让你彻底理解ROC曲线 |
您所在的位置:网站首页 › 时间依赖性roc曲线 spss › 让你彻底理解ROC曲线 |
原标题:让你彻底理解ROC曲线 文章来源:LinkLab微信公众号 引言 上一期我们已学习了诊断性试验的常用评价指标,不难看出,在这些指标中,Sen、Spe、+LR 和-LR属于稳定的指标,Acc为相对稳定指标,而PPV和NPV为不稳定指标。今天,就和大伙聊聊另一个综合评价指标—ROC曲线(receiver operator characteristic curve,ROC)。 正文 ROC曲线 即受试者工作特征曲线,是反映敏感度和特异度连续变量的综合指标,用作图法展示两度之间的关系。 作图方法 在相关临床研究报告中,若有一个ROC曲线图将会给审稿人深刻印象,具体做法是: 试验结果为计量资料即连续变量,至少计算5个临界点的指标,以敏感度(真阳性率)为Y轴,1-特异度(假阳性率)为X轴,将各点连成曲线,即ROC曲线。如下图所示: ROC曲线作用 1. 正确选择临界点(cutoff) 1)上期已经谈到,敏感度越高,漏诊病例越少,而1-特异度 越低,误诊率越少; 2)在ROC曲线上,想找到一个界值,那就让两度值都取得最好的效果,那我们就往图的左上角寻找; 3)最靠近左上角的那一点为最佳临界点,点上的值即为最佳临界值,因为,此点上敏感度与特异度都较高,假阳性与假阴性也最少; 展开全文4)即约登指数取得最大值的界值。 约登指数=敏感度+特异度-1 2. AUC用于评估试验的诊断价值 AUC(area under the ROC curve, AUC)即ROC曲线下面积,AUC越大越好,提示该试验的诊断价值越高。 1)AUC≈1.0:最理想的检查指标; 2)AUC在0.7-0.9之间:试验准确性高; 3)AUC=0.5:试验无诊断价值。 一般来说,AUC达到0.9以上才认为是一个准确性很高的诊断试验,此时的cutoff才有实际意义哦! 3. 用于比较两种或两种以上诊断性试验的诊断价值。 把各试验的ROC曲线绘制在同一坐标中,可以直观地比较哪种诊断更有价值,如下图所示:显然绿色代表的诊断价值优于蓝色诊断,粉色诊断最弱。 预告 那如何报告诊断性临床研究结果呢?这是我们下期主题,敬请关注哦! 微信公众号:LinkLab 如果这篇文章对您有用,希望您能订阅我们。想看更多临床医疗科研的精品文章也可以关注我们的微信公众号:LinkLab返回搜狐,查看更多 责任编辑: |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |