Una prueba de diagnóstico típica tiene dos resultados: positivo o negativo con el objetivo de clasificar a los sujetos correctamente según un "estándar de oro" o un resultado conocido. Estas pruebas de diagnóstico tienen medidas de rendimiento específicas que se utilizan para evaluar el valor clínico de una prueba. Dos medidas básicas para una prueba diagnóstica son la sensibilidad y la especificidad. La sensibilidad es el porcentaje de sujetos positivos verdaderos que dan un resultado positivo en su prueba, y la especificidad es el porcentaje de sujetos negativos que obtienen un resultado negativo en su prueba. También existen medidas de interés adicionales, que se detallan en los documentos de la FDA. Guía estadística sobre informes de resultados de estudios que evalúan pruebas de diagnóstico . Estas medidas de rendimiento se basan en la tabla de verdad 2x2 de contingencia (es decir, el diagnóstico según algún estándar conocido, a menudo invasivo) frente al resultado de la prueba.
Por ejemplo, consideremos un ejemplo tomado de Zhou, et. Alabama. ( Métodos estadísticos en medicina diagnóstica , Wiley 2002).
Nuestra tabla de datos tiene dos columnas de interés: "Verdad" y "Resultado de la prueba". Podemos obtener una tabla de contingencia (que se muestra a continuación) utilizando la plataforma de ajuste Y por X con Y = Verdad y X = Resultado de prueba. Usando esta tabla de contingencia, podemos reunir nuestras medidas de desempeño.
Recuerde que la sensibilidad es la proporción de verdaderos positivos que dan positivo en nuestra prueba. Para nuestro ejemplo, es 29/30 o el valor de Col% de 96.67 de nuestra tabla. Otra medida de rendimiento es el valor predictivo negativo, o NPV. El VAN es la proporción de sujetos que dan negativo que son verdaderamente negativos. En nuestro ejemplo, el NPV es 11/12 o el% de la fila de 91.67. Por lo tanto, nuestros resultados de rendimiento de diagnóstico están en nuestra tabla de contingencia si sabemos dónde buscar; sin embargo, faltan sus intervalos de confianza. Para llegar a los intervalos de confianza, podemos usar la plataforma de Distribución siempre que utilicemos el subconjunto correcto de temas para cada medida de rendimiento. La sensibilidad se basa en verdaderos positivos; VAN en aquellos que dan negativo, y así sucesivamente.
Al necesitar medidas de rendimiento de forma regular y al compartirlas con otros en un formato claro, me dirigí a JSL. Ahora el Complemento JMP "Medidas de rendimiento" tiene todas las estadísticas de resumen que necesito para una prueba de diagnóstico en un solo lugar. Cuando invoque el complemento, se le presentará un cuadro de diálogo para ingresar la columna de diagnóstico (es decir, el resultado real) y la columna de resultados de la prueba (es decir, el resultado de la prueba), y si tiene una columna de agrupación, puede Usa eso también. El cuadro de diálogo también le permite establecer el nivel de significación (para sus intervalos de confianza).
A continuación, se le indicarán los niveles correspondientes a una prueba positiva. Tenga en cuenta que si desea que su tabla 2x2 esté en el formato "estándar" de la celda superior izquierda, que es la celda positiva / positiva, entonces deberá usar las propiedades de la columna "orden de valores" para establecer los resultados positivos como la parte superior Valor para cada una de sus columnas.
La salida resultante es la siguiente:
La salida se construyó en términos de lo que más necesitaba: la tabla de conteos 2x2 y la tabla de medidas de rendimiento con intervalos de confianza. Conservé un gráfico en mi salida para mantener el espíritu de las plataformas JMP que están orientadas gráficamente. El script usa la plataforma de modelado categórico para obtener la tabla 2x2 y el gráfico de frecuencia, y luego hace referencia a los valores en la tabla 2x2 para generar la tabla de medidas de rendimiento. Los intervalos de confianza son intervalos de confianza de puntuación, excepto aquellos en los ratios de probabilidad, que se basan en el método del artículo: "Razones de probabilidad con confianza: estimación del tamaño de la muestra para estudios de pruebas de diagnóstico". J Clin Epidemiol . 1991; 44 (8): 763-70. Simel DL, Samsa GP, Matchar DB.
El script de medidas de rendimiento está disponible como parte de la Complemento “Herramientas de diagnóstico médico” en el intercambio de archivos JMP (la descarga requiere un inicio de sesión SAS gratuito). Hasta ahora, este kit de herramientas tiene dos herramientas: la descrita anteriormente y una segunda que calculará los intervalos de confianza para el AUC a partir de una curva ROC.
Thomas Passler escribió:
Estaba intentando encontrar la herramienta de diagnóstico médico que describió en este blog, pero parece que se eliminó de la base de datos. ¿Tienes alguna sugerencia? Muchas gracias
Hola. ¿Estos complementos funcionan con JMP Pro 14? Gracias bill
Hola Bill,
Siempre y cuando tenga la versión más reciente (actualizada en 2016), debería funcionar bien (funciona para mí). También puede encontrar el complemento Exploración de umbrales de clasificación de modelos de interés. Incluye la herramienta anterior, así como algunos gráficos interactivos.
Blog y enlaces a complemento
https://community.jmp.com/t5/JMP-Add-Ins/Exploring-Model-Classification-Thresholds/ta-p/66964
Descubrir hablar con demo
https://community.jmp.com/t5/Discovery-Summit-2018/Beyond-ROC-Curves-Finding-Meaning-and-Balancing-Trade-Offs-US/ta-p/73708
Karen
