RT Generic
T1 Curvas ROC
A1 Castro Capelo, Raquel María
AB La curva ROC es una herramienta estadística empleada ampliamente en el ámbito sanitariopara evaluar la capacidad diagnóstica de una prueba médica, a la hora de clasificar a una población en dos grupos: pacientes enfermos y pacientes sanos. Es decir, se analizará la capacidad deque una cierta variable, que se denotará variable diagnóstico, sea capaz de clasificar a los sujetosa estudio en sanos y enfermos.En este trabajo se revisan los principales conceptos relacionados con la curva ROC, quepermiten, entre otras cosas, obtener su definición y su representación gráfica junto con sus índicesresumen, destacando el área bajo la curva, que ayuda a evaluar la capacidad discriminatoria deuna prueba y el índice de Youden, que es importante a la hora seleccionar un punto de corteóptimo en función de los objetivos a estudio. También se incluyen otros métodos para seleccionardicho umbral.Además, se presentarán, de manera general, los principales métodos estadísticos para estimarla curva ROC en función del conocimiento de la distribución que sigue la variable diagnósticoasociada a cada categoría de interés. Es decir, se introducirán métodos de estimación tanto paramétricos como no paramétricos. El funcionamiento de dichos estimadores se ilustrará graciasa datos simulados y al análisis de una base de datos reales. Dichas ilustraciones han sido desarrolladas utilizando el software estadístico y el código usado puede encontrarse en el AnexoI de este documento.
AB The ROC curve is a statistical tool widely used in the healthcare field to evaluate the diagnostic capacity of a medical test when classifying a population into two groups: unhealthy patinentsand healthy patients. The capacity of a certain variable, which we will denote by diagnosticvariable, to classify the subjects of a study into healthy and unhealthy will be analysed.This work reviews the main concepts related to the ROC curve. We will introduce its definition, graphic representation and its summary indices. It highlights the area under the curvewhich helps to evaluate the discriminatory capacity of a test and the Youden index. This indexis important when the main goal is to select an optimal cut-off point according to the objectivesunder study. Other methods for selecting the cut-off point are also included.In addition, this paper presents in broad terms the main statistical methods for estimating theROC curve based on knowledge of the distribution of the diagnostic variable associated with eachcategory of interest. That is, we will introduce both parametric and non-parametric estimationmethods. The performance of these estimators will be illustrated using both simulated and realdatasets. These illustrations have been developed using the statistical software and the codeused can be found in Annex I
YR 2022
FD 2022-07
LK http://hdl.handle.net/10347/30176
UL http://hdl.handle.net/10347/30176
LA spa
NO Traballo Fin de Grao en Matemáticas. Curso 2021-2022
DS Minerva
RD 25 abr 2026