Definition eines optimalen Cut-Point-Wertes in der ROC-Analyse: Ein alternativer Ansatz

Die ROC-Kurvenanalyse wird häufig angewendet, um die diagnostische Genauigkeit eines Biomarkers zu messen. Die Analyse ergibt zwei Vorteile: die diagnostische Genauigkeit des Biomarkers und den optimalen Cut-Point-Wert. In der Literatur wurden viele Methoden zur Bestimmung des optimalen Cut-Point-Wertes vorgeschlagen. In dieser Studie wird ein neuer Ansatz vorgestellt, der alternativ zu diesen Methoden ist. Der vorgeschlagene Ansatz basiert auf dem Wert der Fläche unter der ROC-Kurve. Diese Methode definiert den optimalen Cut-Point-Wert als den Wert, dessen Sensitivität und Spezifität am nächsten dem Wert der Fläche unter der ROC-Kurve liegen und dessen absoluter Unterschied zwischen den Sensitivitäts- und Spezifitätswerten minimal ist. Dieser Ansatz ist sehr praktisch. In dieser Studie werden die Ergebnisse der vorgeschlagenen Methode mit denen der Standardansätze verglichen, indem simulierte Daten mit unterschiedlichen Verteilungs- und Homogenitätsbedingungen sowie reale Daten verwendet werden. Laut den Simulationsergebnissen wird die Verwendung der vorgeschlagenen Methode zur Bestimmung des echten Cut-Points empfohlen.