ROC 曲線の比較に必要なサンプル数計算偽陽性率陽性率 AUC を用いる方法

ROC 曲線の比較に必要なサンプル数サンプルサイズを計算する方法

＞＞もう統計で悩むのを終わりにしませんか？

↑1万人以上の医療従事者が購読中

ROC 曲線の比較に必要なサンプル数サンプルサイズを計算するために必要な数値
ROC 曲線の比較に必要なサンプル数サンプルサイズ計算の例
まとめ
参考文献

ROC 曲線の比較に必要なサンプル数サンプルサイズを計算するために必要な数値

ROC 曲線を比較したい検査値を、検査値 1、検査値 2 とする。

まず、先行研究から、以下の数値を読み取る。

False positive rate（FPR）（1-specificity）偽陽性率
True positive rate（TPR）（Sensitivity）陽性率
AUC（Area Under the Curve）
疾患あり・なし別の検査値別の標準偏差（可能であれば）
疾患あり・なし別の検査値 1 と 2 の相関係数（可能であれば）

標準偏差と相関係数は見つけるのが難しい。

標準偏差は検査値 1 、2 ともに同じと想定して比を1とする。

相関係数はいくつか試してみる。

たとえば0.2、0.4、0.6、0.8、とか、0.1、0.3、0.7、とかである。

ROC 曲線の比較に必要なサンプル数サンプルサイズ計算の例

まず R に pROCパッケージをインストールして使えるようにする。

インストールは最初の一回だけ。

install.packages("pROC")

library()で呼び出すのは毎回。

library(pROC)

サンプルサイズ計算に必要な数値として、以下の数値を想定する。

検査値 1 ：

FPR＝0.05
TPR＝0.83
AUC＝0.970

検査値 2 ：

FPR＝0.05
TPR＝0.67
AUC＝0.919

検査値 1 と 2 の標準偏差の比を 1 とする。

疾患あり・なしともに検査値 1 と 2 の相関係数を0.6と仮定する。

有意水準 5％、検出力 80％、疾患なしとありの比が 4 とする。

この時の R スクリプトは、以下の通り。

FPR.1 <- 0.05
TPR.1 <- 0.83
AUC.1 <- 0.970
FPR.2 <- 0.05
TPR.2 <- 0.67
AUC.2 <- 0.919
B.1 <- 1.0
B.2 <- 1.0
r.D <- 0.60
r.N <- 0.60

A.1 <- B.1 * qnorm(1.0-FPR.1) - qnorm(1.0-TPR.1)
A.2 <- B.2 * qnorm(1.0-FPR.2) - qnorm(1.0-TPR.2)
parameters <- list(A1=A.1, B1=B.1, A2=A.2, B2=B.2, rn=r.N, ra=r.D, delta=AUC.1-AUC.2)

# Significant level = 0.05
# Power = 0.80
# Normal to Disease = 4

power.roc.test(parameters, power=0.80, kappa=4)

計算結果はこちら。

> power.roc.test(parameters, power=0.80, kappa=4)

     Two ROC curves power calculation 

         ncases = 78.80902
      ncontrols = 315.2361
      sig.level = 0.05
          power = 0.8