Kalkulator Percuma Editverse
Kalkulator Potongan Optimum Percuma (Indeks Youden, Paling Hampir ke Kiri Atas, Kepekaan atau Kekhususan Tetap, Berwajaran Kos)
Tampalkan nilai penanda dan status penyakit sebenar anda, dan dapatkan pemotongan diagnostik optimum mengikut empat kriteria, setiap satu dengan kepekaan, kekhususan, nilai ramalan dan nisbah kemungkinan. Selang keyakinan yang tepat dan AUC DeLong disertakan.
Dalam Perkataan Mudah
Penanda diagnostik ialah nombor, seperti tahap darah atau skor. Untuk memanggil seseorang positif atau negatif, anda memerlukan had. Had rendah menangkap lebih banyak kes benar tetapi menimbulkan penggera palsu. Had tinggi melakukan sebaliknya. Kalkulator ini mencuba setiap had yang mungkin dalam data anda dan melaporkan yang terbaik di bawah peraturan yang anda pilih.
Empat peraturan tersedia. Indeks Youden memaksimumkan sensitiviti tambah kekhususan tolak 1. Peraturan paling dekat ke kiri atas memilih titik prestasi sempurna terdekat pada plot ROC. Peraturan tetap mengekalkan sensitiviti (atau kekhususan) pada sasaran dan memaksimumkan sasaran yang lain. Peraturan berwajaran kos membolehkan anda menyatakan betapa teruknya kes yang terlepas daripada penggera palsu. Jawapannya sentiasa ada dalam unit asal anda.
Bila Perlu Menggunakan Kalkulator Potongan Optimum
Gunakannya apabila anda mempunyai penanda berterusan atau ordinal dan keputusan piawai rujukan (penyakit ada atau tiada) untuk setiap peserta, dan anda perlu menukar penanda tersebut kepada panggilan positif atau negatif. Kes biasa ialah penanda bio baharu, skor simptom atau ukuran pengimejan, di mana ambang yang diterbitkan tiada, datang daripada populasi lain, atau tidak sesuai dengan tujuan klinikal anda.
Kriteria tersebut harus mengikut tujuannya. Ujian saringan pengecualian biasanya memerlukan sensitiviti yang tinggi, jadi sasaran sensitiviti tetap sesuai. Ujian pengesahan biasanya memerlukan kekhususan yang tinggi. Apabila indeks Youden atau peraturan paling dekat dengan kiri atas digunakan, anda memberikan sensitiviti dan kekhususan yang sama berat, yang sepadan dengan kos ralat yang sama hanya pada kelaziman 50% dan jarang berlaku dalam amalan. Gunakan pilihan berwajaran kos apabila kedua-dua ralat jelas berbeza. Jika anda hanya memerlukan lengkung ROC dan AUC tanpa memilih ambang, gunakan alat lengkung ROC yang dipautkan di bawah.
Dijangka: 2 lajur: Status penyakit setiap subjek | Nilai penanda setiap subjek
Letakkan CSV di sini atau klik untuk memilih. Dihuraikan dalam pelayar anda: tiada apa yang dimuat naik.
