Sağlam ROC Analizi
Robust Receiver Operating Characteristic Analysis · Ayrıca şöyle bilinir: robust AUC analysis, outlier-resistant ROC, robust diagnostic accuracy analysis, robust sensitivity-specificity analysis
Sağlam ROC analizi, standart parametrik ROC tahminlerini ve AUC güven aralıklarını yanlı hale getirebilen aykırı değerlerin, normallikten sapmaların veya dağılımsal ihlallerin bozucu etkilerine karşı koruma sağlarken, iki grup (örneğin, hastalıklı ve sağlıklı) arasında ayrım yapmada sürekli veya sıralı bir biyobelirtecin tanısal doğruluğunu değerlendirir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Tanısal doğruluk verileri aykırı değerler, ağır kuyruklu dağılımlar içerdiğinde veya standart binormal model her iki grubu da iyi uydurmadığında sağlam ROC analizini kullanın. Tıbbi görüntüleme, laboratuvar biyobelirteç araştırmaları ve klinik karar destek sistemlerinde, kontaminasyon veya ölçüm hatası AUC'yi bozabileceğinde uygundur. Standart analizin teorik ve ampirik olarak sağlam olduğu durumlarda bir yedek olarak kullanmayın; sonuç ikili olmadığında veya belirtecin doğal bir sıralaması olmadığında ROC analizinden tamamen kaçının.
Güçlü yönler & sınırlılıklar
- Gruplardan birinde veya her ikisinde aykırı değerler bulunduğunda bile güvenilir AUC tahminlerini korur.
- Güven aralıkları dağılımsal yanlış belirtim altında geçerli kalır, yanlış kesinlikten kaçınılır.
- Parametrik olmayan ve yarı-parametrik çerçevelerle uyumludur, minimum dağılımsal varsayım gerektirir.
- Karmaşık gerçek dünya biyobelirteç verilerinde tanısal doğruluğun daha dürüst bir değerlendirmesini sağlar.
- Kapalı form dağılımsal varsayımları olmadan çıkarım için bootstrap veya ampirik olabilirlik ile birleştirilebilir.
- Standart binormal ROC analizinden daha fazla hesaplama yoğunluğu gerektirir.
- Sağlam tahmincinin seçimi (kırpma oranı, winsorize seviyesi, çekirdek bant genişliği) önceden belirlenmesi gereken öznel kararlar içerir.
- İnceleyiciler ve standart ROC raporunu bekleyen klinik kitleler tarafından daha az bilinir.
- Bazı sağlam AUC tahmincileri, geçerli asimptotik çıkarım için her grupta orta derecede büyük örnekler gerektirir.
SSS
Sağlam ROC analizi, parametrik olmayan ROC analizinden nasıl farklıdır?
Parametrik olmayan ROC analizi (örneğin, sıralamalara dayalı ampirik ROC eğrisi) herhangi bir dağılımsal varsayım yapmaz ancak bu değerler sıralama düzenini ve AUC tahminini etkilediği için aşırı değerlerden hala etkilenir. Sağlam ROC analizi, dirençli tahminciler aracılığıyla aykırı değerlerin etkisini ek olarak azaltır veya sınırlar, kontamine olmuş gözlemlere karşı ek koruma sunar.
Hangi sağlam tahminciyi seçmeliyim?
Yaygın seçenekler arasında kırpılmış ortalama binormal modeller, yerleştirme-değer tahmincisi (pozitif grup puanlarını kontrollere göre sıralara dönüştürme) ve ampirik olabilirlik bulunur. Yerleştirme-değer yaklaşımı basitliği ve yorumlanabilirliği nedeniyle popülerdir; ampirik olabilirlik daha iyi kalibre edilmiş güven aralıkları sağlar. Seçim, beklenen kontaminasyon örüntülerine dayanarak önceden belirlenmelidir.
Standart AUC ne zaman yeterlidir?
Her iki grup da dikkat çekici aykırı değerler olmadan iyi huylu, yaklaşık olarak normal puan dağılımlarına sahipse, standart binormal veya Wilcoxon tabanlı AUC tahmincisi verimlidir ve sağlam analiz çok az ekler. Sağlam yöntemler, kutu grafikleri veya Shapiro-Wilk testi normallikten sapmaları veya aykırı değerleri ortaya çıkardığında değer katar.
Seçilen bir eşikte hala hassasiyet ve özgüllük raporlamalı mıyım?
Evet. AUC tüm eşikler boyunca ayrımcılığı özetler, ancak klinik uygulama belirli bir kesme noktası gerektirir. Optimal veya klinik olarak zorunlu bir eşikte sağlam tahmin edilen hassasiyet ve özgüllüğü, güven aralıklarıyla birlikte raporlayın.
Sağlam ROC analizi ilişkili veya eşlenmiş belirteçleri işleyebilir mi?
Evet. İlişkili ROC eğrileri için uzantılar - aynı hastalarda ölçülen iki belirteci karşılaştırma - sağlam varyans tahmini veya eşlenmiş bootstrap karşılaştırmaları kullanarak, DeLong yöntemine benzer ancak aykırı değer bozulmasına karşı dirençli olarak mevcuttur.
Kaynaklar
- Pepe, M. S. (2000). An interpretation for the ROC curve and inference using GLM procedures. Biometrics, 56(2), 352–359. DOI: 10.1111/j.0006-341X.2000.00352.x ↗
- Qin, G., & Zhou, X.-H. (2006). Empirical likelihood inference for the area under the ROC curve. Biometrics, 62(2), 613–622. DOI: 10.1111/j.1541-0420.2005.00453.x ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Robust Receiver Operating Characteristic Analysis. ScholarGate. https://scholargate.app/tr/statistics/robust-roc-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Sağlam Etki Büyüklüğü Analiziİstatistik↔ karşılaştır
- Sağlam Mann-Whitney U Testiİstatistik↔ karşılaştır
- ROC Analizi (Receiver Operating Characteristic)İstatistik↔ karşılaştır