เครื่องคิดเลขฟรีของ Editverse

เครื่องคำนวณค่าตัดที่เหมาะสมที่สุดฟรี (ดัชนี Youden, ใกล้เคียงที่สุดกับมุมบนซ้าย, ความไวหรือความจำเพาะคงที่, ถ่วงน้ำหนักตามต้นทุน)

ใส่ค่าตัวบ่งชี้และสถานะของโรคที่แท้จริงของคุณ แล้วรับค่าจุดตัดการวินิจฉัยที่เหมาะสมที่สุดโดยใช้เกณฑ์สี่ข้อ ซึ่งแต่ละข้อจะมีค่าความไว ความจำเพาะ ค่าการทำนาย และอัตราส่วนความน่าจะเป็น รวมถึงช่วงความเชื่อมั่นที่แม่นยำและค่า AUC ของ DeLong ด้วย

ในคำง่ายๆ

ตัวบ่งชี้การวินิจฉัยคือตัวเลข เช่น ระดับในเลือดหรือคะแนน ในการระบุว่าใครมีผลตรวจเป็นบวกหรือลบ คุณจำเป็นต้องกำหนดค่าเกณฑ์ ค่าเกณฑ์ต่ำจะตรวจพบผู้ป่วยจริงได้มากขึ้น แต่ก็อาจทำให้เกิดการแจ้งเตือนผิดพลาดได้มากขึ้น ค่าเกณฑ์สูงจะให้ผลตรงกันข้าม เครื่องคำนวณนี้จะลองใช้ค่าเกณฑ์ที่เป็นไปได้ทั้งหมดในข้อมูลของคุณ และรายงานค่าที่ดีที่สุดภายใต้กฎที่คุณเลือก

มีกฎให้เลือกใช้สี่แบบ กฎดัชนี Youden จะเพิ่มค่าความไวบวกความจำเพาะลบ 1 ให้สูงสุด กฎที่ใกล้เคียงที่สุดกับมุมซ้ายบนจะเลือกจุดที่ใกล้เคียงกับประสิทธิภาพที่สมบูรณ์แบบที่สุดบนกราฟ ROC กฎคงที่รักษาค่าความไว (หรือความจำเพาะ) ไว้ที่ค่าเป้าหมายและเพิ่มค่าอีกค่าหนึ่งให้สูงสุด กฎถ่วงน้ำหนักต้นทุนช่วยให้คุณระบุได้ว่ากรณีที่พลาดไปนั้นแย่กว่าการแจ้งเตือนผิดพลาดมากแค่ไหน คำตอบจะอยู่ในหน่วยเดิมของคุณเสมอ

ควรใช้เครื่องคำนวณจุดตัดที่เหมาะสมเมื่อใด

ใช้เมื่อคุณมีตัวบ่งชี้แบบต่อเนื่องหรือแบบเรียงลำดับ และผลลัพธ์มาตรฐานอ้างอิง (มีหรือไม่มีโรค) สำหรับผู้เข้าร่วมแต่ละคน และคุณต้องการเปลี่ยนตัวบ่งชี้ให้เป็นการสรุปผลเป็นบวกหรือลบ กรณีทั่วไป ได้แก่ ตัวบ่งชี้ทางชีวภาพใหม่ คะแนนอาการ หรือการวัดภาพทางการแพทย์ ซึ่งไม่มีเกณฑ์ที่เผยแพร่ไว้ มาจากประชากรกลุ่มอื่น หรือไม่เหมาะสมกับวัตถุประสงค์ทางคลินิกของคุณ