Dijangka: 2 lajur: Status penyakit setiap subjek | Nilai penanda setiap subjek
status <- c({status}) skor <- c({score}) lebih tinggi <- "{dir}" == "Lebih tinggi = lebih positif" kaedah <- "{method}" sasaran <- {target} / 100 cr <- {costratio} sebelumnya <- suppressWarnings(as.numeric("{prev}")) / 100 # kosong -> NA -> kelaziman sampel P <- jumlah(status == 1); N <- jumlah(status == 0) jika (is.na(prev)) sebelumnya <- P / (P + N) u <- sort(unique(score)) cut <- (head(u, -1) + tail(u, -1)) / 2 # calon: titik tengah antara nilai berbeza posf <- function(s, c) jika (lebih tinggi) 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 <- jika (grepl("Youden", method)) sens + spec - 1 else jika (grepl("atas-kiri", method)) -((1 - sens)^2 + (1 - spec)^2) else jika (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))) # kaedah tetap: sasaran mesti boleh dicapai i <- which(obj >= max(obj) - 1e-12)[1] # ties -> potongan terendah 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) # tepat (Clopper-Pearson) 95% CI # AUC dengan DeLong CI: library(pROC); r <- roc(status, skor, arah = ifelse(lebih tinggi, "<", ">")); auc(r); ci.auc(r, kaedah = "delong")Panduan pengguna
Bila hendak digunakan. Pilih ambang keputusan tunggal untuk penanda diagnostik berterusan dan lihat kepekaan, kekhususan, nilai ramalan, nisbah kemungkinan dan AUC pada ambang tersebut. Lima kriteria dibandingkan bersebelahan: Indeks Youden, yang paling hampir dengan sudut kiri atas, kepekaan tetap, kekhususan tetap dan kos yang dijangkakan berdasarkan kelaziman dan kos relatif negatif palsu.
Andaian. Satu nilai penanda bagi setiap subjek dengan status piawai rujukan 0/1 yang sebenar; subjek bebas. Calon pemotongan ialah titik tengah antara nilai penanda tersusun berbeza berturut-turut (ambang yang sama yang digunakan oleh pROC); subjek adalah positif ujian apabila penanda adalah ≥ pemotongan (atau ≤ jika nilai yang lebih rendah adalah lebih positif). Nilai ramalan pada kelaziman yang berbeza hanya sah jika sensitiviti dan kekhususan dipindahkan kepada populasi tersebut.
Kesilapan biasa. Batasan dan ketepatannya dipilih dan dianggarkan pada data yang sama dan optimistik; sahkan dalam data baharu atau melalui bootstrap, terutamanya dengan kurang daripada kira-kira 30 subjek setiap kelas. Kriteria yang berbeza secara sah memberikan batasan yang berbeza (Perkins & Schisterman). Jangan gunakan kelaziman sampel untuk PPV/NPV apabila kes dan kawalan disampel secara berasingan; masukkan kelaziman sebenar sebaliknya. Selang keyakinan AUC ialah anggaran normal (DeLong) yang dipendekkan kepada [0, 1] dan tidak boleh dipercayai berhampiran 1 atau dengan sangat sedikit subjek.
Contoh yang dikerjakan
Klik Muatkan data contoh di atas, kemudian Jalankan Analisis untuk melihat hasil yang diusahakan sepenuhnya dengan rajah, formula dan tafsiran untuk ujian ini.
Rujukan
- Youden WJ. Indeks untuk ujian diagnostik penilaian. Kanser. 1950;3(1):32-35.
- Clopper CJ, Pearson ES. Penggunaan had keyakinan atau fiducial yang digambarkan dalam kes binomial. Biometrika. 1934;26(4):404-413.
- DeLong ER, DeLong DM, Clarke-Pearson DL. Membandingkan kawasan di bawah dua atau lebih lengkung ciri operasi penerima berkorelasi: pendekatan bukan parametrik. Biometrik. 1988;44(3):837-845.
- Perkins NJ, Schisterman EF. Ketidakselarasan titik pemotongan "optimum" yang diperoleh menggunakan dua kriteria berdasarkan lengkung ciri operasi penerima. Am J Epidemiol. 2006;163(7):670-675.
- Robin X, Turck N, Hainard A, dkk. pROC: pakej sumber terbuka untuk R dan S+ bagi menganalisis dan membandingkan lengkung ROC. BMC Bioinformatics. 2011;12:77.
Contoh yang Diusahakan
Contoh terbina dalam mempunyai 60 subjek dengan penanda di mana nilai yang lebih tinggi menunjukkan penyakit. AUC ialah 0.760 (95% CI 0.632 hingga 0.889, DeLong). Batasan Youden ialah 7.85, dengan sensitiviti 58.3% (95% CI 36.6 hingga 77.9) dan spesifisiti 91.7% (95% CI 77.5 hingga 98.2). Indeks Youden J ialah 0.500, LR+ ialah 7.00 dan LR- ialah 0.455. Pada kelaziman sampel, PPV ialah 82.4% dan NPV ialah 76.7%. Peraturan paling dekat dengan kiri atas memberikan batasan yang sama di sini.
