Tuteur Loulouu Posted October 28, 2014 Tuteur Posted October 28, 2014 Bonsoir à tous ! Je ne comprend pas comment marche la courbe ROC, pourquoi est ce qu'en abscisses on utilise 1-spé ? ça représente quoi ? Merci d'avance
Solution Charly Posted October 30, 2014 Solution Posted October 30, 2014 Salut Klaralou ! Alors, ces courbes ROC c'est quoi ? Déjà, leur contexte : la courbe s'applique à un test de dépistage que tu as élaboré. Ici, il s'agit de mesurer une valeur biologique, et de vérifier si elle est supérieure à un seuil. Évidemment, dans la population, tu vas avoir des gens qui, bien qu'étant non malades, vont avoir des valeurs supérieures à celle des gens malades, et inversement (sinon, ça serait trop facile, la médecine). Ça veut dire que selon ta valeur seuil, tu vas avoir un test positif pour des gens malades (les Vrais Positifs), mais aussi pour des gens non malades (Faux Positifs) ; la proportion des deux dépendra de ta valeur seuil. En effet, si tu diminues ta valeur seuil, tu détecteras plus de malades, mais tu prendras plus de non malades dans tes tests positifs. En d'autres termes, tu augmentes ton nombre de VP, mais également ton nombre de FP. Ça, tu peux le voir sur les autres courbes, qui sont plus simples. Maintenant, on passe à la courbe ROC : En fait, il ne faut pas vraiment la voir à la manière d'une fonction classique, où tu as l'ordonnée en fonction de l'abscisse, ça peut se lire dans un peu tout les sens. En fait, chaque point de la courbe correspond à une valeur seuil que tu peux fixer pour ton test. Le graphique t'indique alors, pour chaque valeur, le nombre de VP, et de FP (c'est aussi ce qu'il y a n légende pour les deux axes, on va commencer par ça). Tu peux ainsi voir comment augmentent les FP si tu augmentes les VP en élevant ta valeur seuil ... Tu remarques déjà ce qu'on vient de dire : si tu augmentes les VP, tu augmentes les FP avec. Maintenant, en termes de sensibilité et de spécificité, l'idée est assez simple : Si tu augmentes le nombre de VP, tu augmentes la sensibilité de ton test proportionnellement (d'après la définition, le nombre de malades étant fixé). Si tu augmentes le nombre de FP, par contre, tu diminues la spécificité. C'est pour ça que tu as 1-Spé en abscisse : si FP augmente, 1-Spé augmente aussi proportionnellement (sans te refaire le calcul, 1-Spé correspond aux FP divisés par le nombre de non malades). Tu as ainsi une correspondance entre les abscisses et les ordonnées, et une relation de proportionnalité avec les VP et FP, bref, tu gardes la cohérence que tu avais avec les VP et FP.(Si tu avais laissé Spé en abscisse, tu aurais un axe des abscisses décroissant, plus de proportionnalité ... Ça n'aurait pas vraiment été exploitable). Tu peux alors traduire les informations précédentes pour un cas plus général : quand tu modifies un paramètre d'un test (ici la valeur du seuil de positivité), si tu augmentes la sensibilité, tu diminues la spécificité (puisque tu augmentes 1-Spé) ; et inversement. Ta courbe te permet alors de voir deux choses : Premièrement, tu peux voir pour quelle valeur seuil ton test est le plus performant : c'est la valeur pour laquelle tu as la meilleure Se et Spé (donc 1-Spé le plus faible), soit le point de la courbe le plus proche de l'angle supérieur gauche. Deuxièmement, tu peux utiliser cela pour comparer plusieurs tests (ce qui est fait juste après dans le cours) : l'angle supérieur gauche correspondant aux meilleures caractéristiques possibles pour un test de dépistage, plus un test s'en approche, plus il est performant. A l'inverse, si tu t'éloignes de ce point, moins le choix de la variable mesurée est pertinent pour discriminer les malades et non malades. Ainsi, alors que tu as un test donc les paramètres dépendent largement de la valeur que tu fixes comme seuil, la courbe ROC te permet d'avoir une vision d'ensemble de ce test, pour toutes les valeurs seuils. Voilà, j'espère que c'est assez clair (ça l'est pas complètement pour moi en fait ). Au pire, ces courbes sont une illustration du fait qu'une augmentation de la sensibilité amène à une diminution de la spécificité, et inversement. C'est surtout cette notion qui est importante ; ensuite il peut être intéressant de savoir comment lire ces courbes, et à quoi elles servent, mais j'ai pas souvenir que ça soit tombé au concours. Si tu as besoin que je réexplique quelque chose, n'hésite pas Bonne journée !
Tuteur Loulouu Posted October 30, 2014 Author Tuteur Posted October 30, 2014 Merci beaucoup Charly !!
Recommended Posts