肿瘤标志物诊断价值的ROC分析：AUC与最佳截断值.docxVIP

肿瘤标志物诊断价值的ROC曲线分析

1案例背景

受试者工作特征曲线（ReceiverOperatingCharacteristicCurve,ROC曲线）是医学诊断试验中评估分类器判别能力的标准方法。ROC曲线以1-特异度（假阳性率）为横轴、敏感度（真阳性率）为纵轴绘制，曲线下面积（AUC）综合反映了诊断指标在所有可能界值下的总体判别能力。AUC越接近1，诊断价值越高；AUC=0.5表示无判别能力。本研究以200例临床样本为基础（良性100例、恶性100例），以三种肿瘤标志物（A、B、C）及联合诊断为待评估指标，以病理金标准为参照，借助SPSSAU在线数据分析平台完成ROC曲线分析，旨在评估各标志物单独及联合诊断的判别效能，并确定最佳诊断界值。

2分析结果

在SPSSAU【可视化】模块选择【Roc曲线】，将变量拖拽至右侧对应分析框，操作如下图：

2.1分析样本与AUC汇总

表1展示了分析样本的基本情况。在200例样本中，阳性（恶性）100例（50.00%），阴性（良性）100例（50.00%），两类比例均衡，有利于ROC分析的稳健估计。

表1分析样本处理

表2报告了各诊断指标的AUC汇总结果。联合诊断的AUC为1.000（SE=0.000，p0.001，95%CI[0.999,1.000]），达到完美判别水平。肿瘤标志物A的AUC为0.996（SE=0.002，