タグ付けされた質問 「sensitivity-specificity」

6
感度、特異性、精度、精度、再現率の違いを覚える最良の方法は何ですか？
これらの用語を502847894789回見たにもかかわらず、私は一生、感度、特異性、精度、正確性、想起の違いを思い出せません。それらは非常に単純な概念ですが、名前は私には非常に直感的ではないので、私はそれらをお互いに混乱させ続けています。これらの概念について考えて、名前が意味を持ち始めるための良い方法は何ですか？ 別の言い方をすれば、他の名前とは対照的に、なぜこれらの概念のためにこれらの名前が選ばれたのですか？
4
ROCおよびmultiROC分析：最適なカットポイントの計算方法
ROC曲線の最適なカットポイント（感度と特異性が最大になる値）を計算する方法を理解しようとしています。aSAHパッケージのデータセットを使用していますpROC。 outcome変数は、2つの独立変数によって説明することができますs100bとndka。Epiパッケージの構文を使用して、2つのモデルを作成しました。 library(pROC) library(Epi) ROC(form=outcome~s100b, data=aSAH) ROC(form=outcome~ndka, data=aSAH) 出力は、次の2つのグラフに示されています。 最初のグラフ（s100b）では、関数は、最適なカットポイントがに対応する値に局在していることを示していlr.eta=0.304ます。2番目のグラフ（ndka）では、最適なカットポイントがlr.eta=0.335（の意味はlr.eta）に対応する値にローカライズされています。私の最初の質問は： 何対応するs100bとndkaの値lr.etaの値が示されている（の点で最適なカットポイントは何であるs100bとはndka）？ 第二の質問： 次に、両方の変数を考慮してモデルを作成するとします。 ROC(form=outcome~ndka+s100b, data=aSAH) 得られるグラフは次のとおりです。 関数によって感性と特異性が最大化されるndkaAND の値を知りたいですs100b。他の面では：の値が何であるかndka及びs100bその時、我々がse = 68.3パーセントとSP値76.4パーセント（グラフから得られた値）を有しますか？ この2番目の質問はmultiROC分析に関連していると思いますが、Epiパッケージのドキュメントには、モデルで使用される両方の変数の最適なカットポイントを計算する方法が説明されていません。 私の質問は、簡単に言うとreasearchGateからのこの質問と非常によく似ています。 メジャーの感度と特異性の間のより良いトレードオフを表すカットオフスコアの決定は簡単です。ただし、多変量ROC曲線分析については、ほとんどの研究者がAUCの観点からいくつかのインジケーター（変数）の線形結合の全体的な精度を決定するアルゴリズムに注目していることに注目しました。[...] ただし、これらの方法では、最高の診断精度を提供する複数のインジケーターに関連付けられたカットオフスコアの組み合わせを決定する方法については言及していません。 可能な解決策は、Shultzの論文で提案されたものですが、この記事からは、多変量ROC曲線の最適なカットポイントを計算する方法を理解できません。 Epiパッケージからの解決策は理想的ではないかもしれないので、他の有用なリンクを歓迎します。
3
（平均）ROC AUC、感度および特異性に関して2つの分類子を比較するための統計的有意性（p値）
100のケースと2つの分類子のテストセットがあります。 両方の分類子の予測を生成し、ROC AUC、感度、特異度を計算しました。 質問1：p値を計算して、すべてのスコア（ROC AUC、感度、特異性）に関して一方が他方よりも有意に優れているかどうかを確認するにはどうすればよいですか？ 今、100ケースの同じテストセットに対して、ケースごとに異なる独立した機能割り当てがあります。これは、私の機能が固定されているが主観的であり、複数の被験者によって提供されるためです。 そのため、テストセットの5つの「バージョン」について2つの分類子を再度評価し、両方の分類子について5つのROC AUC、5つの感度、5つの特異性を取得しました。次に、両方の分類子の5つの被験者（平均ROC AUC、平均感度、平均特異性）の各パフォーマンス測定値の平均を計算しました。 質問2：平均スコア（平均ROC AUC、平均感度、平均特異性）に関して、一方が他方よりも有意に優れているかどうかを確認するためにp値を計算するにはどうすればよいですか？ いくつかのサンプルPython（できれば）またはMatLabコードの回答は大歓迎です。
7
感度または特異性は有病率の関数ですか？
標準的な教育では、感度と特異度はテストの特性であり、有病率とは無関係であると述べています。しかし、これは単なる仮定ではありませんか？ ハリソンの内科第19版の原則 感度と特異度は、テストの正確さの有病率に依存しないパラメーターであると長い間主張されてきました。ただし、この統計的に有用な仮定は、臨床的に単純化されています。...テストの感度は入院患者の方が高く、テストの特異性は外来患者の方が高いでしょう。 （一般的に有病率は外来患者よりも入院患者で高い） これらのパラメーターの間に数学的またはおおよそのグラフィカルな関係はありますか？ このリンクでさえ、それを「単純化」と呼んでいます。どうして？ 編集：私は感度がどのように定義されているか知っています。回答で述べられているように、有病期間は含まれていません。私自身も、これらのテストの特性は、使用されている母集団に影響されないということを主張しています。しかし、私は、この混乱はこれらの値の定義ではなく実際的な計算が原因で発生していると思います。特異性と感度は2x2の表を使用して計算されますが、参照母集団の有病率は重要ですか？彼らが言及しているのはそれですか？もしそうなら、その機能は何ですか？
2
感度と特異性を組み合わせた分類器の性能測定？
複数の分類子を使用して分類を実行している2クラスのラベル付きデータがあります。そして、データセットはバランスが取れています。分類子のパフォーマンスを評価するとき、真の陽性だけでなく真の陰性も判別する際に、分類子がどれほど正確であるかを考慮する必要があります。したがって、精度を使用し、分類子がポジティブに偏っており、すべてをポジティブとして分類すると、真のネガティブの分類に失敗したとしても、約50％の精度が得られます。このプロパティは、1つのクラスのみに焦点を当て、さらにF1スコアに焦点を当てているため、精度と再現率まで拡張されています。（これは、たとえば「精度、Fスコア、およびROCを超えて：パフォーマンス評価のための判別指標のファミリ」など、このペーパーからでも理解できることです）。 したがって、感度と特異度（TPRとTNR）を使用して、クラスごとに分類子がどのように機能するかを確認し、これらの値を最大化することを目指しています。 私の質問は、これらの両方の値を1つの意味のある指標に結合する指標を探しているということです。私はその論文で提供されている対策を調査しましたが、それは重要なことでした。そして、私の理解に基づいて、なぜFスコアのようなものを適用できないのかと思っていましたが、精度と再現率を使用する代わりに、感度と特異度を使用するのでしょうか。したがって、式は 、私の目的は最大化することですこの対策。私はそれが非常に代表的だと思います。同様の式はすでにありますか？そして、これは理にかなっていますか、それとも数学的にも正しいですか？my Performance Measure=2∗sensitivity∗specificitysensitivity+specificitymy Performance Measure=2∗sensitivity∗specificitysensitivity+specificity \text{my Performance Measure} = \frac{2 * \text{sensitivity} * \text{specificity}}{\text{sensitivity} + \text{specificity}}
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.