找回密码
 立即注册

QQ登录

只需一步,快速开始

  • QQ空间
  • 回复
  • 收藏

检验医学中常见的统计学问题之:ROC曲线

归去来兮 2021-3-15 127人围观 技术



作者:张鹏 李琦

单位:中国中医科学院西苑医院检验科



受试者工作特征曲线(receiver operating characteristic curve)简称ROC曲线,又称感受性曲线(sensitivity curve),得此名的原因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。



ROC曲线是由二战中的电子工程师和雷达工程师发明的,用来侦测战场上的敌军载具(飞机、船舰),也就是信号检测理论,二战后被引入统计领域,尤其广泛应用于医学统计中,用来做疾病诊断方法的比较。该曲线以假阳性率为横轴,真阳性率为纵轴,受试者在特定刺激条件下由于采用不同的判断标准得出的不同结果画出的曲线。


1、ROC曲线含义


ROC曲线上各点反映的都是相同的感受性,通过对疾病组和参照组的测定结果进行分析,确定测定值的上下限、组距以及截断点,按选择的组距间隔列出累积频数分布表,并分别计算出所有截断点的真阳性率(灵敏度)、特异性和假阳性率(1-特异性),作图绘成ROC曲线。灵敏度(sensitivity),即敏感度,是指筛检方法能将实际有病的人正确地判定为患者的比例。特异度(specificity),是指筛检方法能将实际无病的人正确地判定为非患者的比例。


2、ROC曲线比较方法和适用条件


一般来说,对于两种诊断方法可以有成组比较法和配对比较法,成组比较法是两种诊断方法作用于不同受试者,配对比较法则是针对于同一受试者接受两种不同的诊断方法。ROC曲线适用于二分类别的反映效果或结果的变量。


3、ROC曲线中的统计量


(1)曲线下面积(AUC)


AUC的值来评价诊断效果,其在1.0和0.5之间。当AUC>0.5时,AUC越接近于1,说明诊断效果越好:AUC在 0.5~0.7时,准确性较低;在0.7~0.9时,有一定准确性;AUC在0.9以上时,准确性较高。AUC=0.5时,说明诊断方法完全不起作用,无诊断价值。AUC<0.5不符合真实情况,在实际中极少出现。 


(2)约登指数、灵敏度和特异度


约登指数(Youden Index),也称正确指数,是在假定假阴性(漏诊率)和假阳性(误诊率)的危害性有同等意义时常用的方法,其反映了真正的患者与非患者的总能力。约登指数是灵敏度与特异度的和减去1,约登指数越大说明真实性越大。同时,约登指数最大值对应的检验变量值是该方法的诊断临界值。


4、在SPSS中绘制ROC曲线案例介绍


(1)打开SPSS 软件,输入数据,选择分析—ROC曲线



(2)选取检验指标载脂蛋白A1放入检验变量中,将中医证型放入状态变量中,将痰浊上扰证型赋值为1,阴虚风动证型赋值为0,输出项勾选ROC曲线、带对角参考线、标准误差和置信区间以及ROC曲线的坐标点。



(3)点击确定,得到分析结果。


(4)结果分析


  • 查看ROC曲线,载脂蛋白A1曲线下面积值大于0.5,说明载脂蛋白A1对痰浊上扰证型和阴虚风动证型的鉴别诊断具有一定的参考价值。


  • 继续查看“曲线下面积”表,载脂蛋白A1曲线下面积为0.70,显著性P=0.001<0.05,说明载脂蛋白A1对两中医证型的鉴别具有显著性差异。


  • 计算约登指数


将分析结果中的“曲线的坐标”表复制到Excel中,计算“约登指数”,约登指数=敏感度+特异度-1。载脂蛋白A1的约登指数最大值是0.372,对应载脂蛋白A1是1.155 g/L,可以作为鉴别两中医证型的临界值。



通过以上介绍相信大家对ROC曲线有了一定了解,目前ROC曲线在医学领域统计中被广泛使用,其不仅能够查出任意界限值时的对疾病的识别能力,还能选择最佳的诊断界限值,ROC曲线越靠近左上角,试验的准确性就越高,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。此外还能对两种或两种以上不同诊断试验对疾病识别能力的比较,通过分别计算各个试验的AUC进行比较,AUC最大的试验诊断价值最佳。


来自: 检验科 ,作者张鹏 李琦
我有话说......