医学统计学-非参数检验秩和检验资料.ppt

受试者工作特征曲线receiver operating characteristic curve, ROC 1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1 完全无价值的诊断试验其ROC曲线与机会线重合，而ROC曲线越偏离机会线，ROC曲线下面积就越大，则诊断试验的真实性也就越好。 ROC曲线评价方法 以灵敏度和假阳性率为两个轴的取值作的图性； 通常用于测定值为连续或等级数据； 常用于确定最佳临界值，也可用于比较两种和两种以上诊断试验的诊断价值。 以试验灵敏度为y轴，以假阳性率为x轴，由不同决策界值产生图中各个点，采用线段连接图中所有的点，绘制而成的线图。 图中反映了随着灵敏度的增加，假阳性率也随之增加。 ROC曲线的特点 综合了灵敏度和特异度两个指标； 不受患病率的影响； 考虑了所有可能的诊断临界值的影响； 全面客观地评价诊断试验的准确性； 描述了诊断试验区分事件发生与不发生的固有能力。 ROC曲线下的面积 Area Under Curve，简称AUC 以点(0，0)、(1，0)、(0、1)和(1，1)围成的面积做为1或100％。 ROC曲线和X轴围成的面积占总面积的百分比作为曲线面积的估计值。 ROC曲线下面积的取值在0～1之间。 曲线越接近左上角，面积越接近1，说明试验的准确度越高； 越接近对角线，越接近0.5，则说明试验的准确度越差； 一般认为：面积在0.5～0.7之间时诊断价值较低，在0.7～0.9之间时诊断价值中等，在0.9以上时诊断价值较高。 ROC曲线下的面积 最佳诊断界值的确定 ROC曲线上最靠近左上角的点所对应的灵敏度和特异度都是较大的，该点为ROC曲线的正切线与曲线相交的点，常以此点所对应的诊断界值作为最佳诊断界值。 灵敏度+特异度最大的点就是最佳诊断界值。 通过解拟合ROC曲线的方程寻找该点。 Ａ．理想的正常人群与糖尿病病人血糖水平分布 Ｂ．现实的正常人群与糖尿病病人血糖水平分布 采用不同血糖阳性界值所致假阳性和假阴性 病人与非病人某项诊断指标数值分布示意图 ROC分析 ROC分析主要做三件事： 计算ROC曲线下面积及其95%CI 绘制ROC曲线图 寻找截断点（cut off） 【例10】为评价红细胞平均容积（MCV）对缺铁性贫血患者的诊断价值，以100例可疑为缺铁性贫血患者作诊断，并以骨髓诊断作为金标准。将金标准确诊为缺铁性贫血的34例作为病例组，其余66例作为对照组。然后对每组的每一例测量红细胞平均容积（MCV）。 骨髓诊断 (金标准) MCV结果 正常组 60 66 68 69 71 71 73 74 74 74 76 77 77 77 77 78 78 79 79 80 80 81 81 81 82 82 83 83 83 83 83 83 83 84 84 84 84 85 85 86 86 86 87 88 88 88 89 89 89 90 90 91 91 92 93 93 93 94 94 94 94 96 97 98 100 103 异常组 52 58 62 65 67 68 69 71 72 72 73 73 74 75 76 77 77 78 79 80 80 81 81 81 82 83 84 85 85 86 88 88 90 92 SPSS软件操作 第一步：建立变量。 第二步：输入原始数据 第三步：ROC分析（1） 第四步：初步结果 第五步：ROC分析（2） 第六步：结果解读（1） 结果解读：基本的例数描述 第六步：结果解读（2） 结果解读：ROC曲线图 第六步：结果解读（3） 结果解读：ROC曲线下面积大小及统计学意义 ROC曲线下面积的临床意义 小于0.7，表示诊断准确度较低； 0.7~0.9，表示诊断准确度为中等； 大于0.9，表示诊断准确度较高。 第六步：结果解读（4） 结果解读：给出不同截断点的灵敏度和1-特异度大小。 截断点（cut off）的选择 在该截断点下作的诊断： 误诊率与漏诊率之和为最小； 或灵敏度与特异度之和最大。 第七步：寻找截断点（1） 将SPSS结果复制到EXCEL中 第七步：寻找截断点（2） 利用EXCEL的函数功能进行计算（灵敏度+特异度）的值 第七步：寻找截断点（3） 按照（灵敏度+特异度）由大到小排序 第七步：寻找截断点（4） 按照（灵敏度+特异