ROC曲線

ROC（Receiver Operating Characteristic）曲線

検査結果の感度・特異度を調査します

検査は0, 1, 2, 3, 4の点数で表示されます

使用するパッケージ

library(pROC)
library(Epi)

データセット ROC をdata に読み込みます（ファイルの読み込み方）

ROC サンプルのダウンロード

dis: 罹患の有無（1＝罹患, 0＝健常）
test: 検査の点数（0, 1, 2, 3, 4）

head(data)

#変数disをファクターに変更（基準の変更が可能になります）
data$dis <- as.factor(data$dis)

#relevel関数で基準となるカテゴリーを設定します
data$dis <- relevel(data$dis, ref="1")

testの点数に該当する罹患者数

xtabs(~dis+test, data=data)

感度$=\frac{23}{23+7}=0.767$

特異度$=\frac{22}{8-22}=0.733$

この要領で全ての分割表から感度・特異度を算出します

この結果からROC曲線が描かれます

#感度
Sensitivity <- c(0, 0.4, 0.7667, 0.9667, 0.9667, 1)

#特異度
Specificity <- c(1, 1, 0.7333, 0.3667, 0.3, 0)

#1-特異度（偽陽性）
f_positive <- c(rep(1,6)) - c(1, 1, 0.7333, 0.3667, 0.3, 0)

#ROC曲線
plot(f_positive, Sensitivity, type="o", xlab="1-特異度", ylab="感度")

AUCと信頼区間

AUC（Area Under the Curve）は、ROC曲線の下の面積を指します。パッケージpROCの “roc関数” を使用することで、上述したROC曲線が出力されいます。

ROC <- pROC::roc(dis ~ test, data = data, ci = TRUE)
print(ROC)

plot(ROC)

感度と特異度

もりとんroc関数の結果から感度、特異度も抽出できます

#感度
ROC$sensitivities

#特異度
ROC$specificities

#偽陽性
1 - ROC$specificities

カットオフ値（yoden indexと左上隅からの最小距離）

plot(ROC,
    identity = TRUE,
    print.thres = "best",
    print.thres.best.method="youden",　#closest.topleft=左上隅との距離が最小
    legacy.axes = TRUE
)

おまけ

dat$dis <- relevel(data$dis, ref="0") 
Epi::ROC(test=data$test, stat=data$dis, plot="ROC")

サンプルデータ
出典）柳川堯 , 荒木由布子; バイオ統計の基礎―医薬統計入門,近代科学社 ,2010,p12

使用するパッケージ

AUCと信頼区間

感度と特異度

カットオフ値（yoden indexと左上隅からの最小距離）

おまけ

コメント欄 『間違い』や『分かりにくい部分』などのご意見もお寄せください

コメント欄『間違い』や『分かりにくい部分』などのご意見もお寄せください