ROC分析方法概要.docxVIP

第二章ROC曲线(qūxin)分析概要

本文(bǎnwn)先介绍了ROC理论的一些(yxi基础知识如特异度和灵敏度等，然后简要介绍(jièsha)了非参数ROC分析方法，并建立(jiànl)了ROC模

型。最后介绍了ROC曲线及在R软件中的绘制。

2.1ROC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、含糊金标准、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

在医学研究(yajiu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(truepositiverate,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(zǎngt)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

标准(biāzhn)误为：SErpR=√ac/(a+c)3

特异(tà)度(specificity),也叫真阴率(truenon-positive

rate,即TNPR),是受试者无病且被正确诊断为无病者的样本量占阴性总体的

比例。

假阳率(falsepositiverate,即FPR)=1特异(tày)度

特异度值越大，假阳率越小。据表2-1其计算公式是：

d

b+d特异度(specificity)=真阴率(TNPR)=1假阳率(FPR)=

b+d

标准误为：SEppR=√bd/(b+d)3

假设二分类总体均服从正态分布，TPR、FPR、TNPR和FNPR之间的关系可以用图2-1来描述。图中x=c为截断点(诊断阈值),α为假阳率(FPR),

β为假阴率(FNPR)。

2.2ROC准确性评价(pngjia)指标的优越性

诊断试验的准确性评价指标(zhbia)有正确率、灵敏度和特异度等。它们虽

然都可以

反映诊断的准确性，但评价的效果(xiàguǒ不是很理想。

正确(zhàngquθ率是被测试者被正确诊断的例数和所占总体的百分数。其

计算公式是：

标准(biāzhǔ)误是：SE正确百分率=√(a+d)(b+c)/N3

正确百分率的不足之处：

1.很大程度上依赖患病率。例如，虽然患病率是5%,如果判定所有样本

为健康者，也有可能有95%的正确百分率；

2.受诊断阈值的限制；

3.没有表示出假阳性和假阴性错误诊断所占的比例，没有惟一性表示，

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(或者截断(jěduàn)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。

此外，有人(yǎurú)提出的Youden指数(zhshù、阳性似然比、:真阳率

与假阳率之比)和阴性(yīxìg)似然比等等。

Youden指数(zhshù)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

其标准误为：

(positivelikelihood简写i为：LR+)

(positive

likelihood

简写i为：

LR+)

是真阳性率与假阳性

曲线某工作点对应的斜率之比，即灵敏度与(1-特异度)的比值，它是R