Un tipico test diagnostico ha due esiti: positivo o negativo con l'obiettivo di classificare correttamente i soggetti sulla base di un "gold standard" o di un risultato noto. Questi test diagnostici hanno misure specifiche di prestazione che vengono utilizzate per valutare il valore clinico di un test. Due misure di base per un test diagnostico sono la sensibilità e la specificità. La sensibilità è la percentuale di soggetti positivi veri che risultano positivi al test e la specificità è la percentuale di soggetti negativi che risultano negativi al test. Ci sono ulteriori misure di interesse, che sono delineate nella FDA Guida statistica sulla segnalazione dei risultati degli studi Valutazione dei test diagnostici . Queste misure di prestazione sono basate sulla tabella di contingenza 2x2 di verità (cioè, la diagnosi di alcuni standard noti - spesso invasiva) rispetto al risultato del test.
Ad esempio, consideriamo un esempio tratto da Zhou, et. al. ( Metodi statistici in medicina diagnostica , Wiley 2002).
La nostra tabella di dati ha due colonne di interesse: "Verità" e "Risultato del test". Possiamo ottenere una tabella di contingenza (mostrata sotto) usando la piattaforma Y adatta per X con Y = Verità e X = Risultato del test. Usando questa tabella di contingenza, possiamo raccogliere le nostre misure di rendimento.
Ricordiamo che la sensibilità è la proporzione di veri positivi che risultano positivi al test. Per il nostro esempio, questo è 29/30 o il valore Col% di 96.67 dalla nostra tabella. Un'altra misura di prestazione è il valore predittivo negativo o NPV. NPV è la percentuale di soggetti che risultano negativi negativi. Nel nostro esempio, l'NPV è 11/12 o la riga% di 91.67. Quindi i risultati delle nostre prestazioni diagnostiche sono nella nostra tabella di contingenza se sappiamo dove guardare; tuttavia, i loro intervalli di confidenza mancano. Per raggiungere gli intervalli di confidenza, possiamo utilizzare la piattaforma di distribuzione fintanto che utilizziamo il sottoinsieme corretto di soggetti per ciascuna misura di rendimento. La sensibilità è basata su veri positivi; NPV su coloro che risultano negativi, e così via.
Avendo bisogno di misure di rendimento su base regolare e avendo bisogno di condividerle con gli altri in un formato chiaro, mi sono rivolto a JSL. Ora il Componente aggiuntivo JMP "Misure di prestazione" ha tutte le statistiche riassuntive di cui ho bisogno per un test diagnostico in un posto. Quando invochi il componente aggiuntivo, ti verrà presentata una finestra di dialogo in cui inserire la colonna di diagnosi (es., Risultato vero) e la colonna del risultato del test (cioè, risultato del test), e se hai una colonna di raggruppamento puoi usa anche quello. La finestra di dialogo consente anche di impostare il livello di significatività (per gli intervalli di confidenza).
Successivamente, ti verranno richiesti i livelli corrispondenti a un test positivo. Nota: se vuoi che la tua tabella 2x2 sia nel formato "standard" della cella in alto a sinistra come cella positiva / positiva, allora dovrai usare le proprietà della colonna "order ordering" per impostare i risultati positivi come i migliori valore per ciascuna delle tue colonne.
L'output risultante è il seguente:
L'output è stato costruito in base a ciò che ho più spesso bisogno: la tabella dei conteggi 2x2 e la tabella delle misure delle prestazioni con intervalli di confidenza. Ho mantenuto un grafico nella mia produzione per mantenere lo spirito delle piattaforme JMP che sono orientate graficamente. Lo script utilizza la piattaforma di modellazione categoriale per ottenere la tabella 2x2 e il grafico di frequenza, quindi fa riferimento ai valori nella tabella 2x2 per generare la tabella delle misure delle prestazioni. Gli intervalli di confidenza sono intervalli di confidenza del punteggio ad eccezione di quelli su per i rapporti di probabilità, che si basano sul metodo nell'articolo: "Rapporti di verosimiglianza con fiducia: stima della dimensione del campione per studi di test diagnostici". J Clin Epidemiol . 1991; 44 (8): 763-70. Simel DL, Samsa GP, Matchar DB.
Lo script delle misure relative alle prestazioni è disponibile come parte di Componente aggiuntivo "Strumenti di diagnostica medica" in JMP File Exchange (il download richiede un accesso SAS gratuito). Finora questo kit di strumenti ha due strumenti: quello descritto sopra e un secondo che calcolerà gli intervalli di confidenza per l'AUC da una curva ROC.
Jeff Perkinson ha scritto:
Un versione aggiornata di questo componente aggiuntivo è stato recentemente pubblicato su Scambio file JMP .
Thomas Passler ha scritto:
Stavo cercando di trovare lo strumento di diagnostica medica che hai descritto in questo blog ma sembra che sia stato rimosso dal database? Hai qualche suggerimento? Grazie mille
Ciao. Questi componenti aggiuntivi funzionano con JMP Pro 14? Grazie, Bill
Ciao Bill,
Finché hai la versione più recente (aggiornata nel 2016) dovrebbe funzionare bene (funziona per me). Potresti anche trovare il componente aggiuntivo Soglia di classificazione del modello di interesse. Include lo strumento sopra e alcuni grafici interattivi.
Blog e collegamenti al componente aggiuntivo
https://community.jmp.com/t5/JMP-Add-Ins/Exploring-Model-Classification-Thresholds/ta-p/66964
Scopri parlare con la demo
https://community.jmp.com/t5/Discovery-Summit-2018/Beyond-ROC-Curves-Finding-Meaning-and-Balancing-Trade-Offs-US/ta-p/73708
Karen
