文档介绍：如何写出高质量的ROC分析文章
一、ROC分析的基础。
       检验医学的论文大题可以分为两类,一类是方法学论文,主要是质量控制,方法学评价,对比等,另一类就是实验室指标的应用,使用指标诊断疾病,观察指标与疾病预后和病理分期的关系等。ROC分析的文章就属于后者,其目的主要是评价某指标对某种疾病的诊断意义。如“AFP在肝癌诊断中的作用”,“CEA,NSE联合诊断肺癌”等。
       众所周知,用单一实验室指标去诊断疾病,单独提高敏感性必然会降低特异性,反之亦然;换句话说,减少误诊必然增加漏诊。比如,某医师欲采用AFP诊断肝癌,该医师制定的诊断标准是AFP大于10mmol/L,显然按照此标准诊断肝癌,具有很高的敏感性,是不会漏诊肝癌的的,因为几乎所有的肝癌患者AFP都大于10 mmol/L。但是另一方面,依据此标准却容易造成误诊,因为AFP大于10 mmol/L的病人中,除了肝癌还有肝炎和肝硬化等肝脏疾病。该医师意识到这个问题后,将肝癌诊断标准从10 mmol/L提高到1000 mmol/L,并以此作为诊断肝癌的标准,显然,以此为标准,自然是不会误诊病人,因为AFP大于1000 mmol/L几乎就可以肯定是肝癌了。但是另一方面,却增加了漏诊,因为不是所有的肝癌患者AFP都大于1000 mmol/L的。由此可见,漏诊和误诊之间是相互矛盾的,减少误诊必然以增加漏诊为代价,减少漏诊又必然以增加误诊为代价,敏感性与特异性始终是鱼与熊掌不可兼得的矛盾。
       那么该如何协调灵敏度和特异性呢?最好的方法就是做ROC分析(注意:ROC只是针对计量指标)。将病例组和与之难以鉴别诊断的疾病放在一起,采用需要研究的指标去诊断疾病,以1-特异度为横坐标,敏感性为纵坐标。观察指标变化时,敏感性与特异性的关系,绘制ROC曲线(具体程序都有SPSS完成)。然后根据曲线的结果对指标进行判断。
       ROC 有什么用途呢?大体上说,主要有以下几种用途:1,判断单一指标的诊断效力,曲线下面积越大,指标的诊断效力越大;2,比较不同指标的诊断效力。
二、如何设计一个高质量的ROC分析
  样本例数的估计
       大部分研究,在开展之前,一定要进行样本数的估计,样本量太少,统计效率低下,容易犯2类错误。样本量太高,不仅造成经济上的浪费,还增加了很多不可控制的因素,降低了实验质量。国内部分医务人员单纯认为样本量越大,研究结果越可靠,这是片面的。实际上,个人认为,一般研究,把样本量控制在最小估计样本量的上限再加20%就可以了(主要是在前瞻性的研究中防止脱落)。
  对照组和实验组的设置
       一个实验室指标,不仅要强调其敏感性,还要强调其特异性,对照组的设置主要是为了体现指标的特异性,即鉴别诊断的能力。基于此,对照组的设置应该是和疾病组症状相似,如果不采用实验室诊断指标是很难进行鉴别的疾病。比如肝硬化和肝癌。国内部分文章,在设立对照组时加入了健康人群组,这是不科学的。因为健康人群和有疾病的人群通过症状体征基本就能鉴别,何需实验室指标。当然,如果一个指标是很新颖的指标,或者无症状疾病的诊断(这类疾病很少),在首次或者最初的研究中可以加入健康对照组,以观察疾病组和健康对照组之间是否具有差别,这是可以理解的,但是对于研究有明显症状,