشر يودن (الأقرب إلى الزاوية العلوية اليسرى)، والحساسية الثابتة، والنوعية الثابتة، والتكلفة المتوقعة بالنظر إلى الانتشار والتكلفة النسبية للنتيجة السلبية الكاذبة.
الافتراضات: قيمة مؤشر واحدة لكل فرد، مع حالة مرجعية حقيقية 0/1؛ أفراد مستقلون. القيم المرشحة للقطع هي نقاط المنتصف بين قيم المؤشرات المتتالية والمميزة والمرتبة (نفس العتبات التي يستخدمها pROC)؛ يكون الفرد إيجابيًا في الاختبار عندما يكون المؤشر ≥ قيمة القطع (أو ≤ إذا كانت القيم الأقل أكثر إيجابية). لا تكون القيم التنبؤية عند انتشار مختلف صالحة إلا إذا انتقلت الحساسية والنوعية إلى تلك المجموعة السكانية.
أخطاء شائعة. يتم اختيار قيمة القطع ودقتها وتقديرها بناءً على نفس البيانات، مما يؤدي إلى نتائج متفائلة؛ لذا يُنصح بالتحقق من صحتها باستخدام بيانات جديدة أو عن طريق إعادة التوزيع العشوائي (Bootstrap)، خاصةً مع عدد أفراد أقل من 30 فردًا لكل فئة. من الطبيعي أن تُعطي المعايير المختلفة قيم قطع مختلفة (بيركنز وشيسترمان). لا تستخدم معدل انتشار العينة للقيمة التنبؤية الإيجابية/السلبية عندما يتم أخذ عينات الحالات والضوابط بشكل منفصل؛ بل أدخل معدل الانتشار الحقيقي. تُعد فترة الثقة لمنطقة تحت المنحنى (AUC) تقريبًا طبيعيًا (ديلونج) مُقتطعًا إلى [0، 1]، وهي غير موثوقة بالقرب من 1 أو مع عدد قليل جدًا من الأفراد.
مثال عملي
انقر فوق تحميل بيانات المثال أعلاه ثم تشغيل التحليل لرؤية نتيجة كاملة مع الشكل والصيغة والتفسير لهذا الاختبار.
مراجع حسابات
- يودن دبليو جيه. مؤشر لتقييم الاختبارات التشخيصية. السرطان. 1950؛3(1):32-35.
- كلوبر سي جيه، بيرسون إي إس. استخدام حدود الثقة أو الحدود المرجعية موضحة في حالة ذات الحدين. بيومتريكا. 1934؛26(4):404-413.
- ديلونج إي آر، ديلونج دي إم، كلارك-بيرسون دي إل. مقارنة المساحات تحت منحنيات خصائص تشغيل المستقبل المترابطة: نهج غير بارامتري. القياسات الحيوية. 1988؛44(3):837-845.
- بيركنز، ن. ج.، وشيسترمان، إ. ف. عدم اتساق نقاط القطع "المثلى" التي تم الحصول عليها باستخدام معيارين بناءً على منحنى خصائص تشغيل المستقبل. المجلة الأمريكية لعلم الأوبئة. 2006؛ 163 (7): 670-675.
- روبن إكس، تورك إن، هاينارد إيه، وآخرون. pROC: حزمة مفتوحة المصدر لبرنامجي R و S+ لتحليل ومقارنة منحنيات ROC. BMC Bioinformatics. 2011؛12:77.
مثال عملت
يحتوي المثال المدمج على 60 شخصًا لديهم مؤشر، حيث تشير القيم الأعلى إلى الإصابة بالمرض. تبلغ مساحة المنطقة تحت المنحنى (AUC) 0.760 (فاصل الثقة 95%: 0.632 إلى 0.889، DeLong). تبلغ قيمة القطع وفقًا لـ Youden 7.85، مع حساسية 58.3% (فاصل الثقة 95%: 36.6 إلى 77.9) وخصوصية 91.7% (فاصل الثقة 95%: 77.5 إلى 98.2). يبلغ مؤشر Youden J 0.500، ونسبة الاحتمال الموجب (LR+) 7.00، ونسبة الاحتمال السالب (LR-) 0.455. عند معدل انتشار العينة، تبلغ القيمة التنبؤية الإيجابية (PPV) 82.4% والقيمة التنبؤية السلبية (NPV) 76.7%. تعطي قاعدة أقرب قيمة إلى أعلى اليسار نفس قيمة القطع هنا.
