Aplicación de las curvas Roc en el análisis de datos

1. CURVAS ROC
Diana Emilia Martínez Fernández

2. CURVAS ROC
• Receiver operating characteristic curve
• Representación gráfica de la sensibilidad
frente a la especificidad para un sistema
clasificador binario según se varía el umbral
de discriminación
• Determina la capacidad discriminante de
una prueba diagnostica dicotómica

3. INTERPRETACIÓN
• 1-especificidad x
• sensibilidad y
• Línea de no discriminación
Punto (0,1) punto de corte con la
sensibilidad y especificidad mas alta
Exactitud
diagnostica

4. UTILIDAD
• Evaluación de la capacidad discriminativa de un test
diagnóstico
Área bajo la curva ROC (AUC, área under the curve)
Curva ROC
proporción de verdaderos positivos (Y)
vs.
Proporción de falsos positivos (X)
Línea de no discriminación: la capacidad discriminativa de
un test diagnostico será superior a medida que los puntos de
corte se alejen de la line de no-discriminación
No discriminativo curva ROC = al AUC de la línea de
no-discriminación (AUC=0.5)

5. UTILIDAD
• Comparación de la capacidad discriminativa de dos test diagnósticos
evaluación simultanea, aplicados sobre los mismos sujetos y contratados
contra el mismo estándar
Comparación de AUC mayor AUC
AUC se comparan estadísticamente según los métodos descritos por Hanley &
McNeil o DeLong

6. REFERENCIAS
• Cerda, J., & Cifuentes, L. (2012). Uso de curvas ROC en investigación clínica:
Aspectos teórico-prácticos. Revista chilena de infectología, 29(2), 138-141.
• Zou, K. H., O’Malley, A. J., & Mauri, L. (2007). Receiver-operating characteristic
analysis for evaluating diagnostic tests and predictive models. Circulation, 115(5),
654-657.
• De Ullibarri Galparsoro, L., & Fernández, P. (1998). Curvas roc. Atención Primaria en
la Red, 5(4), 229-35.