Cut-off-Wert
In diesem Beitrag
Was versteht man unter Cut-off-Wert?
Ein Cut-off-Wert (auch Schwellenwert oder Grenzwert) ist ein festgelegter Zahlenwert, der eine kontinuierliche oder ordinale Messung in zwei oder mehr Kategorien einteilt. Werte oberhalb des Cut-offs werden einer Kategorie zugeordnet (z. B. „auffällig“, „positiv“ oder „krank“), Werte unterhalb einer anderen (z. B. „unauffällig“, „negativ“ oder „gesund“).
Formal lässt sich die Klassifikationsentscheidung so ausdrücken: Eine Beobachtung mit dem Messwert wird der Klasse „positiv“ zugewiesen, wenn gilt, andernfalls der Klasse „negativ“.
Klassifikationsregel
Die Wahl des Cut-offs beeinflusst direkt, wie viele Fälle als positiv oder negativ eingestuft werden – und damit auch, wie viele Fehler (falsch Positive und falsch Negative) entstehen.
Warum ist der Cut-off-Wert für statistische Analysen wichtig?
Cut-off-Werte sind immer dann relevant, wenn eine kontinuierliche Messgröße für eine Entscheidung genutzt werden soll. Das ist in vielen wissenschaftlichen und praktischen Feldern der Fall:
- Klinische Forschung: Laborwerte (z. B. Blutzucker, BMI) werden in Grenzwerte übersetzt, um Diagnosen zu stellen.
- Psychologie und Sozialwissenschaften: Testergebnisse werden mit Grenzwerten versehen, um Risikogruppen zu identifizieren.
- Maschinelles Lernen: Klassifikationsmodelle geben Wahrscheinlichkeiten aus; ein Cut-off (oft 0,5) bestimmt, ab wann ein Fall als „positiv“ gilt.
Der Cut-off-Wert steht in engem Zusammenhang mit zwei zentralen Gütekriterien eines Tests:
- Sensitivität: Anteil der tatsächlich positiven Fälle, die korrekt als positiv erkannt werden.
- Spezifität: Anteil der tatsächlich negativen Fälle, die korrekt als negativ erkannt werden.
Diese beiden Kriterien stehen in einem Zielkonflikt: Senkt man den Cut-off, steigt die Sensitivität (mehr Positive werden erkannt), aber die Spezifität sinkt (mehr Gesunde werden fälschlicherweise als krank eingestuft). Erhöht man den Cut-off, verhält es sich umgekehrt. Den optimalen Punkt zu finden, ist eine inhaltliche Abwägung – nicht nur eine statistische.
Ein nützliches Werkzeug zur Visualisierung dieses Zielkonflikts ist die ROC-Kurve (Receiver Operating Characteristic). Sie zeigt für alle möglichen Cut-offs gleichzeitig, wie sich Sensitivität und Spezifität verändern. Der optimale Cut-off liegt oft am sogenannten Youden-Index, dem Punkt mit der größten Summe aus Sensitivität und Spezifität minus 1.
Praxisbeispiel zu Cut-off-Wert
Eine Forscherin untersucht, ob ein neu entwickelter Fragebogen zur Erkennung von Burnout-Risiko geeignet ist. Der Gesamtscore reicht von 0 bis 50. Sie berechnet eine ROC-Kurve und prüft verschiedene Cut-off-Werte. Die Ergebnisse für drei mögliche Grenzwerte sehen so aus:
| Cut-off-Wert | Sensitivität | Spezifität | Youden-Index |
|---|---|---|---|
| ≥ 25 | 0,92 | 0,61 | 0,53 |
| ≥ 30 | 0,83 | 0,78 | 0,61 |
| ≥ 35 | 0,67 | 0,91 | 0,58 |
Der höchste Youden-Index liegt bei einem Cut-off von ≥ 30. Das bedeutet: Personen mit einem Score von 30 oder höher werden als Risikogruppe eingestuft. Die Forscherin entscheidet sich für diesen Grenzwert – auch weil Sensitivität und Spezifität hier am ausgewogensten sind und keine der beiden Fehlerarten besonders schwerwiegende Folgen hat.
Hätte sie einen Cut-off von ≥ 25 gewählt, wären mehr Betroffene erkannt worden, aber auch deutlich mehr gesunde Personen fälschlicherweise als Risikogruppe eingestuft worden. Dieses Beispiel zeigt: Der „beste“ Cut-off hängt immer vom Kontext und dem Ziel der Untersuchung ab.