เกณฑ์ควรสอดคล้องกับวัตถุประสงค์ การทดสอบคัดกรองเพื่อตัดความเป็นไปได้มักต้องการความไวสูง ดังนั้นเป้าหมายความไวคงที่จึงเหมาะสม การทดสอบยืนยันมักต้องการความจำเพาะสูง เมื่อใช้ดัชนี Youden หรือกฎที่ใกล้เคียงที่สุดกับด้านบนซ้าย คุณจะให้ค่าความไวและความจำเพาะมีน้ำหนักเท่ากัน ซึ่งสอดคล้องกับต้นทุนความผิดพลาดที่เท่ากันเฉพาะที่อัตราการเกิดโรค 50% ซึ่งเกิดขึ้นได้ยากในทางปฏิบัติ ให้ใช้ตัวเลือกการถ่วงน้ำหนักตามต้นทุนเมื่อความผิดพลาดทั้งสองแตกต่างกันอย่างชัดเจน หากคุณต้องการเพียงเส้นโค้ง ROC และ AUC โดยไม่ต้องเลือกเกณฑ์ ให้ใช้เครื่องมือเส้นโค้ง ROC ที่เชื่อมโยงด้านล่าง

สถานะ <- c({status}) คะแนน <- c({score}) สูงกว่า <- "{dir}" == "สูงกว่า = บวกมากขึ้น" วิธีการ <- "{method}" เป้าหมาย <- {target} / 100 อัตราส่วนต้นทุน <- {costratio} ก่อนหน้า <- suppressWarnings(as.numeric("{prev}")) / 100 # ว่างเปล่า -> NA -> ความชุกของกลุ่มตัวอย่าง P <- ผลรวมของสถานะ == 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 # ตัวเลือก: จุดกึ่งกลางระหว่างค่าที่แตกต่างกัน 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))) # fixed methods: target must be attainable i <- which(obj >= max(obj) - 1e-12)[1] # ties -> lowest cut-off 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 มิฉะนั้น qbeta(.975, x + 1, n - x)) cp(round(sens[i] * P), P); cp(round(spec[i] * N), N) # ช่วงความเชื่อมั่น 95% ที่แน่นอน (Clopper-Pearson) # AUC พร้อมช่วงความเชื่อมั่น DeLong: library(pROC); r <- roc(status, score, direction = ifelse(higher, "<", ">")); auc(r); ci.auc(r, method = "delong")

ตัวอย่างการใช้งาน

ตัวอย่างที่สร้างไว้ในแบบจำลองมีผู้ป่วย 60 รายที่มีตัวบ่งชี้ โดยค่าที่สูงขึ้นบ่งชี้ถึงโรค ค่า AUC คือ 0.760 (ช่วงความเชื่อมั่น 95% 0.632 ถึง 0.889, DeLong) ค่าตัดของ Youden คือ 7.85 โดยมีความไว 58.3% (ช่วงความเชื่อมั่น 95% 36.6 ถึง 77.9) และความจำเพาะ 91.7% (ช่วงความเชื่อมั่น 95% 77.5 ถึง 98.2) ดัชนี Youden J คือ 0.500, LR+ คือ 7.00 และ LR- คือ 0.455 ที่ความชุกของกลุ่มตัวอย่าง ค่า PPV คือ 82.4% และค่า NPV คือ 76.7% กฎการเลือกค่าที่ใกล้เคียงที่สุดกับค่าบนซ้ายให้ค่าตัดเดียวกันในที่นี้

การเปลี่ยนเกณฑ์จะทำให้คำตอบเปลี่ยนไป การกำหนดความไวอย่างน้อย 90% จะทำให้ค่าตัดเปลี่ยนไปเป็น 4.25 โดยมีความไว 91.7% แต่ความจำเพาะเพียง 33.3% การกำหนดความไวอย่างน้อย 95% จะให้ค่าตัดที่ 3.4 โดยมีความไว 100% และความจำเพาะ 27.8% การกำหนดความจำเพาะอย่างน้อย 95% จะให้ค่าตัดที่ 9.35 โดยมีความไว 41.7% และความจำเพาะ 97.2%

