منحنی مشخصه عملکرد گیرنده (Receiver Operating Characteristic Curve)
منحنی مشخصه عملکرد گیرنده (ROC) حساسیت یک آزمون را در برابر نرخ مثبت کاذب آن (یک منهای ویژگی) در تمام آستانههای تصمیمگیری ممکن ترسیم میکند. این منحنی نشان میدهد که چگونه یک آزمون مبتنی بر اندازهگیری پیوسته یا ترتیبی، بین افراد دارای و بدون یک بیماری تمایز قائل میشود، مستقل از هر نقطه برش واحد، و مساحت محصور آن، این تمایز را در یک عدد خلاصه میکند.
Definition
منحنی مشخصه عملکرد گیرنده، نمودار حساسیت (نرخ مثبت واقعی) در برابر نرخ مثبت کاذب (یک منهای ویژگی) است که با تغییر آستانه تصمیمگیری یک آزمون در سراسر دامنه کامل آن ترسیم میشود.
Scope
این مدخل منحنی ROC را تعریف میکند، نحوه تولید آن را با تغییر آستانه تشخیصی توضیح میدهد، مساحت زیر منحنی (AUC) را به عنوان خلاصهای مستقل از آستانه برای تمایز توصیف میکند و به ریشههای آن در نظریه تشخیص سیگنال اشاره دارد. این یک موضوع روششناختی است و در مورد استفاده از هیچ آزمون یا آستانه خاصی توصیه نمیکند.
Key concepts
- مبادله بین حساسیت و نرخ مثبت کاذب
- آستانه تصمیمگیری (نقطه برش)
- مساحت زیر منحنی (AUC)
- تمایز مستقل از آستانه
- نظریه تشخیص سیگنال
- مقایسه آزمونهای رقیب
Mechanisms
برای آزمونی که نمره پیوسته یا ترتیبی تولید میکند، هر آستانه کاندید یک جفت حساسیت و نرخ مثبت کاذب را به دست میدهد؛ اتصال این جفتها در تمام آستانهها، منحنی ROC را در مربع واحد ترسیم میکند. منحنی که به گوشه بالا سمت چپ نزدیک میشود، نشاندهنده تمایز قوی است، در حالی که خط مورب مربوط به آزمونی است که بهتر از شانس عمل نمیکند. مساحت زیر منحنی عملکرد را در تمام آستانهها خلاصه میکند و به عنوان احتمال اینکه آزمون به یک فرد بیمار تصادفی نمره بالاتری نسبت به یک فرد غیربیمار تصادفی اختصاص دهد، تفسیر میشود. از آنجا که این منحنی و مساحت آن از حساسیت و ویژگی محاسبه میشوند و نه از شمارشهای ردیفی، تمایز را مستقل از شیوع بیماری توصیف میکنند، اگرچه انتخاب یک آستانه عملیاتی برای استفاده همچنان مستلزم سنجش هزینههای مثبت کاذب در برابر منفی کاذب است. این چارچوب از نظریه تشخیص سیگنال نشأت میگیرد، جایی که همین مبادله بین 'ضربهها' (hits) و 'هشدارهای کاذب' (false alarms) تحلیل میشود.
Clinical relevance
تحلیل ROC ابزاری استاندارد برای مقایسه آزمونهای تشخیصی و بررسی میزان خوب بودن یک نشانگر پیوسته در تفکیک افراد بیمار از غیربیمار قبل از تعیین هر نقطه برش است. این مفهوم از ارزیابی انتقادی شواهد تشخیصی حمایت میکند؛ تمایز آزمون را مشخص میکند و مبنایی برای تصمیمات تشخیصی یا درمانی فردی نیست.
Epidemiology
منحنیهای ROC و مساحت زیر آنها به طور گستردهای برای گزارش و مقایسه عملکرد تمایزگر نشانگرهای تشخیصی و مدلهای پیشبینی استفاده میشوند. از آنجا که مساحت، تمایز را خلاصه میکند اما نه کالیبراسیون یا پیامدهای عملی یک آستانه انتخاب شده را، استانداردهای گزارشدهی مانند STARD، توصیف واضحی از نحوه تعیین آستانهها و دقت را تشویق میکنند.
Evidence & guidelines
بیانیه STARD گزارشدهی دقت تشخیصی را پوشش میدهد، از جمله نحوه تعریف و گزارش آستانههای آزمون و معیارهای دقت مانند مساحت زیر منحنی ROC.
History
تحلیل ROC در نظریه تشخیص سیگنال که در اواسط قرن بیستم برای مشخص کردن مبادله بین 'ضربهها' و 'هشدارهای کاذب' توسعه یافت، ریشه دارد و در دهه 1970 با تصمیمگیری پزشکی و تصویربرداری تشخیصی تطبیق داده شد. تبیین متز در سال 1978 اصول اساسی آن را برای پزشکی بیان کرد، مقاله هانلی و مکنیل در سال 1982 معنا و نحوه برخورد آماری با مساحت زیر منحنی را روشن کرد، و سنتز سویتس در سال 1988 روشهای ROC را به عنوان یک رویکرد کلی برای اندازهگیری دقت تشخیصی چارچوببندی کرد.
Debates
- آیا مساحت زیر منحنی یک خلاصه کافی از عملکرد آزمون است؟
- مساحت، تمایز را در تمام آستانهها خلاصه میکند اما کالیبراسیون و هزینههای متفاوت مثبت کاذب و منفی کاذب را نادیده میگیرد، بنابراین میتواند یک معیار گمراهکننده باشد زمانی که یک نقطه عملیاتی خاص اهمیت دارد.
Key figures
- Charles Metz
- James Hanley
- Barbara McNeil
- John Swets
Related topics
Seminal works
- metz-1978
- hanley-mcneil-1982
- swets-1988
Frequently asked questions
- مساحت زیر منحنی ROC به چه معناست؟
- این احتمال است که آزمون به یک فرد بیمار تصادفی نمره بالاتری نسبت به یک فرد غیربیمار تصادفی بدهد؛ 0.5 نشاندهنده عدم تمایز و 1.0 نشاندهنده تفکیک کامل است.
- چرا به جای یک حساسیت و ویژگی واحد از منحنی ROC استفاده میشود؟
- یک جفت واحد یک آستانه را ثابت میکند، در حالی که منحنی ROC کل مبادله را در تمام آستانهها نشان میدهد و امکان مقایسه آزمونها و انتخاب عمدی یک نقطه عملیاتی را فراهم میکند.