a curvas roc
DESCRIPTION
curvasTRANSCRIPT
-
Caractersticas operativas de test diagnsticos
Curvas ROCDr. Claudio Puebla
Curso MBEIV Medicina
Universidad de Valparaso
-
Curvas ROC
De gran desarrollo en los ltimos aos en el proceso
diagnstico.
tiles para test cuantitativos.
Ejemplo: ferritina plasmtica, CK total, amilasa, ADA
lquido pleural, o cuestionarios, escalas, etc.
-
Curvas ROC Tradicionalmente cuando se tena un test cuantitativo, se
elega el mejor cut-off o punto de corte, que combinaba la mejor sensibilidad y especificidad del test (mayor rendimiento).
Sin embargo, esto significa una prdida de informacin, al transformar una variable continua en dicotmica. Habitualmente una sensibilidad de 85 %, con especificidad de 74 %.
Ejemplo: ADA mayor o menor de 40 UI/l en diagnstico de TBC pulmonar. Ferritina menor de 50 en diagnstico de anemia ferropnica.
-
Test cuantitativo ideal
sanos enfermos
-
2 curvas, sanos vs enfermos
Lo habitual en medicina
sanos enfermos
-
El mejor punto de corte
Especificidad de 75 % Sensibilidad 78 %
sanos enfermos
mejor rendimiento(a + d) / (a + b + c + d)
-
Desplazando punto de corte
Aumenta sensibilidadPero disminuye especificidad
sanos enfermos
-
Mxima sensibilidad
Sensibilidad 100 %Pero mala especificidad
sanos enfermos
-
Aumentando especificidad
Aumenta especificidadPero disminuye sensibilidad
enfermossanos
-
Mxima especificidad
100 % especificidadPero mala sensibilidad
enfermossanos
-
3 valoresPodemos elegir 3 valores
As tendramos un valor central que combine el mejor rendimiento del testY una valor ms bajo que nos de 100 % de sensibilidad (til para descartar)
Y uno alto que nos de 100 % de especificidad (til para confirmar)
sanos enfermos
-
Mltiples puntos de cortesO mltiples valores
Y determinar la sensibilidad y especificidad en cada punto
sanos enfermos
-
Sensibilidad y especificidad segn diferentes puntos de corte
12 = 100 % 20 %
23 = 98 % 34 %
35 = 90 % 50 %
45 = 84 % 62 %
78 = 78 % 75 % mejor rendimiento
99 = 47 % 89 %
120 = 10 % 100 %
Resultado del testmg/ml
Sensibilidad Especificidad
-
Curvas ROCReceiver operating characteristic
Podemos graficar los diferentes puntos de corte de las caractersticas operativas del test. Es decir su sensibilidad y especificidad.
El grfico es una relacin entre los verdaderos positivos y falsos positivos.
Verdaderos positivos = sensibilidad (en eje y) Falsos positivos = 1- especificidad (eje x )
La curva nos da una idea del rendimiento del test.
-
Curvas ROCReceiver operating characteristic
Las curvas ROC del punto de vista estadstico, relacionan una variable continua que acta como predictora (en este caso el test cuantitativo), con una dicotmica ( en este caso enfermedad).
No slo sirven para el proceso diagnstico, son muy tiles para definir utilidad de variables pronstica.
Ejemplo: score de Ranson en pancreatitis aguda o score de APACHE para gravedad en UCI.
La gran ventaja es que nos pueden entregar ms valores que nos puedan servir en el diagnstico.
-
Grfico de la curva ROC
Tasa de falsos positivos = ( 1 especificidad)
TasaVerdaderos
Positivos=
Sensibilidad
100 %
100 %0 %
3545
99
78
120
-
Interpretacin de la curva ROC
No sirve
ideal
Sensibilidad
1- especificidad
-
Comparacin de curvas ROC
mejor
peor
Sensibilidad
1- especificidad
-
rea bajo la curva ROCSensibilidad
1- especificidad
-
rea bajo la curva ROC Se puede calcular el rea bajo la curva.
A mayor valor, mejor es el test.
Mximo 1 perfecto Mayor de 0,9 excelente test 0,8 a 0,9 buen test 0,7 a 0,8 regular test 0,5 a 0,7 mal test 0,5 no relacin < 0,5 relacin inversa ( a mayor valor menos
probable la enfermedad).
-
rea bajo la curva ROC
Valores menores de 0,5, muestran una relacin inversa.
Es decir, a ms alto el valor del test, menos probable que ocurra la enfermedad.
Habitualmente se grafican al revs, por lo que no es usual de ver. Ejemplo: ferritina y anemia ferropnica
Siempre ver ambos, tanto grfico y rea bajo la curva
-
Ejemplos de curvas ROC
-
Ejemplos de curvas ROC
-
Ejemplos de curvas ROC
-
Ejemplos de curvas ROC