文章來源：LinkLab微信公衆号
引言
上一期我們已學習了診斷性試驗的常用評價指标，不難看出，在這些指标中，Sen、Spe、 LR 和 -LR屬于穩定的指标，Acc為相對穩定指标，而PPV和NPV為不穩定指标。今天，就和大夥聊聊另一個綜合評價指标—ROC曲線（receiver operator characteristic curve，ROC）。
正文
ROC曲線
即受試者工作特征曲線，是反映敏感度和特異度連續變量的綜合指标，用作圖法展示兩度之間的關系。
作圖方法
在相關臨床研究報告中，若有一個ROC曲線圖将會給審稿人深刻印象，具體做法是：
試驗結果為計量資料即連續變量，至少計算5個臨界點的指标，以敏感度（真陽性率）為Y軸，1-特異度（假陽性率）為X軸，将各點連成曲線，即ROC曲線。如下圖所示：
ROC曲線作用
1. 正确選擇臨界點（cutoff）
1）上期已經談到，敏感度越高，漏診病例越少，而1-特異度 越低，誤診率越少；
2）在ROC曲線上，想找到一個界值，那就讓兩度值都取得最好的效果，那我們就往圖的左上角尋找；
3）最靠近左上角的那一點為最佳臨界點，點上的值即為最佳臨界值，因為，此點上敏感度與特異度都較高，假陽性與假陰性也最少；
4）即約登指數取得最大值的界值。
約登指數=敏感度 特異度-1
2. AUC用于評估試驗的診斷價值
AUC（area under the ROC curve, AUC）即ROC曲線下面積，AUC越大越好，提示該試驗的診斷價值越高。
1）AUC≈1.0：最理想的檢查指标；
2）AUC在0.7-0.9之間：試驗準确性高；
3）AUC＝0.5：試驗無診斷價值。
一般來說，AUC達到0.9以上才認為是一個準确性很高的診斷試驗，此時的cutoff才有實際意義哦！
3. 用于比較兩種或兩種以上診斷性試驗的診斷價值。
把各試驗的ROC曲線繪制在同一坐标中，可以直觀地比較哪種診斷更有價值，如下圖所示：顯然綠色代表的診斷價值優于藍色診斷，粉色診斷最弱。
預告
那如何報告診斷性臨床研究結果呢？這是我們下期主題，敬請關注哦！
如果這篇文章對您有用，希望您能點擊正文最下方的「訂閱」。想看更多臨床醫療科研的精品文章也可以關注我們的LinkLab
如果您有什麼醫學上的問題，也可以加微信客服号：linkmd,我們會一一為您解答
,
zpostcode 
Recruit 
weather 
mreligion 
Yellowpages 
sport 
constellation 
shopping 
name 
game 
directory 
literature 
Word 
tour 
furnish 
Lottery 
tftnews 
lyrics 
News 
digital 
car 
dir 
Edu 
Finance 
