لیلی فرجی گاوگانی - کارشناس ارشد آمار زیستی، دانشکده پزشکی، مرکز تحقیقات پزشکی مبتنی بر شواهد، دانشگاه علوم پزشکی تبریز، تبریز، ایران
پروین سربخش - دکتری آمار زیستی، گروه آمار و اپیدمیولوژی دانشگاه علوم پزشکی تبریز، تبریز، ایران
محمد اصغری جعفرآبادی - دانشیار مرکز تحقیقات آموزش علوم پزشکی، دانشگاه علوم پزشکی تبریز، تبریز، ایران
مرتضی شمشیرگران - دکتری اپیدمیولوژی، گروه آمار و اپیدمیولوژی دانشگاه علوم پزشکی تبریز، تبریز، ایران

سطح زیر منحنی راک یک معیار مرسوم برای ارزیابی عملکرد طبقه بندی بیومارکر ها است. در عمل یک بیومارکر قدرت طبقه بندی محدودی دارد لذا برای بهبود عملکرد طبقه بندی، علاقه مند به ترکیب مقادیر مربوط به بیومارکر ها به صورت خطی و غیرخطی هستیم در این مطالعه ضمن معرفی انواع توابع زیان، به معرفی روش Ramp AUC و برخی ویژگی های آن به عنوان یک مدل آماری مبتنی بر سطح زیر منحنی راک پرداخته می شود. این مدل جهت ترکیب بیومارکرها به شکل خطی یا غیرخطی باهدف بهبود عملکرد طبقه بندی و مینیمم کردن تابع زیان تجربی بر اساس تابع زیان Ramp AUC ارائه شده است. به عنوان مثال کاربردی، در این مطالعه از داده های ۳۷۸ بیمار دیابتی مراجعه کننده به مراکز دیابتی اردبیل و تبریز در سال ۱۳۹۴-۱۳۹۳ استفاده شده است. جهت طبقه بندی بیماران دیابتی از لحاظ وضعیت محدودیت عملکردی بر مبنای بیومارکر های جمعیت شناختی و بالینی از روش RAUC  استفاده گردید. اعتبارسنجی مدل به روش آموزش و آزمایش انجام شد. بر اساس نتایج گروه آزمایش، مقادیر سطح زیر منحنی به دست آمده برای مدل RAUC با ترکیبات خطی از بیومارکرها در قالب هسته خطی برابر ۰.۸۱  و با هسته تابع پایه شعاعی برابر ۱.۰۰ می باشد. نتایج بیانگر وجود یک الگوی غیرخطی قوی در داده ها می باشد به طوری که ترکیبات غیرخطی از بیومارکرها عملکرد طبقه بندی بالاتری نسبت به ترکیبات خطی را دارا می باشند.

kernel function, loss function, Area under the ROC Curve, classification, functional limitation., تابع هسته, تابع زیان, سطح زیر منحنی راک, طبقه بندی, محدودیت عملکردی.