大家好,欢迎来到IT知识分享网。
在诊断实验和预测模型的临床效能评价中,我们常常用到ROC曲线分析。在SPSS中绘制ROC曲线操作比较简单,但如果将多个指标的ROC曲线绘制在同一个图中,有时候会碰到有些指标的ROC曲线在对角线上面,一些在对角线下面,面对这样的问题,该如何解决?
如下图这样:指标1的ROC曲线在对角线下方,相应的AUC仅为0.210。
一、如何将指标1的ROC曲线调整到对角线上方
一般而言,我们将指标数值越大,越可能是病例组的指标称为“大优指标”,如上图中的指标2。反之,“小优指标”表示数值越小,越可能是病例组,如上图中的指标1。说白了就是病例组的指标2大于对照组,指标1小于对照组。
如果是单指标的ROC曲线,我们可以改变检验方向——勾选“较小的检验结果表示更加肯定的检验”来将指标1的曲线调整到对角线的上方,但这样设置以后指标2又跑到对角线下面了。
1.取倒数法
计算新变量:指标1倒数=1/指标1,然后与指标2同时绘制ROC曲线。
这样两个指标的曲线都在对角线上方了,AUC分别为0.790和0.833。
2.固定值-指标法
同样的方法还有找差值法,指标1差值=固定数-指标1,这里的固定数应大于指标1的最大值,我们选择100。然后同时将指标1差值和指标2绘制在一张图上,AUC分别为0.790和0.833。
3.logistic回归法
分析——回归——二元logistic回归法
在保存选项里勾选概率(P),然后再利用新生成的预测概率(PRE_1)绘制ROC曲线。如下图
会发现,以上三种方法得到的最终结果是一模一样的,AUC均为0.790(95%CI:0.674~0.906)。
二、大小优指标同时存在时,如何找cut-off值?
确定cut-off值时,我们一般将SPSS结果复制到excel中,计算kappa值=敏感度-1-特异度即可,然后筛选-排序即可得出。大优指标正常操作即可,但小优指标则需要用预测概率或者差值或者倒数,再找到指标1的原始结果。当然还有更简单的办法,就是单独做一次小优指标ROC曲线分析,也可以直接得出具体cut-off值。
三、大小优指标同时存在时,如何进行Delong检验?
我们知道两个指标的ROC曲线分析结果对比是否有统计学意义,看谁的诊断价值更大,不能单从AUC的数值大小来看,还要进行Delong检验。
如果直接将大小优指标进行检验,结果显示P=0.000,差异有统计学意义;但将小优指标进行转换后再检验,P=0.624,差异无统计学意义。
所以,在进行Delong检验时,也需要将小优指标进行上述转化,使其多个指标的ROC曲线均在对角线上方,这样才有比较意义。
各位小伙伴有疑问可以在评论区留言,若需联系可扫码添加:
免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/96192.html