อัตราการแพร่ระบาดมีความสำคัญต่อค่าการทำนาย การป้อนอัตราการแพร่ระบาดที่ระบุไว้ที่ 10% โดยใช้ค่าตัดของ Youden ที่ 7.85 จะได้ค่า PPV 43.8% และ NPV 95.2% เมื่อเทียบกับค่า PPV 82.4% และ NPV 76.7% ที่อัตราการแพร่ระบาดตามตัวอย่าง เมื่อใช้อัตราการแพร่ระบาดที่ระบุไว้ที่ 10% และอัตราส่วนต้นทุนที่ 0.5 (ผลลบเท็จมีต้นทุนครึ่งหนึ่งของผลบวกเท็จ) กฎที่ถ่วงน้ำหนักด้วยต้นทุนจะเปลี่ยนเป็น 11.65 ซึ่งความจำเพาะจะอยู่ที่ 100% และความไวจะลดลงเหลือ 12.5% ​​นี่แสดงให้เห็นว่าต้นทุนที่เลือกมีผลต่อผลลัพธ์อย่างมาก

ข้อสมมติฐานที่ต้องตรวจสอบ

• มาตรฐานอ้างอิงถูกต้องและถูกนำไปใช้กับผู้เข้าร่วมทุกคน โดยไม่ขึ้นอยู่กับผลลัพธ์ของตัวบ่งชี้
• กลุ่มตัวอย่างสะท้อนถึงกลุ่มคนที่จะใช้แบบทดสอบ อคติทางสเปกตรัมทำให้จุดตัดที่เหมาะสมเปลี่ยนไป
• ใช้ตัวบ่งชี้เพียงตัวเดียว เครื่องมือนี้ไม่ได้ปรับแก้สำหรับตัวแปรควบคุมหรือรวมตัวบ่งชี้เข้าด้วยกัน
• การสังเกตการณ์แต่ละครั้งเป็นอิสระต่อกัน การวัดซ้ำในบุคคลเดียวกันจำเป็นต้องใช้วิธีการที่แตกต่างกัน
• ค่าบวกหมายถึงเครื่องหมายที่อยู่ระดับเดียวกับหรือสูงกว่าค่าตัด (หรืออยู่ที่ระดับเดียวกับหรือต่ำกว่า หากคุณเลือกทิศทางด้านล่าง) ตรวจสอบให้แน่ใจว่าทิศทางนั้นตรงกับทางชีววิทยา
• ค่าการทำนายที่ระดับความชุกที่ระบุไว้ สมมติว่าความไวและความจำเพาะจะคงอยู่ได้ในบริบทที่มีระดับความชุกนั้น

ข้อผิดพลาดทั่วไป

ถือว่าค่าตัดที่ได้จากข้อมูลนั้นได้รับการตรวจสอบแล้ว

ค่าจุดตัด ความไว และความจำเพาะของค่าดังกล่าวได้รับการประเมินจากข้อมูลชุดเดียวกัน ดังนั้นค่าที่ได้จึงค่อนข้างสูงเกินจริง โดยเฉพาะในกลุ่มตัวอย่างขนาดเล็ก เครื่องคำนวณนี้แสดงค่าเฉพาะภายในกลุ่มตัวอย่างเท่านั้น ไม่ได้ใช้การบูตสแตรปหรือการตรวจสอบแบบไขว้ โปรดตรวจสอบค่าจุดตัดในกลุ่มตัวอย่างอิสระก่อนที่จะนำไปใช้ และรายงานผลเป็นเพียงการสำรวจจนกว่าจะได้รับการยืนยัน

โดยไม่คำนึงถึงความไม่แน่นอนของจุดตัด

ค่าความไวและความจำเพาะมีช่วงความเชื่อมั่นที่แน่นอน แต่ค่าจุดตัดเองไม่มีช่วงความเชื่อมั่น เช่นเดียวกับค่า PPV, NPV หรืออัตราส่วนความน่าจะเป็น ค่าจุดตัดหลายค่าที่อยู่ใกล้เคียงกันอาจให้ผลลัพธ์ที่เกือบเท่ากัน อย่าอ่านตัวเลขเพียงตัวเดียวว่าแม่นยำ