Menukar kriteria akan mengubah jawapan. Meminta sensitiviti sekurang-kurangnya 90% akan meningkatkan had kepada 4.25, dengan sensitiviti 91.7% tetapi spesifisiti hanya 33.3%. Meminta sensitiviti sekurang-kurangnya 95% memberikan had 3.4, dengan sensitiviti 100% dan spesifisiti 27.8%. Meminta spesifisiti sekurang-kurangnya 95% memberikan 9.35, dengan sensitiviti 41.7% dan spesifisiti 97.2%.
Prevalens penting untuk nilai ramalan. Memasukkan prevalens yang dinyatakan sebanyak 10% dengan had Youden sebanyak 7.85 memberikan PPV 43.8% dan NPV 95.2%, berbanding dengan PPV 82.4% dan NPV 76.7% pada prevalens sampel. Dengan prevalens yang dinyatakan sebanyak 10% dan nisbah kos 0.5 (negatif palsu berharga separuh daripada positif palsu), peraturan berwajaran kos beralih kepada 11.65, dengan kekhususan adalah 100% dan kepekaan jatuh kepada 12.5%. Ini menunjukkan betapa kuatnya kos yang dipilih memacu keputusan.
Andaian untuk Disemak
- Piawaian rujukan adalah betul dan telah digunakan untuk setiap peserta, secara bebas daripada keputusan penanda.
- Sampel tersebut mencerminkan orang yang akan digunakan ujian tersebut. Bias spektrum mengalihkan titik potong optimum.
- Satu penanda sahaja. Alat ini tidak melaraskan kovariat atau menggabungkan penanda.
- Pemerhatian adalah bebas. Ukuran berulang pada orang yang sama memerlukan kaedah yang berbeza.
- Positif bermaksud penanda pada atau di atas titik potong (atau pada atau di bawahnya, jika anda memilih arah yang lebih rendah). Pastikan arah tersebut sepadan dengan biologi.
- Nilai ramalan pada kelaziman yang dinyatakan mengandaikan bahawa sensitiviti dan spesifisiti terbawa-bawa ke persekitaran dengan kelaziman tersebut.
Kesalahan biasa
Merawat potongan data yang diperoleh sebagai disahkan
Ketepatan dan kepekaan serta kekhususannya dianggarkan pada data yang sama, jadi ia optimistik, terutamanya dalam sampel kecil. Kalkulator ini melaporkan nilai dalam sampel sahaja. Ia tidak menggunakan bootstrap atau pengesahan silang. Sahkan ambang dalam sampel bebas sebelum bergantung padanya dan laporkannya sebagai penerokaan sehingga itu.
Mengabaikan ketidakpastian pemotongan
Kepekaan dan kekhususan mempunyai selang keyakinan yang tepat di sini, tetapi batas itu sendiri tidak mempunyai selang keyakinan, begitu juga PPV, NPV atau nisbah kemungkinan. Beberapa batas yang berdekatan mungkin menunjukkan prestasi yang hampir sama baik. Jangan baca nombor tunggal dengan tepat.
Menggunakan Youden secara lalai
Youden memberi berat sama rata kepada kes yang terlepas dan penggera palsu serta mengabaikan kelaziman. Untuk saringan atau pengesahan, peraturan sensitiviti tetap, kekhususan tetap atau pemberat kos selalunya lebih sepadan dengan tujuan klinikal.
Menggunakan selang AUC berhampiran hujung ekstrem
Selang DeLong ialah selang Wald yang dipendekkan kepada 0 hingga 1. Ia tidak boleh dipercayai dengan sampel yang sangat kecil atau AUC hampir dengan 1. Dengan pemisahan yang sempurna, selang tersebut akan runtuh dan LR+ adalah tak terhingga, yang menandakan sampel yang kecil atau tidak mewakili lebih daripada ujian yang sempurna.
