【R】ROC曲線を複数書く

備忘録的なやつです。

前回の続き。
【R】ROC曲線を書く

Rを使ってROC曲線を比較します。

使う関数は**roc()とroc.test()**です。

ROC曲線を書く

# Rをきれいにする
rm(list = ls())

# ライブラリの読み込み
library(pROC)

# データの読み込み
df <- aSAH

# データの確認
summary(df)

⬇実行結果

> #Rをきれいにする
> rm(list = ls())
> 
> #ライブラリの読み込み
> library(pROC)
Type 'citation("pROC")' for a citation.

 次のパッケージを付け加えます: ‘pROC’ 

 以下のオブジェクトは ‘package:stats’ からマスクされています: 

     cov, smooth, var 

> 
> #データの読み込み
> df <- aSAH
> 
> #データの確認
> summary(df)
 gos6   outcome      gender        age       wfns       s100b            ndka       
 1:28   Good:72   Male  :42   Min.   :18.0   1:39   Min.   :0.030   Min.   :  3.01  
 2: 0   Poor:41   Female:71   1st Qu.:42.0   2:32   1st Qu.:0.090   1st Qu.:  9.01  
 3:13                         Median :51.0   3: 4   Median :0.140   Median : 12.22  
 4: 6                         Mean   :51.1   4:16   Mean   :0.247   Mean   : 19.66  
 5:66                         3rd Qu.:61.0   5:22   3rd Qu.:0.330   3rd Qu.: 17.30  
                              Max.   :81.0          Max.   :2.070   Max.   :419.19 

ここまでは前回と同じ。

今回は、s100b、ndkaがどの程度outcomeを予測するのかをROC曲線で評価し、比較します。

まず、s100bについて。

ROC1 <- roc(outcome ~ s100b, data = df, ci = TRUE)
ROC1

⬇実行結果

> ROC1 <- roc(outcome ~ s100b, data = df, ci = TRUE)
Setting levels: control = Good, case = Poor
Setting direction: controls < cases
> ROC1

Call:
roc.formula(formula = outcome ~ s100b, data = df, ci = TRUE)

Data: s100b in 72 controls (outcome Good) < 41 cases (outcome Poor).
Area under the curve: 0.7314
95% CI: 0.6301-0.8326 (DeLong)

ROC曲線を描きます。

plot(ROC1, 
     lty = 1,　#直線
     legacy.axes = TRUE
     )

⬇描画結果

続いて、ndkaについて。

ROC2 <- roc(outcome ~ ndka, data = df, ci = TRUE)
ROC2

⬇実行結果

> ROC2 <- roc(outcome ~ ndka, data = df, ci = TRUE)
Setting levels: control = Good, case = Poor
Setting direction: controls < cases
> ROC2

Call:
roc.formula(formula = outcome ~ ndka, data = df, ci = TRUE)

Data: ndka in 72 controls (outcome Good) < 41 cases (outcome Poor).
Area under the curve: 0.612
95% CI: 0.5012-0.7227 (DeLong)

ROC曲線を描きます。

add = TRUEでさっき作成したs100bのグラフにndkaの曲線を加えます。

plot(ROC2, 
     lty = 2,　#点線
     add = TRUE　# add = TRUEでさっきのグラフに加える
     )

⬇実行結果

ROC曲線の比較

**roc.test()**関数で2つのAUCを比較します。

roc.test(ROC1, ROC2)

ROC1, 2：**roc()**で作成したオブジェクト

roc.test(ROC1, ROC2)

⬇実行結果

> roc.test(ROC1, ROC2)

	DeLong's test for two correlated ROC curves

data:  ROC1 and ROC2
Z = 1.3908, p-value = 0.1643
alternative hypothesis: true difference in AUC is not equal to 0
sample estimates:
AUC of roc1 AUC of roc2 
  0.7313686   0.6119580

この結果から、2つのROCを比較した検定結果はp = 0.1643でした。
s100bとndkaの予測能に有意差は見られませんでした。