
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.

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
Pour aller plus loin

Assistant d’analyse de données
Importez un CSV/XLSX et, par la conversation, examinez les données, effectuez les analyses statistiques de votre recherche et créez des graphiques prêts à publier.

Tracez des courbes de Kaplan–Meier à partir de vos données de suivi
Importez un tableau avec la durée de suivi et une colonne d’événement. Yila trace les courbes de survie avec le nombre de sujets à risque, teste la différence et ajuste un modèle de Cox, avec le script pour tout reproduire.

Créez le Tableau 1 de votre manuscrit
Importez le jeu de données et nommez les groupes. Yila vérifie la distribution de chaque variable, la décrit comme l’attendent les relecteurs, choisit le test ligne par ligne et enregistre un tableau Word modifiable.
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