ใช้ Youden เป็นค่าเริ่มต้น

Youden ให้ความสำคัญกับกรณีที่ตรวจไม่พบและสัญญาณเตือนที่ผิดพลาดเท่ากัน และไม่คำนึงถึงความชุก สำหรับการคัดกรองหรือการยืนยัน การกำหนดความไว ความจำเพาะ หรือการถ่วงน้ำหนักตามต้นทุน มักจะเหมาะสมกับวัตถุประสงค์ทางคลินิกมากกว่า

การใช้ช่วง AUC ใกล้กับค่าสุดขั้ว

ช่วงความเชื่อมั่นของ DeLong คือช่วงความเชื่อมั่นของ Wald ที่ถูกตัดให้เหลือเพียง 0 ถึง 1 ช่วงความเชื่อมั่นนี้ไม่น่าเชื่อถือหากใช้ตัวอย่างขนาดเล็กมากหรือค่า AUC ใกล้เคียงกับ 1 ในกรณีที่การแยกตัวอย่างสมบูรณ์แบบ ช่วงความเชื่อมั่นจะยุบตัวลง และค่า LR+ จะเป็นอนันต์ ซึ่งบ่งชี้ว่าตัวอย่างมีขนาดเล็กหรือไม่เป็นตัวแทนที่ดี มากกว่าจะเป็นการทดสอบที่สมบูรณ์แบบ

การอ่านค่าการทำนายจากอัตราการแพร่ระบาดที่ไม่ถูกต้อง

ค่า PPV และ NPV ที่ระดับความชุกของกลุ่มตัวอย่าง สะท้อนให้เห็นถึงวิธีการคัดเลือกผู้เข้าร่วมการศึกษา ในกลุ่มตัวอย่างแบบกรณีศึกษาและกลุ่มควบคุม ค่าเหล่านี้บอกอะไรได้ไม่มากนักเกี่ยวกับการปฏิบัติงานตามปกติ ควรป้อนค่าความชุกของกลุ่มเป้าหมายแทน

คำถามที่พบบ่อย (FAQs)

เกณฑ์การคัดเลือกผู้สมัครกำหนดอย่างไร?

ใช้ค่ากึ่งกลางระหว่างค่าตัวบ่งชี้ที่สังเกตได้ที่แตกต่างกันต่อเนื่องกัน ไม่รวมเกณฑ์ที่ไม่สำคัญซึ่งจัดประเภททุกคนเป็นบวกหรือทุกคนเป็นลบ ตรวจสอบผลลัพธ์กับแพ็กเกจ pROC ใน R ซึ่งใช้ค่ากึ่งกลางเดียวกัน

จะเกิดอะไรขึ้นเมื่อคะแนนตัดสองคะแนนเท่ากัน?

ค่าต่ำสุดที่ยอมรับได้จะถูกส่งคืน นี่เป็นธรรมเนียมปฏิบัติของเครื่องมือนี้ ซอฟต์แวร์อื่นอาจแสดงรายการค่าที่เท่ากันทั้งหมด

เหตุใดคำตอบของ Youden และคำตอบที่ใกล้เคียงกับมุมบนซ้ายจึงแตกต่างกันในบางครั้ง?

พวกเขาปรับค่าปริมาณที่แตกต่างกัน Youden เพิ่มความไวและความจำเพาะให้สูงสุด ในขณะที่กฎบนซ้ายลดระยะห่างกำลังสองไปยังความไวและความจำเพาะที่สมบูรณ์แบบให้เหลือน้อยที่สุด ในชุดข้อมูลทดสอบแบบค่าต่ำสุดเป็นบวก พวกเขาให้ผลลัพธ์ 48.5 และ 47.5 ตามลำดับ พวกเขามักจะเห็นพ้องกัน ดังเช่นในตัวอย่างหลัก

จะทำอย่างไรหากไม่สามารถบรรลุค่าความไวหรือความจำเพาะตามเป้าหมายได้?

