ROC分析方法概要整理.pdf

第二章 ROC 曲线分析概要 本文先介绍了ROC理论的一些基础知识如特异度和灵敏度等，然后简要介绍 了非参数ROC分析方法，并建立了ROC模型。最后介绍了ROC曲线及在R软件中的绘 制。 2.1 ROC 分析的基本要素 ROC分析的基本要素包括真阳性和假阳性也称灵敏度和特异度，以及“金标 准” “金标准”划分被测试者的真实状态为对照组和病例组两类。常见的金标准 有跟踪随访、活组织检查、尸体解剖、手术探查等。虽然“金标准”没有必要是 十全十美的，但“金标准”应与评价的诊断系统无关，而且比要评价的诊断系统 更可靠。 “金标准”不够完美时，可用采用Bayesian、模糊金标准、EM估计等方 法解决。 对按照“金标准”确定的二分类总体，对照组和病例组分别用阴性和阳性表 示诊断试验结果。假定总体样本量是N，诊断试验的可能结果总共有四种：被测 试者患病且被正确诊断为患病者，被测试者无病且被错误诊断为患病者，被测试 者无病且被正确诊断为无病者，被测试者无病且被错误诊断为患病者。我们可以 用一个2×2的列联表来表示它们之间的关系。 “金标准” 诊断结果 合 计 患病者 健康者 阳性 a(真阳性) b(假阳性) a+b 阴性 c(假阴性) d(真阴性) c+d 合计 a+c b+d a+b+c+d=N a b TPR = FPR = a + c b + d 在医学研究中，诊断试验准确度指标最常用的是灵敏度与特异度。 灵敏度（sensitivity），也叫真阳率（true positive rate，即TPR）是被 测试者患病且被正确诊断为患病者的样本量在阳性总体中占的比例。灵敏度值越 大，假阴率越小。据表2-1 其计算公式是：灵敏度 (sensitivity) = 真阳率(TPR) = 1 − 假阴率 (FNR)= a a+c 标准误为：SETPR = √ac/(a + c)3 特异度（specificity），也叫真阴率（true non-positive rate，即TNPR）， 1 是受试者无病且被正确诊断为无病者的样本量占阴性总体的比例。 假阳率（false positive rate，即FPR） = 1−特异度 特异度值越大，假阳率越小。据表2-1 其计算公式是： 特异度 (specificity) =真阴率(TNPR) = 1−假阳率 (FPR) = d b+d 标准误为：SEFPR = √bd/(b + d)3 假设二分类总体均服从正态分布， TPR、FPR、TNPR 和FNPR之间的关系可以 用图2-1来描述。图中 x = c 为截断点（诊断阈值）， α为假阳率（FPR），β 为假阴率（FNPR）。 2.2 ROC 准确性评价指标的优越性 诊断试验的准确性评价指标有正确率、灵敏度和特异度等。它们虽然都可以 反映诊断的准确性，但评价的效果不是很理想。 正确率是被测试者被正确诊断的例数和所占总体的百分数。其计算公式是：