✂️ Simulador de Punto de Corte de una Curva ROC

Desarrollado por José María Montiel Company — Universitat de València.

SImulador para explorar cómo el punto de corte afecta a la Sensibilidad, Especificidad y Valores Predictivos en una prueba diagnóstica.

Configuración del Estudio

Cargar Escenario Predefinido:

Prevalencia de la Enfermedad (N=1000): 50%

Punto de Corte: 5

1 (Max Sensibilidad) 100 (Max Especificidad)

📘 Explicación

El simulador trabaja con un ejemplo estándar de 1000 mediciones. La prevalencia controla cuántas de estas personas están realmente enfermas. La variable test es la medida cuantitativa que proviene del test diagnóstico (por ejemplo, un marcador, una puntuación o una concentración). En este simulador la tratamos como una variable cuantitativa continua que puede tomar valores a lo largo de una escala (aquí simplificada entre 1 y 100). Al escoger un umbral en esa escala decides qué valores se consideran positivos y cuáles negativos.

Cutoff = 1 → máxima sensibilidad (Se ↑), mínima especificidad (Es ↓)
Cutoff = 100 → máxima especificidad (Es ↑), mínima sensibilidad (Se ↓)

Al mover el punto de corte cambia el diagnóstico de la enfermedad: dependiendo de dónde sitúes el umbral, algunas personas pasarán de ser clasificadas como enfermas a sanas o viceversa. Esto afecta directamente a los recuentos en la tabla de contingencia (VP, FP, VN, FN) y, por tanto, a:

La sensibilidad y la especificidad mostradas en la curva ROC.
Los valores predictivos (VPP y VPN), que además dependen de la prevalencia.
El número de personas que serían tratadas o no tratadas según ese umbral (implicaciones clínicas).

Curva ROC Dinámica

Métricas de Rendimiento

Punto de Corte:

Sensibilidad (Se):

Especificidad (Es):

Tasa Falsos Positivos (1-Es):

Valor Predictivo Positivo (VPP):

Valor Predictivo Negativo (VPN):

Tabla de Contingencia (N=1000)

	Enfermo (Real)	Sano (Real)	Total Pruebas
Prueba Positiva
Prueba Negativa
Total Población			1000