ROC分析方法概要.docxVIP

ROC分析方法概要 第二章ROC曲线分析概要 本文先介绍了ROC理论的一些基础知识如特异度和灵敏度等，然后简要介绍了非参数ROC分析方法，并建立了ROC模型。最后介绍了ROC曲线及在R软件中的绘制。 2.1 ROC分析的基本要素 ROC分析的基本要素包括真阳性和假阳性也称灵敏度和特异度，以及“金标准” “金标准”划分被测试者的真实状态为对照组和病例组两类。常见的金标准有跟踪随访、活组织检查、尸体解剖、手术探查等。虽然“金标准”没有必要是十全十美的，但“金标准”应与评价的诊断系统无关，而且比要评价的诊断系统更可靠。“金标准”不够完美时，可用采用Bayesian、模糊金标准、EM估计等方法解决。 对按照“金标准”确定的二分类总体，对照组和病例组分别用阴性和阳性表示诊断试验结果。假定总体样本量是N，诊断试验的可能结果总共有四种：被测试者患病且被正确诊断为患病者，被测试者无病且被错误诊断为患病者，被测试者无病且被正确诊断为无病者，被测试者无病且被错误诊断为患病者。我们可以用一个2×2的列联表来表示它们之间的关系。 诊断结果 “金标准” 合 计 患病者 健康者 阳性 a(真阳性) b(假阳性) a+b 阴性 c(假阴性) d(真阴性) c+d 合计 a+c b+d a+b+c+d=N TPR= 在医学研究中，诊断试验准确度指标最常用的是灵敏度与特异度。 灵敏度（sensitivity），也叫真阳率（true positive rate，即TPR）是被测试者患病且被正确诊断为患病者的样本量在阳性总体中占的比例。灵敏度值越大，假阴率越小。据表2-1 其计算公式是：灵敏度(sensitivity) = 真阳率(TPR) = 1 ? 假阴率(FNR)= a 标准误为：SE 特异度（specificity），也叫真阴率（true non-positive rate，即TNPR）， 3．没有表示出假阳性和假阴性错误诊断所占的比例，没有唯一性表示，即使有相同的正确百分率的两个总体，也可能有十分不同的假阳性和假阴性。 基于此，单独计算灵敏度和特异度，以弥补正确率的不足，如果两个指标的值越高，诊断评价效果也就越好，其实不然。在对诊断系统做出比较时，如果单独使用灵敏度与特异度，就会存在很大的不足：这两个指标依赖于诊断阈值（或截断点），改变诊断阈值可以增加诊断的灵敏度，但同时也减少了特异度；反之，如果增加诊断的特异度，则需要以减少灵敏度为代价。 另外，有人提出的Youden 指数、阳性似然比、：真阳率与假阳率之比）和阴性似然比等等。 Youden指数是指真阳性率与假阳性率之差，计算公式为： Youden指数=灵敏度+特异度-1=真阳性率-假阳性率 =TPR-FPR== 其标准误为：SE 阳性似然比（positive likelihood ratio 简写为：LR+）是真阳性率与假阳性率之比，即灵敏度与（1-特异度）的比值，它是ROC曲线某工作点对应的斜率。 阴性似然比（negative likelihood ratio 简写为：LR-）是假阴性率与真阴性率之比，即（1-敏感度）与 特异度的比值。 这些诊断指标综合考虑了灵敏度和特异度，但一个指标只对应于一个诊断阈值。当诊断阈值改变时，会得到不同的指标值，给诊断准确度的比较带来不便。所以一般选择阳性似然比或Youden指数最大者为最佳工作点。在评价整个诊断方法的准确性时用 ROC 分析，当改变诊断阈值时，可同时获得灵敏度和特异度，也就可以获得 TPR 和 FPR 值。ROC 曲线是以 FPR 为横坐标和以 TPR 为纵坐标绘制而成，并且ROC 曲线下的面积大小衡量了诊断系统的判别能力。 2.3 ROC曲线的构建 以假阳性率（FPR）为横坐标、真阳性率（TRP）为纵坐标，形成正方形，在图上将ROC工作点标出，并用线条将这些低昂依序连接起来构建不光滑的ROC曲线。构建光滑的曲线需要交涉对照组和病例组服从于某一分布（如正态分布、Gamma分布等），用曲线拟合技术估计其参数，直接用参数产生曲线。无论资料类型如何，曲线一定通过（0,0）和（1,1）两点，这两个点对应着灵敏度=0，特异度=1和灵敏度=1，特异度=0.理论上诊断实验都有TPR=1，FPR=0。完全无价值的诊断为TPR=FPR,这条线条称为几率线（guessing line 或 chance line），也称为无信息线（line of no information）； ROC曲线对诊断的准确性采用同一尺度直观地体现出来，描述了诊断实验对正反两种状态的判别能力。曲线上每一个点通过改变其诊断阀值（截断点）而得，是灵敏度和特异度的折衷结果。提高诊断标准则产生较低的灵敏度和较高的特异度；降低诊断标准则产生较高的灵敏度和较低的特异度。如果比较两个诊断方法的效果，则较高