Healthcare and Medicine Reference
In-Depth Information
7 Beispiel 14.2).
Eingezeichnet sind »1 minus Spezifität« auf der x -Achse und die Sensitivität auf der y -Achse für
unterschiedliche Schwellenwerte
.
Abb. 14.1 ROC-Kurve für einen Test zur Diagnose eines Myokardinfarkts (
14.1.3 ROC-Analyse***
Viele Testergebnisse beruhen auf physikalischen Messungen im Labor. Bei solchen Größen han-
delt es sich in der Regel um stetige Merkmale - und nicht, wie bisher angenommen wurde, um
Alternativmerkmale mit den Ausprägungen »positiv« und »negativ«. Um eine binäre Testent-
scheidung zu ermöglichen, wird eine Trenngröße τ (griech. Buchstabe tau) festgelegt - das ist
ein Schwellenwert , der den pathologischen vom physiologischen Bereich trennt. Der Messwert
einer Person, die sich dem Test unterzieht, wird mit diesem Schwellenwert verglichen: Ist er grö-
ßer als τ, spricht man von einem positiven, ansonsten von einem negativen Befund.
Jedem Schwellenwert sind eindeutige Werte für Sensitivität und Spezifität zugeordnet. Trägt
man nun für jeden Schwellenwert den Anteil der falsch positiven Befunde (1 minus Spezifität)
gegen den Anteil der richtig positiven Befunde (Sensitivität) in ein Koordinatensystem ein und
verbindet diese Punkte miteinander, entsteht die ROC-Kurve (
14
Abb. 14.1). ROC ist die Abkür-
zung für »receiver operating characteristic«. Dieser Begriff stammt aus der Nachrichtentechnik
und bedeutet Signalerkennung.
Aus
.
Abb. 14.1 geht hervor: Je höher die Sensitivität, desto geringer ist die
Spezifität. Dies ist leicht nachvollziehbar:
7
Beispiel 14.2 und
.
4
Bei einem geringen Schwellenwert erhalten zahlreiche Personen ein positives Testergeb-
nis. Dadurch werden einerseits viele Kranke (richtig) positiv und andererseits zahlreiche
Gesunde (falsch) positiv klassifiziert. Dies ist gleichbedeutend mit einer hohen Sensitivität
Search Pocayo ::




Custom Search