ROC-kurver er kurver der vises i kliniske studier, hvor man afbilder sandt positve som funktion af falsk positive. Da man ønsker at få en så høj sandt positiv rate og så lav falsk positiv rate som muligt, er det bedst hvis grafen følger y-aksen og toppen så meget som muligt.
Sidst opdateret 19. maj 2023
En kurve der i medicinsk statistik anvendes til at finde den bedste diskriminationsgrænse dvs. den grænse for en biofaktor hvor man skal fortolke en patient som syg eller ikke-syg. En ROC-kurve er en afbildning af sensitiviteten som funktion af 1-specificiteten, idet disse beregnes for en række forskellige diskriminationsgrænser.
Det gælder om at vælge en diskriminationsgrænse så ROC-kurven kommer længst væk fra identitetslinjen på grafen (den der går fra 0,0 til 1,1). Dvs. en ideel ROC-kurve ville være en kurve der gik fra 0,0 til 0,1 til 1,0 til 1,1.
For at vurdere hvilken af to metoder der er bedst kan man tegne ROC kurver for begge, og se hvilken der er mest ideel. Man kan også beregne en area-under-curve (AUC) og så vil den med størst areal være bedst.
Sidst opdateret 19. maj 2023
