ROC曲线analysis.docx

《ROC曲线analysis.docx》由会员分享，可在线阅读，更多相关《ROC曲线analysis.docx（2页珍藏版）》请在第壹文秘上搜索。

1、ROC曲线受试者工作特征曲线（ReceiverOperatingCharacteristiccurve.简称ROC曲线），又称为感受性曲线（Sensitivitycunc）.得此名的缘由在于曲线上各点反映着相同的感受性，它们都是对同一信号刺激的反应，只不过是在几种不同的判定标准下所得的结果而已。接受者操作特性曲线就是以虚报概率为横轴，击中概率为纵轴所组成的坐标图，和被试在特定刺激条件下由于采纳不同的推断标准得出的不同结果画出的曲线。ROC曲线是依据一系列不同的二分类方式（分界值或的定阀）,以真阳性率（灵敏度）为纵坐标，假阳性率（I-特异度）为横坐标绘制的曲线。传统的诊断试验评价方法有一个共同的

2、特点，必需将试的结果分为两类,再进行统计分析。RoC曲线的评价方法与传统的评价方法不同，无须此限制,而是依据实际状况，允许有中间状态，可以把试验结果划分为多个有序分类，如正常、大致正常、可疑、大致异样和异样五个等级再进行统计分析。因此，ROC曲线评价方法适用的范围更为广泛。主要作用1.RoC曲线能很简洁地杳出随意界限值时的对疾病的识别实力。2 .选择最佳的诊断界限值.ROC曲线越界近左上角,试验的精确性就越高。最靠近左上角的RoC曲线的点是错误最少的最好阈值,其假阳性和假阴性的总数最少.3 .两种或两种以上不同诊断试验对疾病识别实力的比较。在对同一种疾病的两种或两种以上诊断方法进行比较时,可将

3、各试验的ROC曲线绘制到同坐标中，以直观地鉴别优劣，轼近左上角的ROC曲线所代表的受试者工作最精确，亦可通过分别计算各个武验的ROC曲线下的面积（AUC）进行比较，哪一种试验的AUC圾大，则哪一种试验的诊断价值最佳。ROC曲线分析的主要步国ROC曲线绘制。依据专业学问，对疾病组和参照组测定结果进行分析，确定测定值的上下限、组距以及截断点（CUtPffpOint）,按选择的组距间隔列出累积频数分布表，分别计算出全部裁断点的敏感性、特异性和假阳性率（I-特异性）。以极感性为纵坐标代表真阳性率，（I-特异性）为横坐标代表假阳性率，作图绘成ROC曲线。ROC曲线评价统计量计算。RoC曲线下的面积值在1

4、.0和0.5之间。在AUO0.5的状况下，AUC越接近TI，说明诊断效果越好.AUC在0.50.7时有较低精确性，AUC在0.70.9时有肯定精确性,AUC在0.9以上时有较高精确性。AUC=05时，说明诊断方法完全不起作用，无诊断价值。AUC0.5不符合真实状况，在实际中极少出现。两种诊断方法的统计学比较。两种诊断方法的比较时，依据不同的试验设if可采纳以下两种方法：当两种诊断方法分别在不同受试者身上进行时，采纳成组比较法。假如两种诊断方法在同一受试者身上进行时，采纳配对比较法.ROC曲线的优点该方法简洁、直观，通过图示可视察分析方法的临床精确性，并可用肉眼作出推断。RoC曲线招灵敏度与特异

5、性以图示方法结合在起，可精确反映某分析方法特异性和敏感性的关系,是试验精确性的综合代表.RoC曲线不固定分类界值，允许中间状态存在，利丁运用者结合专业学问，权衡漏诊与误诊的影响，选择一更佳截断点作为诊断参考值。供应不同试脸之间在共同标尺卜.的直观的比较.ROC曲线越凸越近左上角表明其诊断价值越大，利于不同指标间的比较。曲线下面积可评价诊断精确性。SPSS软件实现ROC分析操作步骤如E：1 .定义列变量，并输入数据(1)诊断分类值或检测结果(test)：多个诊断试验则定义IeSt1.tCSt2,.(2)金标准类别(group)：1=病例组，O=比照组(3)分类频数(freq),须进一步执行其次步

6、2 .说明频数变量路径:DatdWeightCase.选项：Wei&hicaseb、,填我:FreqencyVariable(freq)3 .ROC分析：路径：GrahpsXRocCurve.填表：TestVariabIe(Iest).StateVariable(group).Valueofstatevariable,选项包括:(Display)RoCCurve,withdiagonalreferenceline(机会线)Standarderrorandconfidenceinterval(面枳的标准误，及其可信区间)CwrdinatepointsoftheRoCCUrVe(ROC曲线的坐标点)Options：testdirection(假如检测值小划归为阳性，则须要选)Cofidencelevel(%)：须要除95%以外的可信度，可在此定义。假如是连嫔型流量资料，则不须要第1步的(3)及第2步.