เครื่องมือจะแสดงข้อผิดพลาดที่ระบุค่าสูงสุดที่เป็นไปได้ในข้อมูลของคุณ

ช่วงความเชื่อมั่นใดบ้างที่ใช้?

ช่วงความเชื่อมั่น Clopper-Pearson ที่แม่นยำสำหรับค่าความไวและความจำเพาะ และช่วงความเชื่อมั่น Wald ที่อิงตาม DeLong สำหรับค่า AUC

ฉันสามารถใช้สิ่งนี้เป็นตัวบ่งชี้ว่าค่าที่ต่ำกว่าก็ถือว่าดีได้หรือไม่?

ใช่แล้ว เลือกทิศทางด้านล่าง แล้วเครื่องมือจะจัดประเภทค่าที่เท่ากับหรือต่ำกว่าค่าตัดเป็นค่าบวก และคำนวณค่า AUC ในทิศทางนั้น

สิ่งนี้สามารถใช้แทนนักสถิติได้หรือไม่?

ไม่ มันสนับสนุนการวิเคราะห์เชิงสำรวจและการสอน เกณฑ์ที่ตั้งใจไว้สำหรับการใช้งานทางคลินิกจำเป็นต้องได้รับการตรวจสอบความถูกต้อง มีแผนการวิเคราะห์ที่กำหนดไว้ล่วงหน้า และมีแนวทางการรายงาน เช่น STARD

เครื่องคำนวณที่เกี่ยวข้อง

เส้นโค้ง ROC และเครื่องคำนวณ AUC เครื่องคำนวณความแม่นยำในการวินิจฉัย (ความไวและความจำเพาะ) ดัชนี Youden: การเพิ่มประสิทธิภาพความแม่นยำของการทดสอบวินิจฉัยเครื่องคำนวณช่วงความเชื่อมั่น เครื่องคำนวณความชุกผลกระทบของเกณฑ์ต่อความแม่นยำในการวินิจฉัย

อ้างอิง

1. Fluss R, Faraggi D, Reiser B. การประมาณค่าดัชนี Youden และจุดตัดที่เกี่ยวข้อง วารสารชีวสถิติ 2005. PMID 16161804.
2. Unal I. การกำหนดค่าจุดตัดที่เหมาะสมที่สุดในการวิเคราะห์ ROC: แนวทางทางเลือก. วิธีการคำนวณและคณิตศาสตร์ทางการแพทย์. 2017. PMID 28642804.
3. Mandrekar JN. เส้นโค้งลักษณะการทำงานของผู้รับในการประเมินการทดสอบวินิจฉัยโรค วารสารเนื้องอกวิทยาทรวงอก 2010. PMID 20736804.
4. DeLong ER, DeLong DM, Clarke-Pearson DL. การเปรียบเทียบพื้นที่ใต้เส้นโค้งลักษณะการทำงานของผู้รับสัญญาณสองเส้นขึ้นไปที่มีความสัมพันธ์กัน: วิธีการแบบไม่ใช้พารามิเตอร์ Biometrics. 1988. PMID 3203132.

ต้องการให้วิเคราะห์ข้อมูลนี้สำหรับต้นฉบับของคุณหรือไม่?

ต้องการความช่วยเหลือในการเลือกเกณฑ์การตัดสินใจ วางแผนการตรวจสอบความถูกต้อง หรือเขียนรายงานการศึกษาความแม่นยำในการวินิจฉัยหรือไม่? นักสถิติชีวภาพของ Editverse สามารถดำเนินการวิเคราะห์และเตรียมส่วนวิธีการและผลลัพธ์ให้คุณได้

รับการสนับสนุนด้านการวิเคราะห์ทางสถิติ