Youden'in J istatistiği - Youden's J statistic

Youden'in J istatistiği ( Youden indeksi de denir ), ikili bir tanı testinin performansını yakalayan tek bir istatistiktir . Bilgilendirme , çok sınıflı vakaya genellemesidir ve bilinçli bir kararın olasılığını tahmin eder.

Tanım

Youden'in J istatistiği

sağ taraftaki iki nicelik duyarlılık ve özgüllüktür . Böylece genişletilmiş formül şöyledir:

Endeks, bir tanısal testin performansını özetlemenin bir yolu olarak 1950'de WJ Youden tarafından önerildi . Değeri 0 ile 1 (dahil) arasında değişir ve bir tanısal test, hastalığı olan ve olmayan gruplar için aynı oranda pozitif sonuç verdiğinde, yani test işe yaramazsa sıfır değerine sahiptir. 1 değeri, yanlış pozitif veya yanlış negatif olmadığını gösterir, yani test mükemmeldir. İndeks, yanlış pozitif ve yanlış negatif değerlere eşit ağırlık verir, bu nedenle indeksin aynı değerine sahip tüm testler, toplam yanlış sınıflandırılmış sonuçların aynı oranını verir. Bu denklemden sıfırdan küçük bir değer elde etmek teknik olarak mümkün olsa da, örneğin Sınıflandırma yalnızca Yanlış Pozitifler ve Yanlış Negatifler verirken, sıfırdan küçük bir değer yalnızca pozitif ve negatif etiketlerin değiştirildiğini gösterir. Etiketleri düzelttikten sonra sonuç 0 ile 1 aralığında olacaktır.

Image
Alıcı çalışma karakteristik eğrisi örneği. Sabit kırmızı: ROC eğrisi; Kesikli çizgi: Şans seviyesi; Dikey çizgi (J) ROC eğrisi için Youden indeksinin maksimum değeri

Youden indeksi, genellikle alıcı çalıştırma özelliği (ROC) analizi ile bağlantılı olarak kullanılır . İndeks, bir ROC eğrisinin tüm noktaları için tanımlanır ve indeksin maksimum değeri, bir teşhis testi ikili bir sonuç yerine sayısal bir sonuç verdiğinde optimum kesme noktasını seçmek için bir kriter olarak kullanılabilir. İndeks, şans çizgisinin üstündeki yükseklik olarak grafiksel olarak temsil edilir ve aynı zamanda tek bir çalışma noktasının kapsadığı eğrinin altındaki alana eşdeğerdir.

Youden'in indeksi aynı zamanda deltaP olarak da bilinir ve ikili durumdan çok sınıflı duruma bilgi olarak genelleşir.

Tek bir dizinin kullanılması "genellikle tavsiye edilmez", ancak bilgili olma veya Youden endeksi, bilinçli bir kararın olasılığıdır (rastgele bir tahminin aksine) ve tüm tahminleri dikkate alır.

Temel istatistik bir ilişkisiz, fakat genel olarak kullanılan kombinasyon bilgi alma olan F-skoru bir (muhtemelen ağırlıklı) harmonik ortalama olarak, geri çağırma ve hassas burada geri çağırma = duyarlılık = gerçek pozitif oran, ancak özgüllük ve hassas tamamen farklı ölçülerdir. F-skoru, hatırlama ve kesinlik gibi, sadece pozitif tahmin olarak adlandırılanları dikkate alır; hatırlama, sadece pozitif sınıfı tahmin etme olasılığı, kesinlik pozitif bir tahminin doğru olma olasılığıdır ve F-skoru bu olasılıkları Fleiss'in kappa'sının altında yatan varsayıma benzer şekilde , pozitif etiketlerin ve pozitif tahminlerin aynı dağıtım ve yaygınlığa sahip olması gerektiğine dair etkili bir varsayım . Youden'in J, Bilgilendirme, Geri Çağırma, Kesinlik ve F-skoru, bir kural, teori veya sınıflandırıcı tarafından önerilen yöndeki tahminlerin tümdengelimli etkinliğini değerlendirmeyi amaçlayan, özünde yönsüzdür . Markedness (deltaP), ters veya kaçırma yönünü değerlendirmek için kullanılan Youden'ın J'sidir ve insan ilişkilerinin öğrenmesiyle iyi eşleşir ; olası nedenselliği modellerken kurallar ve batıl inançlar ; korelasyon ve kappa çift yönlü olarak değerlendirilir.

Matthews korelasyon katsayısı olan geometrik ortalama bir regresyon katsayısı sorunu ve çift Matthews korelasyon katsayısının bileşeni regresyon katsayılarıdır, Belirtililik (Youden en J veya deltaP tersi) ve bilgilerinin ve (Youden en J veya deltaP '). Fleiss'in kappa ve Cohen'in kappa gibi Kappa istatistikleri , marjinal veya önceki dağılımlar hakkındaki farklı varsayımlara dayalı olarak değerlendiriciler arası güvenilirliği hesaplama yöntemidir ve diğer bağlamlarda doğruluğa karşı tesadüfi düzeltilmiş alternatifler olarak giderek daha fazla kullanılmaktadır . Fleiss'in kappa , F-skoru gibi, her iki değişkenin de aynı dağılımdan alındığını ve dolayısıyla aynı beklenen prevalansa sahip olduğunu varsayarken, Cohen'in kappa değişkenlerin farklı dağılımlardan alındığını ve prevalansların şu şekilde olduğunu varsayan bir beklenti modeline atıfta bulunduğunu varsayar. bağımsız.

Fleiss kappa ve F-skorunda varsayıldığı gibi iki pozitif değişken için gerçek prevalanslar eşit olduğunda, bu pozitif tahminlerin sayısı ikili (iki sınıf) durumda pozitif sınıfların sayısı ile eşleştiğinde, farklı kappa ve korelasyon ölçümü çöküşü Youden'in J'si ile özdeşlik ve geri çağırma, hassasiyet ve F skoru benzer şekilde doğruluk ile aynıdır .

Referanslar

  1. ^ a b Youden, WJ (1950). "Teşhis testlerini derecelendirme indeksi" . Yengeç . 3 : 32–35. doi : 10.1002 / 1097-0142 (1950) 3: 1 <32 :: aid-cncr2820030106> 3.0.co; 2-3 . PMID   15405679 .
  2. ^ Schisterman, EF; Perkins, NJ; Liu, A .; Bondell, H. (2005). "Havuzlanmış kan örneklerini kullanarak bireyleri ayırt etmek için optimum kesim noktası ve buna karşılık gelen Youden İndeksi". Epidemiyoloji . 16 (1): 73–81. doi : 10.1097 / 01.ede.0000147512.81966.ba . PMID   15613948 .
  3. ^ a b c d e f Powers, David MW (2011). "Değerlendirme: Kesinlik, Geri Çağırma ve F-Puanından ROC'ye, Bilgiye, İşaretliliğe ve Korelasyona". Makine Öğrenimi Teknolojileri Dergisi . 2 (1): 37–63. hdl : 2328/27165 .
  4. ^ a b Perruchet, P .; Peereman, R. (2004). "Hece işlemede dağıtım bilgilerinin kullanılması". J. Neurolinguistics . 17 (2–3): 97–119. doi : 10.1016 / s0911-6044 (03) 00059-9 .
  5. ^ Everitt BS (2002) Cambridge İstatistik Sözlüğü. CUP ISBN   0-521-81099-X,
  6. ^ a b c Güçler, David MW (2012). Kappa ile İlgili Sorun . Hesaplamalı Dilbilim Derneği Avrupa Bölümü Konferansı. sayfa 345–355. hdl : 2328/27160 .