Καμπύλες χαρακτηριστικού λειτουργικού δέκτη και στατιστική ανάλυση πραγματικών ιατρικών δεδομένων

Abstract

Ο στόχος της παρούσας διπλωματικής εργασίας είναι η μελέτη των ROC καμπυλών καθώς και η εφαρμογή αυτών σε πραγματικά ιατρικά δεδομένα. Οι καμπύλες λειτουργικού χαρακτηριστικού δέκτη, ή αλλιώς, ROC (Receiver Operating Characteristic curves), αποτελούν ένα αρκετά δημοφιλές στατιστικό εργαλείο που περιγράφει την διαγνωστική ακρίβεια διαφόρων δοκιμασιών σε πολλούς επιστημονικούς κλάδους όπως για παράδειγμα στην Ιατρική. Στο πρώτο κεφάλαιο, αναλύονται κάποιες βασικές έννοιες και ορισμοί από την ROC Ανάλυση όπως ειδικότητα και ευαισθησία, λόγοι πιθανοφάνειας και εμβαδόν κάτω από την καμπύλη χαρακτηριστικού δέκτη. Επίσης, παρουσιάζονται οι λόγοι χρήσης μιας ROC καμπύλης όπως η εκτίμηση της διακριτικής ικανότητας μια δοκιμασίας, η σύγκριση της διακριτικής ικανότητας δύο ή περισσοτέρων δοκιμασιών για τη διάγνωση του ίδιου νοσήματος, καθώς και η επιλογή του βέλτιστου διαχωριστικού ορίου μιας δοκιμασίας. Στη συνέχεια, διεξήχθη μία στατιστική ανάλυση των ιατρικών δεδομένων με σκοπό να αποκτήσει ο αναγνώστης μια ολοκληρωμένη εικόνα για το διαθέσιμο δείγμα. Στο τρίτο και τελευταίο κεφάλαιο, παρουσιάζεται η ROC ανάλυση που πραγματοποιήθηκε στο διαθέσιμο δείγμα, με στόχο την εύρεση παραγόντων που επηρεάζουν την έκβαση νοσηλείας ατόμων που εισήχθησαν στο νοσοκομείο ή την αναγκαιότητα διενέργειας επέμβασης κατά τη διάρκεια παραμονής τους σε αυτό.

The purpose of this thesis, is to study the ROC curves, as well as to present its applications in medical data. Receiver Operating Characteristic curves, represent a rather popular statistical tool used in order to describe the diagnostic accuracy of different tests in many scientific areas such as medicine. Firstly, basic terminals and definitions are presented such as specificity and sensitivity, likelihood ratios and the area under the curve (AUC). Next, a statistical analysis of the medical data was performed in order to study the available sample. Furthermore, the use of ROC Analysis is presented such as the estimation of a resolution test, the comparison between two or more assays for the diagnosis of the same disease, and the optimal cut-off point of an assay. In the third and last chapter, ROC analysis of the available sample is presented. The aim of this analysis, is to determine significant factors, such as the outcome of the hospitalization of patients, or the necessity of intervention.