Vícerozměrné statistické metody - detail zprávy #878

ROC analýza screeningového nástroje pro detekci potřeby psychologické pomoci studentů VŠ

Barbora Majíčková, 01. 05. 2026

Data: Students Mental Health Assessments: Kaggle. https://www.kaggle.com/datasets/sonia22222/students-mental-health-assessments

V práci se vyskytuje: ROC

Udělená slovní hodnocení

• Úvodní vysvětlení ROC a Youdenova indexu je didakticky pěkné, ale interpretace závěru míchá dvě různé věci. Youdenův index na úrovni nuly znamená, že tvůj kompozitní index nemá s vyhledáním pomoci v tomto vzorku praktický vztah — to je selhání prediktoru, ne odhalení help-seeking gapu. Tu nesrovnalost mezi „test nefunguje" a „objevili jsme něco zajímavého" by bylo lepší pojmenovat přímo. A zdroj dat o sedmi tisících respondentech není nikde popsán; bez toho je výsledek prakticky neinterpretovatelný. Chybí i ROC křivka a AUC.
• Analýza je provedena technicky správně a jasně identifikuje optimální bod rovnováhy mezi senzitivitou a specificitou testu.
• Vysvětlení ROC a Youdenova indexu na začátku je didakticky pěkné, výpočty v Excelu jsou v zásadě v pořádku. Hlavní problém je v rétorice závěru: Youdenův index 0,01 znamená, že test je téměř nerozlišitelný od náhodného hodu mincí, což primárně signalizuje, že vybrané proměnné spolu vůbec nesouvisí — ne že existuje "fascinující help-seeking gap". Ten paradox kompozitní zátěže a vyhledání pomoci možná existuje, ale tvoje data ho nedokládají; dokládají jen, že tvůj kompozitní index v tomhle vzorku není užitečný prediktor. Rozdíl mezi "test selhal" a "objevili jsme něco zajímavého" je tu zásadní, a tvoje formulace ten rozdíl trochu rozmazává. Druhá věc: chybí mi popis, odkud ten dataset 7022 respondentů pochází — bez toho je výsledek prakticky neinterpretovatelný. A v reportu nikde nevidím ROC křivku ani AUC, jen plný text.
• Chybí ROC křivka a tabulka hodnot v textu.
• Podnětné zjištění, aktuální téma.