আমি কীভাবে একটি আরওসি বক্ররেখা (সংবেদনশীলতা এবং নির্দিষ্টতা সর্বাধিকীকরণ করা হয়েছে এমন মান) এর জন্য অনুকূল কাট-পয়েন্ট গণনা করব তা বোঝার চেষ্টা করছি। আমি aSAH
প্যাকেজ থেকে ডেটাসেট ব্যবহার করছি pROC
।
outcome
পরিবর্তনশীল দুটি স্বাধীন ভেরিয়েবল দ্বারা ব্যাখ্যা করা যেতে পারে: s100b
এবং ndka
। Epi
প্যাকেজের সিনট্যাক্স ব্যবহার করে আমি দুটি মডেল তৈরি করেছি:
library(pROC)
library(Epi)
ROC(form=outcome~s100b, data=aSAH)
ROC(form=outcome~ndka, data=aSAH)
নিম্নলিখিত দুটি গ্রাফে আউটপুট চিত্রিত:
প্রথম গ্রাফ ( s100b
) এ, ফাংশনটি বলে যে অনুকূল কাট-পয়েন্টটি সংশ্লিষ্ট মানটিতে স্থানীয়করণ করা হয় lr.eta=0.304
। দ্বিতীয় গ্রাফে ( ndka
) সর্বোত্তম কাট-পয়েন্টটি স্থানীয় মানের lr.eta=0.335
(যার অর্থ কী lr.eta
) এর সাথে সম্পর্কিত মানের হয় ized আমার প্রথম প্রশ্নটি হ'ল:
- কি সংশ্লিষ্ট
s100b
এবংndka
মানlr.eta
মান উল্লিখিত (পরিপ্রেক্ষিতে অনুকূল কাটা দফা কিs100b
এবংndka
)?
দ্বিতীয় প্রশ্ন:
এখন ধরুন আমি ভেরিয়েবল উভয়ই বিবেচনায় নিয়ে একটি মডেল তৈরি করেছি:
ROC(form=outcome~ndka+s100b, data=aSAH)
প্রাপ্ত গ্রাফটি হ'ল:
আমি জানতে চাই কি মান চান ndka
এবং s100b
এ যা সংবেদনশীলতা এবং বিশেষত্বের ফাংশন দ্বারা বড় করা হয়। অন্যান্য পদ ইন: মান কি ndka
এবং s100b
যা আমরা Se থেকে = 68,3% ও পুলিশ সুপার = 76,4% (গ্রাফ থেকে প্রাপ্ত মান) আছে?
আমি মনে করি এই দ্বিতীয় প্রশ্নটি মাল্টিআরসি বিশ্লেষণের সাথে সম্পর্কিত, তবে Epi
প্যাকেজের ডকুমেন্টেশনটি কীভাবে মডেলটিতে ব্যবহৃত উভয় ভেরিয়েবলের জন্য অনুকূল কাটপয়েন্ট গণনা করবেন তা ব্যাখ্যা করে না ।
আমার প্রশ্নটি রিসার্চগেটের এই প্রশ্নের সাথে খুব মিলে যায় , যা সংক্ষেপে বলে:
সংবেদনশীলতা এবং একটি পরিমাপের নির্দিষ্টতার মধ্যে একটি আরও ভাল বাণিজ্য-অফ প্রতিনিধিত্বকারী কাট-অফ স্কোরের সংকল্পটি সহজ। তবে মাল্টিভারিয়েট আরওসি বক্ররেখা বিশ্লেষণের জন্য, আমি উল্লেখ করেছি যে বেশিরভাগ গবেষকই এউসির শর্তে বেশ কয়েকটি সূচক (পরিবর্তনশীল) এর রৈখিক সংমিশ্রণের সামগ্রিক যথার্থতা নির্ধারণের জন্য অ্যালগরিদমে মনোনিবেশ করেছেন। [...]
তবে, এই পদ্ধতিগুলি কীভাবে একাধিক সূচকগুলির সাথে সম্পর্কিত কাট-অফ স্কোরগুলির সংমিশ্রণটি কীভাবে সেরা ডায়াগনস্টিক নির্ভুলতা দেয় তার সিদ্ধান্ত নিতে পারে তা উল্লেখ করে না।
একটি সম্ভাব্য সমাধান হ'ল শুল্টজ তার কাগজে প্রস্তাবিত , তবে এই নিবন্ধ থেকে আমি বুঝতে পারছি না যে কীভাবে একটি মাল্টিভারিয়েট আরওসি বক্ররেখার জন্য অনুকূল কাটপয়েন্ট গণনা করা যায়।
হতে পারে Epi
প্যাকেজ থেকে সমাধানটি আদর্শ নয়, তাই অন্য কোনও সহায়ক লিঙ্কের প্রশংসা করা হবে।