上一期我们已学习了诊断性试验的常用评价指标,不难看出,在这些指标中,Sen、Spe、+LR和-LR属于稳定的指标,Acc为相对稳定的指标,而PPV和NPV为不稳定的指标。今天,就和大伙聊聊另一个综合评价指标—ROC曲线(receiver operator characteristic curve,ROC)。ROC曲线即受试者工作特征曲线,是反映敏感度和特异度连续变量的综合指标,用作图法展示两度之间的关系。作图方法在相关临床研究报告中,若有一个ROC曲线图将会给审稿人深刻印象,具体做法是:试验结果为计量资料即连续变量,至少计算5个临界点的指标,以敏感度(真阳性率)为Y轴,1-特异度(假阳性率)为X轴,将各点连成曲线,即ROC曲线。如下图所示:1.正确选择临界点(cutoff)1)上期已经谈到,敏感度越高,漏诊病例越少,而1-特异度越低,误诊率越少;2)在ROC曲线上,想找到一个界值,那就让两度值都取得最好的效果,那我们就往图的左上角寻找;3)最靠近左上角的那一点为最佳临界点,点上的值即为最佳临界值,因为,此点上敏感度与特异度都较高,假阳性与假阴性也最少。4)即约登指数取得最大值的界值。约登指数=敏感度+特异度-12.AUC用于评估试验的诊断价值AUC(area under the ROC curve, AUC)即ROC曲线下面积,AUC越大越好,提示该试验的诊断价值越高。1)AUC≈1.0:最理想的检查指标;2)AUC在0.7-0.9之间:试验准确性高;3)AUC=0.5:试验无诊断价值。一般来说,AUC达到0.9以上才认为是一个准确性很高的诊断试验,此时的cutoff才有实际意义哦!3.用于比较两种或两种以上诊断性试验的诊断价值。把各试验的ROC曲线绘制在同一坐标中,可以直观地比较哪种诊断更有价值,如下图所示:显然绿色代表的诊断价值优于蓝色诊断,粉色诊断最弱。预告那如何报告诊断性临床研究结果呢?这是我们下期主题,敬请关注哦!
上一篇：折纸乌鸦_乌鸦怎么折