SETTIMANA 10

• L'analisi della curva ROC consente di identificare il valore quantitativo ottimale del test (rispetto ad un criterio esterno al test che espliciti la positività/negatività del soggetto rispetto al costrutto di riferimento) che consenta di distinguere con una certa accuratezza i soggetti clinicamente rilevanti da quelli non rilevanti.
• l'analisi della curva ROC è una tecnica statistica volta ad accertare l'accuratezza di un test diagnostico lungo tutto il range dei valori osservati su un certo campione
• l'analisi della curva ROC si basa su due concetti fondamentali relativi alle qualità diagnostiche di un test:

  • sensibilità (sensitivity), cioè la proporzione di casi "clinicamente rilevanti" classificati correttamente (veri positivi)
  • specificità (specificity), cioè la proporzione di casi "clinicamente non rilevanti" classificati correttamente (veri negativi)
• uno degli obiettivi principali dell'analisi della curva ROC è

  identificare quel valore del test (best cut-off) che meglio discrimina tra la proporzione di casi veri positivi (sensitivity) e quella di falsi positivi (1-specificity), massimizzando quindi la probabilità di trovare casi clinicamente rilevanti e minimizzando quella di trovare falsi positivi.
• per condurre l'analisi della curva ROC serve un criterio diagnostico molto robusto e clinicamente riconosciuto (golden standard).