ROC曲线结果解读：AUC面积与Youden指数.docxVIP

ROC曲线分析结果解读

一、方法概述

ROC曲线（ReceiverOperatingCharacteristicCurve，受试者工作特征曲线）是一种用于评价诊断试验判别能力的统计方法，最早起源于第二次世界大战中的雷达信号检测理论，后被广泛应用于医学诊断、流行病学screening以及生物标志物的评价等领域。ROC曲线以1-特异度（假阳性率）为横坐标，以敏感度（真阳性率）为纵坐标，通过改变诊断临界点（Cut-off值），绘制出不同阈值下敏感度与1-特异度的关系曲线，直观反映诊断试验在不同阈值下的判别能力。

ROC曲线下面积（AreaUnderCurve,AUC）是评价诊断效果的核心指标，其取值范围为0.5~1.0。AUC=0.5表示诊断试验完全无判别能力，等同于随机猜测；AUC在0.5~0.7之间表示诊断价值较低；AUC在0.7~0.9之间表示有一定的诊断价值；AUC0.9表示诊断价值较高。AUC越接近1，说明诊断试验的准确性越高。此外，ROC曲线还可以确定最佳诊断界值（Cut-off），即约登指数（YoudenIndex=敏感度+特异度-1）最大值所对应的临界点，该点综合了敏感度和特异度的最优组合。本研究使用SPSSAU软件进行ROC曲线分析，评价各指标及联合诊断对目标变量的诊断价值。

在SPSSAU【可视化】模块选择【Roc曲线】，将变量拖拽至右侧