So nutzen Sie den Youden-Index-Rechner
Der Youden-Index-Rechner ermöglicht die schnelle und präzise Bestimmung der diagnostischen Trennschärfe sowie des optimalen Schwellenwerts (Cut-off) für binäre Klassifikatoren und medizinische Tests. Wählen Sie zunächst die gewünschte Eingabemethode aus:
- Direkte Eingabe von Sensitivität & Spezifität — Geben Sie die bekannten Kennwerte für Sensitivität (Richtig-Positiv-Rate / TPR) und Spezifität (Richtig-Negativ-Rate / TNR) als Dezimalwerte ein.
- Eingabe über die Konfusionsmatrix — Tragen Sie die absoluten Häufigkeiten der Vierfeldertafel ein: Richtig Positive (TP), Falsch Negative (FN), Richtig Negative (TN) und Falsch Positive (FP).
- Ergebnis & Zwischenschritte prüfen — Das Online-Tool berechnet unmittelbar den Youden-Index $J$, die Falsch-Positiv-Rate (FPR) sowie die detaillierte Formeleinsetzung.
Formel & mathematische Definition des Youden-Index
Der Youden-Index-Rechner basiert auf der von W. J. Youden (1950) eingeführten Kenngröße $J$, die die Gesamttrennfähigkeit eines Tests zusammenfasst:
$$J = \text{Sensitivität} + \text{Spezifität} - 1$$
Da die Falsch-Positiv-Rate ($\text{FPR}$) als $1 - \text{Spezifität}$ definiert ist und die Richtig-Positiv-Rate ($\text{TPR}$) der Sensitivität entspricht, lässt sich die Formel im Youden-Index-Rechner auch wie folgt darstellen:
$$J = \text{TPR} - \text{FPR}$$
Liegen die Rohdaten einer Vierfeldertafel vor, berechnen sich Sensitivität und Spezifität aus den Beobachtungszahlen:
$$\text{Sensitivität} = \frac{\text{TP}}{\text{TP} + \text{FN}}, \quad \text{Spezifität} = \frac{\text{TN}}{\text{TN} + \text{FP}}$$
$$\text{FPR} = \frac{\text{FP}}{\text{TN} + \text{FP}} = 1 - \text{Spezifität}$$
Interpretation des Youden-Index und ROC-Kurven
In der Receiver-Operating-Characteristic-Analyse (ROC-Kurve) stellt der Youden-Index den maximalen vertikalen Abstand zwischen der ROC-Kurve und der diagonalen Zufallslinie dar. Der Youden-Index-Rechner liefert Kennwerte, die wie folgt interpretiert werden:
- $J = 1$: Perfekter diagnostischer Test ohne falsch-positive oder falsch-negative Klassifikationen.
- $J > 0{,}7$: Sehr hohe Trennschärfe; der Test unterscheidet zuverlässig zwischen positiven und negativen Fällen.
- $0{,}4 \le J \le 0{,}7$: Moderate diagnostische Güte mit praxisrelevantem Nutzen.
- $J < 0{,}4$: Geringe Trennkraft; der Schwellenwert sollte überarbeitet werden.
- $J = 0$: Der Test besitzt keinerlei Unterscheidungskraft und entspricht reinem Zufall.
Praxisbeispiel: Optimaler Cut-off eines Biomarker-Tests
Ein klinisches Labor evaluiert einen neuen Blut-Biomarker zur Früherkennung einer Erkrankung anhand einer Studie mit 200 Probanden:
- Richtig Positive (TP): 85
- Falsch Negative (FN): 15
- Richtig Negative (TN): 90
- Falsch Positive (FP): 10
Mit dem Youden-Index-Rechner ergeben sich die diagnostischen Kennzahlen:
- Sensitivität: $\text{Sensitivität} = \frac{85}{85 + 15} = \frac{85}{100} = 0{,}85\text{ (85 %)}$
- Spezifität: $\text{Spezifität} = \frac{90}{90 + 10} = \frac{90}{100} = 0{,}90\text{ (90 %)}$
- Falsch-Positiv-Rate: $\text{FPR} = 1 - 0{,}90 = 0{,}10\text{ (10 %)}$
- Youden-Index $J$: $J = 0{,}85 + 0{,}90 - 1 = 0{,}75$
Der berechnete Index von $J = 0{,}75$ belegt eine exzellente Trennfähigkeit für den gewählten Schwellenwert.
Anwendungsbereiche für den Youden-Index-Rechner
Der Youden-Index-Rechner wird in verschiedenen Disziplinen eingesetzt:
- Medizinische Diagnostik & Epidemiologie: Validierung von Screening-Tests, Laborparametern und bildgebenden Verfahren.
- Machine Learning & Data Science: Optimierung des Klassifikations-Schwellenwerts bei unbalancierten Datensätzen.
- Biostatistik & Pharmakologie: Auswertung klinischer Studien und ROC-Analysen.
- Qualitätssicherung & Testtheorie: Festlegung von Grenzwerten in psychologischen Testverfahren.
Die Anwendung führt alle Rechenschritte sicher und datenschutzkonform direkt in Ihrem Webbrowser aus.