ROC Eğrisi ve AUC Nedir? Klinik Araştırmada Kullanımı

Yeni geliştirdiğiniz bir biyomarker ile hastalığı tespit etmeye çalışıyorsunuz. Hangi eşik değerin üzerinde "pozitif" diyeceğinize nasıl karar vereceksiniz? Duyarlılık mı daha önemli, özgüllük mü? İşte ROC analizi tam bu soruları yanıtlar.

ROC Eğrisi Nedir?

ROC (Receiver Operating Characteristic) eğrisi, bir tanı testinin farklı eşik değerleri için duyarlılık (sensitivity) ve 1-özgüllük (1-specificity) değerlerini gösteren grafiktir.

• Duyarlılık (Sensitivity): Hasta olanların doğru tespit edilme oranı (True Positive Rate)
• Özgüllük (Specificity): Sağlıklı olanların doğru tespit edilme oranı
• 1-Özgüllük: False Positive Rate (yatay eksen)

Eğri sol üst köşeye ne kadar yakınsa test o kadar iyidir. Köşegen çizgi (y=x) rastgele tahmin gücünü temsil eder.

AUC Nedir ve Nasıl Yorumlanır?

AUC (Area Under the Curve); eğrinin altındaki alan; testin genel tanısal performansını özetleyen tek bir sayıdır.

AUC Değeri	Yorum
0.90 – 1.00	Mükemmel
0.80 – 0.90	İyi
0.70 – 0.80	Kabul edilebilir
0.60 – 0.70	Zayıf
0.50 – 0.60	Başarısız (rastgele tahmin)

AUC'nin güven aralığı mutlaka raporlanmalıdır. 0.72 (95% CI: 0.64–0.81) gibi.

Eşik Değer Nasıl Seçilir?

ROC eğrisi size en iyi eşik değeri otomatik vermez; klinik bağlama göre seçim yapmanız gerekir.

Youden Index: Duyarlılık + Özgüllük - 1'i maksimize eden nokta. En sık kullanılan matematiksel kriterdir.

Klinik öncelik: Eğer yanlış negatif (hasta olanı atlamak) yanlış pozitiften daha tehlikeliyse, duyarlılığı yüksek tutun; özgüllükten biraz fedakârlık yapın. Kanser taramasında bu mantık geçerlidir.

Maliyet analizi: Bazı durumlarda yanlış pozitifin maliyeti (gereksiz biyopsi, hasta kaygısı) göz önüne alınarak eşik belirlenir.

SPSS ile ROC Analizi

Analyze → ROC Curve
Test Variable: [Biyomarker değeri]
State Variable: [Hastalık durumu] → Value of State Variable: 1
Display: ROC Curve, Standard Error and Confidence Interval,
         Coordinate Points of the ROC Curve

Koordinat tablosundan Youden Index'i manuel hesaplayabilirsiniz: Her satır için (Sensitivity + Specificity - 1) değeri en yüksek olan eşiği seçin.

İki ROC Eğrisini Karşılaştırma

İki farklı testin tanısal performansını karşılaştırmak istiyorsanız DeLong yöntemi kullanılır. SPSS bunu doğrudan desteklemez; R'daki pROC paketi bu analiz için idealdir.

library(pROC)
roc1 <- roc(durum, test1)
roc2 <- roc(durum, test2)
roc.test(roc1, roc2, method="delong")

ROC analizi içeren çalışmanız için ücretsiz görüşme talep edin.

---