يؤدي تغيير المعيار إلى تغيير النتيجة. فعند طلب حساسية لا تقل عن 90%، يصبح الحد الفاصل 4.25، مع حساسية 91.7% وخصوصية 33.3% فقط. وعند طلب حساسية لا تقل عن 95%، يصبح الحد الفاصل 3.4، مع حساسية 100% وخصوصية 27.8%. أما عند طلب خصوصية لا تقل عن 95%، فيصبح الحد الفاصل 9.35، مع حساسية 41.7% وخصوصية 97.2%.
يُعدّ معدل الانتشار عاملاً مهماً في تحديد القيم التنبؤية. عند إدخال معدل انتشار مُعلن بنسبة 10% مع عتبة يودن البالغة 7.85، نحصل على قيمة تنبؤية إيجابية (PPV) تبلغ 43.8% وقيمة تنبؤية سلبية (NPV) تبلغ 95.2%، مقارنةً بقيمتي PPV 82.4% وNPV 76.7% عند معدل انتشار العينة. مع معدل انتشار مُعلن بنسبة 10% ونسبة تكلفة 0.5 (تكلفة النتيجة السلبية الخاطئة نصف تكلفة النتيجة الإيجابية الخاطئة)، تنتقل قاعدة ترجيح التكلفة إلى 11.65، حيث تبلغ الخصوصية 100% وتنخفض الحساسية إلى 12.5%. يُبيّن هذا مدى تأثير التكاليف المُختارة على النتيجة.
الافتراضات التي يجب التحقق منها
- المعيار المرجعي صحيح وتم تطبيقه على كل مشارك، بغض النظر عن نتيجة المؤشر.
- تعكس العينة الأشخاص الذين سيُستخدم الاختبار معهم. ويؤدي تحيز الطيف إلى تغيير الحد الأمثل.
- علامة واحدة فقط. لا تقوم الأداة بتعديل المتغيرات المصاحبة أو دمج العلامات.
- الملاحظات مستقلة. تتطلب القياسات المتكررة على نفس الشخص طريقة مختلفة.
- تعني القيمة الموجبة أن العلامة عند أو أعلى نقطة القطع (أو عند أو أسفل منها، إذا اخترت الاتجاه الأدنى). تأكد من أن الاتجاه يطابق التركيب البيولوجي.
- تفترض القيم التنبؤية عند معدل انتشار محدد أن الحساسية والنوعية تنتقل إلى البيئة التي يكون فيها معدل الانتشار هذا.
الأخطاء الشائعة
اعتبار الحد الفاصل المستمد من البيانات بمثابة حد تم التحقق منه
يتم تقدير قيمة القطع وحساسيتها ونوعيتها بناءً على نفس البيانات، لذا فهي قيم متفائلة، خاصةً في العينات الصغيرة. يعرض هذا الحاسب القيم الخاصة بالعينة فقط، ولا يستخدم أسلوب إعادة التوزيع العشوائي أو التحقق المتبادل. تأكد من قيمة القطع في عينة مستقلة قبل الاعتماد عليها، واعتبرها قيمة استكشافية حتى ذلك الحين.
تجاهل عدم اليقين بشأن الحد الفاصل
تتمتع الحساسية والنوعية بفترات ثقة دقيقة هنا، لكن القيمة الحدية نفسها لا تملك فترات ثقة، وكذلك القيمة التنبؤية الإيجابية والسلبية ونسب الاحتمال. قد تؤدي عدة قيم حدية متقاربة أداءً جيدًا تقريبًا. لا تعتبر الرقم الواحد دقيقًا.
يتم استخدام Youden افتراضيًا
يولي يودن نفس القدر من الأهمية للحالات التي لم يتم تشخيصها وللإنذارات الكاذبة، ويتجاهل معدل الانتشار. أما في الفحص أو التأكيد، فإن قاعدة ذات حساسية ثابتة أو نوعية ثابتة أو قاعدة مرجحة بالتكلفة غالباً ما تتناسب بشكل أفضل مع الغرض السريري.
تطبيق فاصل AUC بالقرب من القيم القصوى
فاصل ديلونج هو فاصل والد مقتطع إلى 0 إلى 1. وهو غير موثوق به مع العينات الصغيرة جدًا أو مساحة تحت المنحنى قريبة من 1. مع الفصل التام، ينهار الفاصل وتصبح نسبة الاحتمال الموجب لا نهائية، مما يشير إلى عينة صغيرة أو غير ممثلة أكثر من اختبار مثالي.
