Yila

Tracez une courbe ROC et rapportez correctement l’AUC

Importez un tableau avec le critère de jugement et les marqueurs. Yila ajuste le modèle, le valide hors échantillon, trace la courbe ROC avec l’AUC et son intervalle de confiance, et choisit un seuil que vous pourrez justifier.

À partir de mes données, ajustez une régression logistique fondée sur pour prédire , évaluez-la par validation croisée à 5 blocs et tracez une courbe ROC prête à publier, avec l’AUC et son intervalle de confiance à 95 %. Comparez le modèle au meilleur marqueur pris isolément et indiquez la sensibilité et la spécificité au seuil de Youden. Enregistrez la figure en PNG et en SVG, un tableau des indicateurs et le script.

S’ouvre dans l’espace de travail Yila, où vous pouvez tout ajuster au fil de la conversation.

Une analyse ROC finalisée

Une exécution officielle sur un jeu de données diagnostiques ouvert. Voici la figure enregistrée ; le téléchargement la contient avec le tableau des indicateurs et le script Python.

Prédire la malignité de 569 tumeurs du sein — 1
1 / 1

Ce que vous obtenez

La figure ROC
La courbe du modèle face à une courbe de comparaison et à la diagonale du hasard, avec chaque AUC et son IC à 95 % dans la légende, et le seuil retenu signalé.
Le tableau des indicateurs
AUC avec intervalle de confiance, seuil, sensibilité et spécificité pour chaque modèle, ainsi que les odds ratios des prédicteurs.
Une validation honnête
La courbe est tracée à partir de prédictions hors échantillon : l’AUC n’est donc pas gonflée par un test du modèle sur les données qui ont servi à l’ajuster.
Le script
L’analyse complète en Python (ou en R sur demande), prête pour votre matériel supplémentaire.

Les étapes

Importez le tableau et nommez le critère de jugement

Donnez à Yila un fichier CSV ou Excel et indiquez ce qu’il faut prédire et à partir de quels marqueurs. Un marqueur seul convient aussi.

Yila vérifie les données et prévoit la validation

Il compte les cas et les témoins, recherche les valeurs manquantes et les variables sur des échelles très différentes, et choisit la méthode de validation avant tout ajustement.

Récupérez la courbe, les chiffres et le script

La figure ROC et le tableau des indicateurs sont générés, vérifiés, puis enregistrés avec le script. Demandez une autre règle de choix du seuil, un IC par bootstrap ou d’autres modèles dans la même conversation.

Utile pour

Une étude de performance diagnostique

Montrez dans quelle mesure un marqueur ou un score distingue les cas des témoins, avec le seuil retenu, sa sensibilité et sa spécificité.

Un article sur un modèle de prédiction

Comparez un modèle multivarié à un marqueur seul sur des prédictions validées plutôt que sur l’ajustement aux données d’apprentissage.

Un chapitre de thèse sur un biomarqueur

Rapportez la discrimination avec ses intervalles de confiance et un script reproductible que le jury peut vérifier.

Questions fréquentes

Évaluez votre propre marqueur

Importez les données et nommez le critère de jugement. Yila valide le modèle, trace la courbe et vous fournit le script.

Commencer avec vos données