本文字15图，预计阅读需11分钟.
ROC(ReceiverOperatingCharacteristiccurves)的定义是:“对于可能或将会存在混淆的两种条件或自然状态,需要试验者、专业诊断学工作者以及预测工作者作出精细判别,或者准确决策的一种定量方法。”
年Lusted首先将ROC分析应用于医学诊断，随后经大量学者的研究、实践，目前ROC分析已成为广泛应用于临床诊疗和人群筛检研究的一种统计方法。它结合灵敏度和特异度对诊断试验进行综合评价,根据曲线的形状和面积对诊断试验作定量分析。
ROC曲线应用1.临床诊断实验与评价临床诊断实验涉及面广，包括病因和病原学诊断，疾病病理和功能损害诊断，疗效判断，药物*副作用监测、疾病预后判断等，ROC曲线分析用于诊断准确性评价具有独特优点，目前被公认为衡量诊断信息和诊断决策质量的最佳工具。下面两篇文献应用ROC曲线评价某些指标对疾病诊断的价值。
2.资料类型转换疾病影响因素分析和预测研究的Logistic回归模型、生存和预后分析的Cox回归模型中我们可能需要确定某些代谢、免疫、炎症等指标的临界值或者截断点，依据截断点将连续型定量资料转换为分类变量，在Logistic回归和Cox回归中，连续变量可以作为自变量纳入模型，但是该指标+1所导致的结局OR值与增加前相比，影响很小，实际意义不大。
部分文献依据指标值的参考范围或者四分位间距将其转换为分类变量，进行单因素卡方检验或者回归分析，遇到NLR(中性粒细胞与淋巴细胞比值)、PLR(血小板与淋巴细胞比值)等研究指标值，无法得知参考范围，我们可采用ROC曲线获取cutoff值，进行变量转换。
下面两篇文献，采用ROC曲线确定指标最佳cutoff值，然后将指标转换为分类变量，纳入回归分析或卡方分析。
ROC曲线分析步骤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不符合真实情况，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。
数据来源孙振球主编《医学统计学》第4版，例37-6为评价红细胞平均容积(MCV)对缺铁性贫血患者的诊断价值，以例可疑为缺铁性贫血患者做诊断，并以骨髓诊断作为金标准。将金标准确诊为缺铁性贫血的34例作为病例组，其余66例作为对照组。然后对每组的每一例测量红细胞容积(MCV)，试着确定截断点。
SPSS操作步骤Step1:分析—ROC曲线。
Step2:检验变量（填入MCV，待分析指标）—状态变量（选择分组）—状态变量值（对应的为阳性结果，这里选择2，异常组，如果这里选反了曲线会偏向右下方）—选项（设定阳性诊断结果的方向）。
结果图1为ROC曲线，如果曲线偏向右下角，检查“状态变量"和"选项"是否选择不当。
曲线下面积为0.，表明MCV对缺铁性贫血具有一定诊断价值。如果曲线下面积大于0.9，表明诊断准确性较高。如果需要对多个指标曲线下面积检验，可在Medcalc或者R语言中完成。
曲线坐标表可用来计算约登指数（Youden）以确定最佳诊断界值，约登指数=敏感度+特异度-1，我们可以将曲线坐标复制到excel中完成。
根据约登指数计算公式，本例中最大约登指数为0.，对应的最佳诊断界值为81.5。
也可以以1-特异度为横坐标，以敏感度为纵坐标在excel中绘制ROC曲线。
参考文献：
1.孙振球.医学统计学[M].第4版，北京：人民卫生出版社，.
2.邹莉玲,等.ROC曲线在医学诊断中的应用与进展[J].东南大学学报(医学版),,22(1):67-70.
3.百度百科.ROC曲线，-5-13.
预览时标签不可点收录于话题#个上一篇下一篇