قراءة القيم التنبؤية من معدل انتشار خاطئ
تعكس القيمة التنبؤية الإيجابية والقيمة التنبؤية السلبية عند معدل انتشار العينة كيفية اختيار المشاركين في الدراسة. في عينة دراسة الحالات والشواهد، لا تُقدم هذه القيم معلومات كافية عن الممارسات الروتينية. لذا، أدخل معدل انتشار الحالة في بيئتك المستهدفة بدلاً من ذلك.
الأسئلة الشائعة
كيف يتم اختيار الحد الأدنى للمرشحين؟
تُستخدم نقاط المنتصف بين قيم المؤشرات المرصودة المتتالية والمختلفة. ويتم استبعاد العتبات البسيطة التي تصنف الجميع على أنهم إيجابيون أو سلبيون. وقد تم التحقق من النتيجة باستخدام حزمة pROC في لغة البرمجة R، والتي تستخدم نقاط المنتصف نفسها.
ماذا يحدث عندما يتعادل اثنان من اللاعبين في نقاط القطع؟
يتم إرجاع أدنى قيمة فاصلة. هذا إجراء معتاد في هذه الأداة. قد تعرض برامج أخرى جميع القيم الفاصلة المتساوية.
لماذا تختلف إجابات يودن والإجابات الأقرب إلى أعلى اليسار أحيانًا؟
يُحسّن كلٌّ منهما كمياتٍ مختلفة. يُعظّم يودن الحساسية والنوعية معًا، بينما تُقلّل قاعدة الزاوية العلوية اليسرى المسافة التربيعية إلى الحساسية والنوعية الأمثل. في مجموعة بيانات اختبارية حيث تكون القيمة الأقل موجبة، أعطيا 48.5 و47.5 على التوالي. غالبًا ما يتفقان، كما في المثال الرئيسي.
ماذا لو لم أتمكن من الوصول إلى حساسية أو خصوصية الهدف؟
تقوم الأداة بإرجاع خطأ يوضح القيمة القصوى الممكنة في بياناتك.
ما هي فترات الثقة المستخدمة؟
فترات كلوبر-بيرسون الدقيقة للحساسية والنوعية، وفترة والد القائمة على ديلونج لمنطقة تحت المنحنى.
هل يمكنني استخدام هذا كعلامة تشير إلى أن القيمة الأقل هي القيمة الموجبة؟
نعم. حدد الاتجاه الأدنى، وستصنف الأداة القيم عند أو أسفل الحد الفاصل على أنها موجبة وتحسب مساحة المنطقة تحت المنحنى في ذلك الاتجاه.
هل هذا بديل عن الإحصائي؟
لا. إنه يدعم التحليل الاستكشافي والتعليم. أما العتبة المخصصة للاستخدام السريري فتحتاج إلى التحقق من صحتها، وخطة تحليل محددة مسبقًا، ودليل إرشادي لإعداد التقارير مثل STARD.
الآلات الحاسبة ذات الصلة
حاسبة منحنى ROC ومساحة تحت المنحنى (AUC) | حاسبة دقة التشخيص (الحساسية والنوعية) | مؤشر يودن: تحسين دقة الاختبار التشخيصي | حاسبة فاصل الثقة | حاسبة الانتشار | تأثيرات العتبة على دقة التشخيص
مراجع حسابات
- فلوس ر، فراجي د، ريزر ب. تقدير مؤشر يودن ونقطة القطع المرتبطة به. مجلة القياسات الحيوية. 2005. PMID 16161804.
- أونال، آي. تحديد قيمة القطع المثلى في تحليل منحنى ROC: منهج بديل. الأساليب الحسابية والرياضية في الطب. 2017. PMID 28642804.
- ماندريكار جيه إن. منحنى خصائص تشغيل المستقبل في تقييم الاختبارات التشخيصية. مجلة أورام الصدر. 2010. PMID 20736804.
- ديلونج إي آر، ديلونج دي إم، كلارك-بيرسون دي إل. مقارنة المساحات تحت منحنيات خصائص تشغيل المستقبل المترابطة: منهج غير بارامتري. القياسات الحيوية. 1988. PMID 3203132.
هل تحتاج إلى إجراء هذا التحليل لمخطوطتك؟
هل تحتاج إلى مساعدة في اختيار نقطة القطع، أو تخطيط التحقق من الصحة، أو كتابة دراسة دقة التشخيص؟ يمكن لخبراء الإحصاء الحيوي في Editverse إجراء التحليل وإعداد أقسام الطرق والنتائج.
