诊断试验与roc曲线分析-empowerstats.pdf

诊断试验与ROC 曲线分析 目录 一、基本概念 1.诊断试验四格表基本统计基本指标 2. ROC 曲线： 二、实例分析 1）各诊断项目（变量）分别诊断效果分析： 2）诊断模型分析： 3）比较两预测模型： 4）时间依赖的ROC 曲线(Time-dependent ROC)分析 一、基本概念 1. 诊断试验四格表基本统计基本指标 诊断试验 金标准诊断结果 合计 患病（D+） 未患病（D-） 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 N=a+b+c+d 1) 检测患病率(prevalence): 是指被检测的全部对象中，检测出来的患者的比例。即：检 测患病率 = (a+b)/(a+b+c+d) 2) 实际患病率(prevalence): 是指被检测的全部对象中，真正患者的比例。即：实际患病 率 = (a+c)/( a+b+c+d)。实际患病率对被评价的诊断试验也称为验前概率，而预测值 属于验后概率。 3) 敏感性: 敏感性就是指由金标准确诊有病组内所检测出阳性病例数的比率（%）。即本 实验诊断的真阳性率。其敏感性越高，漏诊的机会就越少。即：敏感性= a/( a+c) 4) 特异性: 是指由金标准确诊为无病组内所检测出阴性人数的比率（%），即本诊断实验 的真阴性率。特异性越高，发生误诊的机会就越少。即：特异性= d/(b+d) 5) 诊断准确率: 是指临床诊断检测出的真阳性和真阴性例数之和，占总检测人数的比例， 即称本临床实验诊断的准确性。即：准确性= (a+d)/ (a+b+c+d) 6) 阳性似然比（positive likelihood ratio）: 阳性似然比是指临床诊断检测出的真 阳性率与假阳性率之间的比值，即阳性似然比=敏感性/ （1-特异性）= (a/(a+c))/(b/ (b+d))。可用以描述诊断试验阳性时，患病与不患病的机会比。提示正确判断为阳性的 可能性是错误判断为阳性的可能性的倍数。阳性似然比数值越大，提示能够确诊患有该 病的可能性越大。它不受患病率影响，比起敏感度和特异度更为稳定。 7) 阴性似然比（negative liklihoodratio）: 阴性似然比是指临床实验诊断检测出的假 阴性率与真阴性率之比值，此值越小，说明该诊断方法越好。可用以描述诊断试验阴性 时，患病与不患病的机会比。阴性似然比提示错误判断为阴性的可能性是正确判断为阴 性的可能性的倍数。阴性似然比数值越小，提示能够否定患有该病的可能性越大。阴性 似然比= （1-敏感性）/ 特异性= (c/(a+c))/(d/(b+d)) 8) 诊断比值比（OR）: 阳性似然比与阴性似然比的比值。数值越大，表明诊断试验区分患 者与非患者的能力越大。诊断比值比= (a/(a+c)/(b/(b+d)) / (c/(a+ c) / (d/(b+d))) = (ab)/(cd) 9) 诊断所需检测数(NND): 真阳性率（敏感度）与假阳性率（1-特异度）的差的倒数。诊 断所需检测数, (NND) = 1/(a/(a+c)- b/(b+d)) 10) Yuden 指数: Yuden 指数 = 敏感性+特异性-1 = a/(a+c)+d/(b+d)-1 11) 阳性预测值(postivepredictive value): 又称预测阳性结果的正确率，是指待评价的 诊断试验结果判为阳性例数中，真正患某病的例数所占的比例。即：阳性预测值 = 真 阳性/ （