Rex 분석 : ROC분석

  1. 분석모듈 설명
  2. ROC분석은 질병 여부를 나타내는 상태변수에 대하여, 검정변수의 모든 값을 기준으로 계산된 TPR(true positive rate)과 FPR(false positive rate)의 곡선을 구성하여, 이를 토대로 검정변수의 분류 성능을 평가하는 통계분석 모듈입니다. 검정변수의 TPR과 FPR에 대해 평활화 기법(smoothing method)이 적용될 수 있으며, 곡선아래면적의 경우, full AUC 또는 partial AUC(민감도 또는 특이도를 기준으로 일정 범위 안의 AUC)를 선택할 수 있습니다. AUC 신뢰구간의 경우, Delong의 방법 또는 Bootstrap을 통해 계산할 수 있으며, 두 개 이상의 검정변수가 지정되거나, 두 개 이상의 수준을 갖는 집단변수가 지정될 경우, Delong, Venkatraman, 또는 Bootstrap방법을 통해 쌍별 분류 성능을 비교할 수 있습니다. ROC curve의 각 지점에서의 민감도, 특이도, 정확도, 양성예측도, 음성예측도를 파악하며, Youden's index나 Closest-topleft 방법에 의해 최적 절단점(optimal cutoff point)을 도출할 수 있습니다. 옵션에 따라 개별 ROC curve 또는 통합 ROC curve를 그릴 수 있습니다. 
  3. 분석에 사용된 R 패키지 및 함수
  4. * ROC curve : pROC 패키지의 roc 함수
    * Smoothing a ROC curve : pROC 패키지의 smooth 함수
    * Smoothing a ROC curve by density function : stats 패키지의 density 함수
    * Smoothing a ROC curve by distribution : MASS 패키지의 fitdistr 함수
    * Summary table : moonBook 패키지의 mytable 함수
    * Computing AUC : pROC 패키지의 auc 함수
    * Confidence interval of AUC : pROC 패키지의 ci.auc 함수
    * Coordinates of a ROC curve : pROC 패키지의 coords 함수
    * Comparing the ROC curves : pROC 패키지의 roc.test 함수
    * Plot of the ROC curve : pROC 패키지의 plot.roc 함수
    * Overlay of the ROC curves : pROC 패키지의 ggroc 함수
    * 위에 나열된 결과 외에는 R의 기본 함수를 사용하였음.