[진단법]민감도, 특이도, ROC curve, AUC

민감도,특이도, 양성 예측도, 음성 예측도 

민감도 : 병이 있는 사람 중에 몇 명을 병이 있다고 말하는가

특이도 : 병이 없는 사람 중에 몇 명을 병이 없다고 말하는가

현재 유병률과는 상관없이 그 검사법 자체의 고유한 성격

양성 예측도 : 검사상 양성으로 나왔는데 실제 병이 있는 사람

음성 예측도 : 검사상 음성으로 나왔는데 실제 병이 없는 사람

사각형의 면적으로 이해할 것

 

분홍 : 양성이고 병 없는 사람

연두: 음성이고 병 있는 사람

노랑: 양성이고 병 없는 사람

녹색: 음성이고 병 없는 사람

민감도, 특이도와 관련된 연구의 가장 큰 특징은 확진 검사법 또는 많은 사람들이 공감하는 gold standard 가 되는 검사법이 있다는 것.

그 검사법에 대해서, 우리의 관심사인 새 검사법은 민감도와 특이도가 어떠하다는 식으로 이야기가 전개

민감도, 특이도 및 ROC 커브의 가장 큰 특징은 확진이 있다거나, 또는 확진이 아니라도 gold standard 가 되는 검사법이나 널리 알려진 보편적인 검사법이 있고, 그 검사법은 양성/음성으로 나타나는 검사법이라는 것입니다(가능하다면 확진 검사가 좋겠지요). 또 명목변수, 서열변수, 연속변수 모두를 다룰 수 있다는 특징

 

 

민감도와 특이도의 95% CI 는 SPSS에서는 안됨

www.stattools.net/Predict Pgm.php – outcome positive 가 확진 검사

 

양성음성으로 나뉘는 검사법과 달리 서열변수로 구성된 검사법을 예로 들면 기준을 어디로 잡는가에 따라 검사의 민감도, 특이도가 달라진다.

 

ROC curve Reciever-Operating Characteristic curve

양성, 음성 가르는 선을 위에서 아래로 내리면서 그 때마다 변하는 민감도와 1-특이도를 그린 그래프가 ROC 커브. 보통 서열변수는 계단 형태로 나타내게 됨. 서열변수가 세분화될수록 계단이 촘촘해짐

민감도가 크고 특이도가 큰 ROC 커브일수록, 즉, 좋은 검사일수록 곡선의 아래쪽 면적이 커집니다. 연속변수를 다루어 보면 아주 세분화된, 즉 계단이 아주 촘촘한 커브가 그려짐

어떤 기준으로 절사(cut-off value)하는 것이 가장 민감도와 특이도를 높일 수 있는지 알 수 있음 ROC curve 는 절사값을 구할 때도 도움이 됩니다. 공복시 혈당을 기준으로 어떤 점을 기준으로 할 때 민감도와 특이도를 가장 합리적으로 높일 수 있을지 찾을 수 있습니다. y=x 직선에서 가장 먼 점이 바로 그 점.

커브 아래의 면적, 즉 Area Under Curve(AUC)를 가지고 연구해 보면 이것이 Man-Whitney U 검정법과 상당히 유사하다는 것을 알게 되었습니다. 그래서 AUC를 연구해서 ‘이 검사법이 다른 검사법에 비해 얼마나 좋

은가’, 또는 ‘차이가 있는가’ 등을 알아볼 수도 있습니다.

두 검사법을 비교하는 등의 ROC 커브를 이용하는 다양한 연구가 가능한데, 일단 SPSS는 여러 ROC를 그리는 것은 가능하지만, 두 곡선을 비교해주는 것은 없음. dBSTAT은 두 곡선을 비교해서 어떤 곡선이 통계적으로 우수한지 보여줄 수 있습니다. dBSTAT 는 여러 곡선을 비교해 주지는 못합니다. STATA는 ‘여러 ROC 커브가 동일한가’라는 귀무가설을 검정해 줄 수도 있고(여러 곡선 비교도 가능하다는 뜻), MedCalc는 여러 곡선을 비교해줄 뿐 아니라 사후검정으로 두 개씩 각각 검정도 해줍니다.

 

두 검사법의 민감도, 특이도 등을 비교하여 유의한 차이가 있는가 하는 검사프로그램

Café.naver.com/easy2know/6185

McNemar test 를 기본으로 한 엑셀 파일 (dBSTAT, SPSS, MedCalc 에서 안된다고 함) 

--- 김지형 교수님의 쏙쏙 통계에서....