Roc曲线差异比较，AUC 差异比较与实例分析.docx

一、ROC曲线与AUC简介

ROC曲线(受试者工作特征曲线)在医学研究领域使用非常广泛，主要用于疾病诊断方法的比较。SPSSAU(在线SPSS)平台提供了完整的ROC曲线分析功能。

1.ROC曲线基本概念

ROC曲线使用诊断指标不同阈值下的灵敏度和假阳性率(1-特异性)数据绘制

曲线下面积(AUC)取值范围在0.5～1之间

AUC=0.5：完全没有诊断价值

AUC=1：理想化的诊断

0.5＜AUC≤0.7：诊断价值较低或一般

0.7＜AUC≤0.9：诊断价值中等

AUC＞0.9：诊断价值高

2.最佳阈值确定

通过约登指数计算诊断指标的最佳截断点(cut-off)，约登指数在0～1之间取值越大越好。当约登指数达到最大值时，对应的指标截断点即为最佳阈值，此时诊断指标具有最佳的灵敏度和特异度。

二、AUC差异比较方法

在SPSSAU(网页SPSS)平台中，提供了两种常用的AUC差异比较方法：

1.Delong检验

操作步骤：

在SPSSAU平台【可视化】→【ROC曲线】模块下

勾选【Delong对比】命令选项

3.平台会输出Delongtest结果表

结果解读：根据z值和p值进行差异判断，p0.05说明两个ROC曲线下面积AUC有显著差异；p0.05说明两个AUC无差别。

2.HanleyMcNeil检验

操作步骤：

在SPSSAU平台【ROC曲线】分析结果界面

手动输入两个诊断对应的AUC值及其标准误(SE值)

3.平台将计算z值和p值进行差异判断

结果解读：p0.05说明两个ROC曲线的AUC有显著差异；若p0.05则两个AUC无差别。

三、实例分析

案例背景

某医生对经过金标准诊断的55名患者(病人)、45名正常人分别进行两种诊断试验检查，数据文档见例13-11.xls，尝试进行ROC曲线分析，比较两个诊断指标的诊断性能有无差别。

分析步骤

Delong检验结果

解读：test1与test2AUC的差值为0.2679(0.947减去0.679)，z=4.6415，p0.05。说明两个诊断试验指标的AUC差异具有统计学意义。test1AUC高于test2AUC，即第一个诊断指标诊断准确性高于第二个指标

HanleyMcNeil检验结果

解读：z=4.6063，p0.05，两个诊断试验指标的AUC差异具有统计学意义，结果与Delong检验一致。

四、方法选择建议

Delong检验：适用于原始数据可获取的情况，是更常用的方法

HanleyMcNeil检验：适用于仅知道AUC值和标准误的情况

SPSSAU(在线SPSS)平台同时提供这两种方法，研究者可根据数据情况选择合适的方法进行AUC差异比较。