Кульбак Опции

[DrgLena]

Вопрос из области теории информации. В сибирском медицинском журнале часто встречается диагностика или прогноз с использованием последовательного алгоритма Вальда, информативность признаков оценивается по Кульбаку.
Мой вопрос возник в связи с тем, что реально не всегда достигаются заданные высокие пороги для диагностики, но оценку набору используемых диагностических признаков все же хочется дать.
В задаче дифференциальной диагностики между двумя состояниями (верифицированы гистологически) рассчитывали диагностические коэффициенты клинических признаков, далее, вычисляли показатель накопленной информативности как арифметическая сумма (J) показателей информативности факторов риска, имеющихся у исследуемого (по Кульбаку). Далее, нужно эти суммы сравнить с выбранными порогами - но, можно ли дальше пойти другим путем. В этой новой переменной (J) найти точку перегиба используя анализ ROC-кривой и оценить таким образом диагностический тест, т.е. описать чувствительность и специфичность более привычным образом.

[плав]

На самом деле полностью согласен с Игорем относительно логистического анализа (ROC анализ можно делать и на основе результатов логситической регрессии). Единственно, что меня смущает, это р для AUC ROC. Само по себе это значение странное, имеется ввиду отличие AUC ROC от 0 или от 0,5? (разница принципиальная). Кроме того, прошу прощения, если напоминаю общеизвестные вещи, но не стоит пользоваться только одной точкой разделения. Я думаю, вполне можно было подобрать другие значения J для которых чувствительность будет ниже, зато специафичность выше. Не стоит забывать, что высокая чувствительность хороша для исключения заболевания (если признака нет, а он 100% чувствительный, значит болезни нет). Для подтверждения же нужны признаки с высокой специфичностью. Поэтому надо либо четко описывать диагностическую ситуацию, либо использовать "усредненную" ситуацию, но тогда следует опираться на AUC ROC, а не на точечные значения чувствительности и специфичности.