ROC Eğrisi Nedir? AUC, Sensitivity ve Specificity Nasıl Yorumlanır?

Tıp, epidemiyoloji ve biyomedikal araştırmalarda yeni bir laboratuvar parametresinin, genetik belirtecin veya tanı testinin hastalıkları ayırt etme başarısını değerlendirmek için sıklıkla ROC (Receiver Operating Characteristic) analizi kullanılır.

ROC analizi, bir testin farklı kesim (cut-off) değerlerindeki performansını görselleştirerek tanısal doğruluğu ölçer.

Temel Tanımlar: Sensitivity ve Specificity

Bir tanı testinin performansını değerlendirmek için iki temel ölçüt kullanılır:

1. Duyarlılık (Sensitivity / Sensitivity Rate)

Gerçekten hasta olan bireylerin test tarafından doğru şekilde “pozitif” olarak tanımlanma oranıdır.

Formül:
Duyarlılık = Doğru Pozitif / (Doğru Pozitif + Yanlış Negatif)

Yorum:

• Yüksek duyarlılık → hastaları kaçırma oranı düşüktür

• Tarama testleri için kritik öneme sahiptir

2. Özgüllük (Specificity / Specificity Rate)

Gerçekten sağlıklı olan bireylerin test tarafından doğru şekilde “negatif” olarak tanımlanma oranıdır.

Formül:
Özgüllük = Doğru Negatif / (Doğru Negatif + Yanlış Pozitif)

Yorum:

• Yüksek özgüllük → yanlış pozitif sonuçlar azalır

• Doğrulama testleri için önemlidir

ROC Eğrisi Nedir?

ROC eğrisi, farklı cut-off değerleri için:

• Y ekseni: Duyarlılık

• X ekseni: 1 - Özgüllük (yanlış pozitif oranı)

arasındaki ilişkiyi gösteren grafiktir.

Amaç, testin hasta ve sağlıklı bireyleri ne kadar iyi ayırt edebildiğini değerlendirmektir.

AUC (Area Under the Curve) Nedir?

AUC (Eğri Altındaki Alan), ROC eğrisinin altında kalan alanı ifade eder ve testin genel ayırt edici gücünü ölçer.

AUC değeri 0 ile 1 arasında değişir:

• 0.50: Testin ayırt edici gücü yoktur (rastgele tahmin ile eşdeğer)

• 0.60 – 0.70: Zayıf ayırt edici güç

• 0.70 – 0.80: Kabul edilebilir düzey

• 0.80 – 0.90: İyi düzey

• 0.90 – 1.00: Mükemmel ayırt edici güç

Yorum:
AUC değeri 1’e ne kadar yakınsa, testin hastaları doğru sınıflandırma başarısı o kadar yüksektir.

En Uygun Cut-Off Değeri Nasıl Belirlenir?

Bir test sonucunu “hasta / sağlıklı” şeklinde sınıflandırmak için bir eşik değer (cut-off) belirlenir.

En yaygın kullanılan yöntem:

Youden İndeksi

Formül:
Youden Index (J) = Duyarlılık + Özgüllük - 1

Yorum:

• J değerinin maksimum olduğu nokta en ideal cut-off değeridir

• Bu nokta, duyarlılık ve özgüllük arasında en iyi dengeyi sağlar

ROC Analizinin Klinik Önemi

ROC analizi yalnızca istatistiksel bir araç değil, aynı zamanda klinik karar verme sürecinin önemli bir parçasıdır:

• Yeni tanı testlerinin doğruluğunu değerlendirir

• Laboratuvar eşik değerlerini optimize eder

• Klinik karar algoritmalarını destekler

• Tarama ve doğrulama testlerini ayırmada yardımcı olur

Özet

ROC analizi, bir testin tanısal performansını değerlendirmede en güçlü yöntemlerden biridir. Sensitivity, specificity ve AUC değerleri birlikte yorumlandığında, bir testin klinik olarak ne kadar güvenilir olduğu net şekilde ortaya konulabilir.