roc概念软件学习曲线.pdfVIP

ROC曲线的概念

ROC曲线是根据一系列不同的二分类方式（分界值或决定阈），以真阳性率（灵

敏度）为纵坐标，假阳性率（1-特异度）为横坐标绘制的曲线。传统的诊断试验评价

方法有一个共同的特点，必须将试验结果分为两类，再进行统计分析。ROC曲线的评

价方法与传统的评价方法不同，无须此限制，而是根据实际情况，允许有中间状态，

可以把试验结果划分为多个有序分类，如正常、大致正常、可疑、大致异常和异常五

个等级再进行统计分析。因此，ROC曲线评价方法适用的范围更为广泛。

ROC曲线的主要作用

1.ROC曲线能很容易地查出任意界限值时的对疾病的识别能力。

2.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，其假阳性和假的总数最少。

3.两种或两种以上不同诊断试验对疾病识别能力的比较。在对同一种疾病的两种

或两种以上诊断方法进行比较时，可将各试验的ROC曲线绘制到同一坐标中，以直观

地鉴别优劣，靠近左上角的ROC曲线所代表的受试者工作最准确。亦可通过分别计算

各个试验的ROC曲线下的面积(AUC)进行比较，哪一种试验的AUC最大，则哪一种试

验的诊断价值最佳。

ROC曲线分析的主要步骤

1.ROC曲线绘制。依据专业知识，对疾病组和参照组测定结果进行分析，确定测定

值的上下限、组距以及截断点（cut-offpoint），按选择的组距间隔列出累积频数

分布表，分别计算出所有截断点的敏感性、特异性和假阳性率（1-特异性）。以敏感

性为纵坐标代表真阳性率，（1-特异性）为横坐标代表假阳性率，作图绘成ROC曲

线。

2.ROC曲线评价统计量计算。ROC曲线下的面积值在1.0和0.5之间。在AUC0.5

的情况下，AUC越接近于1，说明诊断效果越好。AUC在0.5～0.7时有较低准确性，

AUC在0.7～0.9时有一定准确性，AUC在0.9以上时有较高准确性。AUC=0.5时，说

明诊断方法完全不起作用，无诊断价值。AUC0.5不符合情况，在实际中极少出

现。

3.两种诊断方法的统计学比较。两种诊断方法的比较时，根据不同的试验设计可

采用以下两种方法：①当两种诊断方法分别在不同受试者身上进行时，采用成组比较

法。②如果两种诊断方法在同一受试者身上进行时，采用配对比较法。

ROC曲线的优点

该方法简单、直观，通过图示可观察分析方法的临床准确性，并可用肉眼作出判

断。ROC曲线将灵敏度与特异性以图示方法结合在一起，可准确反映某分析方法特异性

和敏感性的关系，是试验准确性的综合代表。ROC曲线不固定分类界值，允许中间状

态存在，利于使用者结合专业知识，权衡漏诊与误诊的影响，选择一更佳截断点作

为诊断参考值。提供不同试验之间在共同标尺下的直观的比较,ROC曲线越凸越近左

上角表明其诊断价值越大，利于不同指标间的比较。曲线下面积可评价诊断准确性。

ROC曲线的意义

ROC曲线指受试者工作特征曲线(receiveroperatingcharacteristiccurve),

是反映敏感性和特异性连续变量的综合指标,是用构图法揭示敏感性和特异性的相互

关系，它通过将连续变量设定出多个不同的临界值，从而计算出一系列敏感性和特异

性，再以敏感性为纵坐标、（1-特异性）为横坐标绘制成曲线，曲线下面积越大，诊

断准确性越高。在ROC曲线上，最靠近坐标图左上方的点为敏感性和特异性均较高的临

界值。

ROC曲线的绘制

ROC曲线的具体绘制实例：1983）曾做过这样一个实验：选图画页500

页，分成五个组，每组100张。五组画页的先定概率分别是0.1、0.3、0.5、