Membaca nilai ramalan daripada kelaziman yang salah
PPV dan NPV pada prevalens sampel mencerminkan bagaimana kajian merekrut pesertanya. Dalam sampel kawalan kes, ia tidak banyak bercakap tentang amalan rutin. Sebaliknya, masukkan prevalens tetapan sasaran anda.
Soalan Lazim
Bagaimanakah had kelayakan calon dipilih?
Titik tengah antara nilai penanda cerapan berbeza yang berturutan digunakan. Ambang remeh yang mengklasifikasikan semua orang sebagai positif atau semua orang sebagai negatif dikecualikan. Keputusan telah disemak terhadap pakej pROC dalam R, yang menggunakan titik tengah yang sama.
Apa yang berlaku apabila dua garisan pemisah seri?
Nilai pemotongan terendah dikembalikan. Ini adalah konvensyen alat ini. Perisian lain mungkin menyenaraikan semua ambang terikat.
Mengapakah jawapan Youden dan jawapan paling dekat ke kiri atas kadangkala berbeza?
Mereka mengoptimumkan kuantiti yang berbeza. Youden memaksimumkan sensitiviti dan kekhususan, manakala peraturan kiri atas meminimumkan jarak kuasa dua kepada sensitiviti dan kekhususan yang sempurna. Dalam set data ujian rendah-positif, mereka masing-masing memberikan 48.5 dan 47.5. Mereka sering bersetuju, seperti dalam contoh utama.
Bagaimana jika sensitiviti atau spesifisiti sasaran saya tidak dapat dicapai?
Alat ini mengembalikan ralat yang menyatakan nilai maksimum yang boleh dicapai dalam data anda.
Selang keyakinan yang manakah digunakan?
Selang Clopper-Pearson yang tepat untuk kepekaan dan kekhususan, dan selang Wald berasaskan DeLong untuk AUC.
Bolehkah saya menggunakan ini untuk penanda positif-rendah?
Ya. Pilih arah yang lebih rendah dan alat tersebut akan mengklasifikasikan nilai pada atau di bawah titik potong sebagai positif dan mengira AUC dalam arah tersebut.
Adakah ini pengganti untuk ahli statistik?
Tidak. Ia menyokong analisis penerokaan dan pengajaran. Ambang yang bertujuan untuk kegunaan klinikal memerlukan pengesahan, pelan analisis yang telah ditetapkan terlebih dahulu dan garis panduan pelaporan seperti STARD.
Kalkulator Berkaitan
Kalkulator Keluk ROC dan AUC Kalkulator Ketepatan Diagnostik (Kepekaan dan Kekhususan) Indeks Youden: Mengoptimumkan Ketepatan Ujian Diagnostik Kalkulator Selang Keyakinan Kalkulator Prevalens Kesan Ambang pada Ketepatan Diagnostik
Rujukan
- Fluss R, Faraggi D, Reiser B. Anggaran Indeks Youden dan titik potong yang berkaitan dengannya. Jurnal Biometrik. 2005. PMID 16161804.
- Unal I. Menentukan nilai titik potong optimum dalam analisis ROC: pendekatan alternatif. Kaedah Pengiraan dan Matematik dalam Perubatan. 2017. PMID 28642804.
- Mandrekar JN. Lengkung ciri operasi penerima dalam penilaian ujian diagnostik. Jurnal Onkologi Toraks. 2010. PMID 20736804.
- DeLong ER, DeLong DM, Clarke-Pearson DL. Membandingkan kawasan di bawah dua atau lebih lengkung ciri operasi penerima berkorelasi: pendekatan tak parametrik. Biometrik. 1988. PMID 3203132.
Perlu Analisis Ini Dilakukan untuk Manuskrip Anda?
Perlukan bantuan untuk memilih had masa, merancang pengesahan atau menulis kajian ketepatan diagnostik? Ahli biostatistik Editverse boleh menjalankan analisis dan menyediakan bahagian kaedah dan keputusan.