Análisis de regresión de la curva ROC: el uso de modelos de regresión ordinal para la evaluación de pruebas diagnósticas.

Las pruebas diagnósticas comúnmente se caracterizan por sus tasas de clasificación de verdaderos positivos (sensibilidad) y verdaderos negativos (especificidad), que dependen de un único umbral de decisión para clasificar un resultado de prueba como positivo. Una descripción más completa de la precisión de la prueba se ofrece mediante la curva característica operativa del receptor (ROC), un gráfico de las tasas de falsos positivos y verdaderos positivos obtenidos al variar el umbral de decisión. Se ha descrito una metodología de regresión generalizada que utiliza una clase de modelos de regresión ordinal para estimar curvas ROC suavizadas. Se describen los datos de un estudio multiinstitucional que compara la precisión de la imagen por resonancia magnética (RM) con la tomografía computarizada (TC) en la detección de metástasis hepáticas, que son ideales para el análisis de regresión ROC. Se introduce el modelo de regresión general y se ofrece una estimación para el área debajo de la curva ROC y su error estándar utilizando parámetros del modelo de regresión ordinal. Se presenta un análisis de los datos hepáticos que destaca la utilidad de la metodología para ajustar comparaciones de manera parsimoniosa para covariables.