Want to create interactive content? It’s easy in Genially!

Get started free

Sensibilidad, Especificidad y Curvas ROC VMRR

Valeria Rocha

Created on August 29, 2023

Start designing with a free template

Discover more than 1500 professional designs like these:

Smart Presentation

Practical Presentation

Essential Presentation

Akihabara Presentation

Pastel Color Presentation

Visual Presentation

Relaxing Presentation

Transcript

Sensibilidad, Especificidad y Curvas ROC

Valeria M. Rocha R.Octubre 2024

Índice

Especificidad

Sensibilidad

Ejemplo "a mano"

Ejemplo en SPSS

Ejemplo en SPSS

Curvas ROC

01

Sensibilidad y Especificidad

Evaluación de pruebas diagnósticas

Pruebas diagnósticas

Se engloban las pruebas utilizadas para la detección precoz de enfermedades y las pruebas confirmatorias, que deben cumplir requisitos distintos en función de su utilidad. Una buena prueba diagnóstica es aquella que resulte normal en los individuos sanos y anormal en los individuos enfermos.

+ info

02

Ejemplo "a mano"

Cálculo de Sensibilidad y Especificidad

Ejemplo COVID-19

Sensibilidad Especificidad VPP VPN Precisión

03

Ejemplo en SPSS

Cálculo de Sensibilidad y Especificidad

Ejemplo Escala de depresión post parto

Otra opción...

04

Curvas ROC

Receiver Operating Characteristic

Introducción

Las pruebas diagnósticas pueden producir respuestas de sí o no (resultados binarios) o un número en una escala continua. Las pruebas diagnósticas que producen resultados continuos a menudo se dicotomizan porque el resultado de interés es generalmente binario.

+ info

Usos de las Curvas ROC

Método estadístico para determinar la exactitud diagnóstica de una prueba que utiliza escalas continuas.

2. Evaluar la capacidad discriminativa de una prueba diagnóstica.

1. Identificar el punto de corte que determina la sensibilidad y la especificidad más altas.

3. Comparar la capacidad discriminativa de 2 o más pruebas diagnósticas.

+ info

05

Ejemplo en SPSS

Identificar puntos de corte

¡Muchas gracias!

Área bajo la curva (AUC)

La probabilidad de clasificar correctamente a un par de individuos (uno sano y otro enfermo) seleccionados al azar al aplicarles la prueba.