Cut-Off値について
統計の最後の説明として、Cut-Off値を簡潔に解説します。
まずは感度・特異度を知ろう
感度ならびに特異度は， ある検査における判定の精度についての指標で す．ここではわかりやすく疾患がある場合を陽性，疾患がない場合を陰性 とします．
感度とは， 疾患ありを正しく陽性と判定できる指標
特異度とは， 疾患なしを正しく陰性と判定できる指標
下図を参照してください。aは陽性の人を正しく疾患ありと判断しています． 一方，d は陰性の人を正しく疾患なしと判断しています．実際の判断においては， すべてが正しく判断できるとはかぎりません．陽性であるにもかかわらず疾患なしと判断されるcが生じます．このcは誤って疾患なしと判断されており偽陰性といいます．また，陰性であるにもかかわらず疾患ありと判断される b も生じます．この b は誤って疾患ありと判断されており偽陽性といいます．
感度＝a/a+c
感度が高い検査は見落としが少ない検査
特異度＝d/b+d
特異度が高い検査は過剰に疾患ありと判断することが少ない検査
その他，陽性的中率，陰性的中率，尤度比(陽性・陰性のなりやすさの指標)もありますが，今回は割愛します．
Cut-Off値とはなにか
数値を基準に陽性・ 陰性などを判断する場合，判断基準となる数値のこと
ROC曲線：カットオフ値を求める際，参考にする曲線
陽 性 ・ 陰性などの 2段階に分けられる数値をもとに，その数値で判定した場合の感度を縦軸に，「1−特異度」を横軸にとって曲線を作成します．この 曲線のことをROC（Receiver Operating Characteristic：受診者動作特性）曲線とよびます．通常，ROC曲線は，左上の隅に向かって膨らみをもった曲線となります． ROC曲線の下側の面積を曲線下面積 （AUC： Area of Under Curve） といい，この面積が大きい指標の検査がより適切なものとされま す． AUCが0.5よりも小さい場合には，グラフが右下に向けて膨らんで いるため，カットオフ値として適切な数値を示すことができません．ROC 曲線のグラフにおいて， 左上の隅により近い数値をカットオフ値とします．
基準値は，AUC <0.70は低い診断精度，AUC 0.70-0.90の範囲は中程度の診断精度，AUC ≥0.90は高い診断精度，とされているようです．
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5749382/#b24-ndt-14-095%E3%82%88%E3%82%8A
統計の大まかな説明は今回の記事で終了します．当初も述べたように，まずは大まかに統計の流れを掴んで頂き，実際に統計を使用する際，深堀りしていけば良いと考えます．
少しでも参考になりましたら、サポートして頂ければ幸いです。