Análise de curva ROC aplicada à psicologia da saúde: estímulo psicológico associado aos sintomas de diabetes e Covid-19
DOI:
https://doi.org/10.58203/Licuri.22562Palavras-chave:
Diagnóstico, Indicadores, Sinal Psicológico, EnfermidadeResumo
O diagnóstico de uma psicopatologia é fundamental para um psicólogo para alcançar a escolha de um tratamento apropriado. No caso de um diagnóstico positivo, o profissional pode propor intervenções adequadas para o paciente; e, no caso de um diagnóstico negativo pode-se rejeitar a presença de condição e investigar no paciente outras possibilidades para o caso estudado. A curva ROC gerada a partir de um conjunto finito de respostas é uma função escalonada ou linear que se aproxima da verdadeira curva ROC quando o número de casos é infinito. Foram identificados pontos de sinais psicológicos para um melhor diagnóstico. Centralizando-se no campo da psicologia da saúde pode-se beneficiar da técnica para um aprofundamento no conhecimento dos sinais psicológicos diante de uma determinada enfermidade com sintomas a priori conhecidos. O ponto A (0,072; 0,127) e B (0,207; 0,184) correspondem aos pontos de corte da categoria definitivamente anormal para os sintomas psicológicos de ter diabetes e Covid-19. O ponto C = (0,207; 0,184) corresponde ao ponto de corte da categoria regular. Já o ponto D = (0,393; 0,363) corresponde ao ponto de corte da categoria provavelmente normal, e, portanto, o critério mais tolerante no que todos os pacientes são considerados para apresentar sintomas de diabetes e Covid-19, exceto os que responderam a resposta definitivamente normal.
Downloads
Referências
Equipe principal do R. R: Uma linguagem e ambiente para computação estatística. Fundação R para Computação Estatística, Viena, Áustria, 2019. Disponível em: https://www.R-project.org/. Acesso em: 18 fev. 2024.
FÁVERO, Luiz Paulo Lopes et al. Análise de dados: modelagem multivariada para tomada de decisões. Rio de Janeiro: Elsevier, 2009. Acesso em: 18 fev. 2024.
GONZÁLEZ, M.A.M. et al. Bioestadística Amigable. Barcelona: Elsevier, 2014.
GORDON, M. Gmisc: Descriptive Statistics, Transition Plots, and More. R package version 1.9.2. 2023.
MASSAD, Eduardo et al. Métodos quantitativos em medicina. São Paulo: Manole, 2004.
NICOLÁS, M. F.; MOLINA, J. M. V. Análisis de Curvas ROC. Principios básicos y aplicaciones. Cuadernos de Estatística. Madrid: La Muralla, S. L., 2007.
RAMOS, M. M.; CATENA, A.; TRUJILLO, H. M. Manual de métodos y técnicas de investigación em ciencias del comportamiento. Madrid: Editorial Biblioteca Nueva, S. L., 2004.
SACHS, M. C. plotROC: A Tool for Plotting ROC Curves. Journal of Statistical Software, Code Snippets, [S. l.], v. 79, n. 2, p. 1–19, 2017. DOI: 10.18637/jss.v079.c02. Disponível em: https://www.jstatsoft.org/index.php/jss/article/view/v079c02. Acesso em: 18 fev. 2024.
SIEVERT, C. Interactive Web-Based Data Visualization with R, plotly, and shiny. Florida: Chapman and Hall/CRC, 2020.
WICKHAM, H. Ggplot2: Elegant Graphics for Data Analysis. New York: Springer-Verlag, 2016.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2024 Editora Licuri
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.