ROC曲线在临床实践中的应用.doc

文档介绍：ROC曲线在临床实践中的应用董小小通信作者:罗明奎**********E-mail:lmk1053@,魏歆1,罗明奎2第三军医大学学员旅九队,重庆400038)第三军医大学数学教研室,重庆400038)摘要:目的:阐明两相关诊断试验的评价及比较的方法,为新的诊断试验的临床应用提供科学依据。方法:根据试验样本量的多少,选择双正态参数法或非参数法来估计曲线下面积,通过曲线下面积的比较,即可对不同试验方法的诊断价值进行比较。同时,结合Meta分析合并同类试验结果的中心思想,可以利用ROC曲线对同一类型的试验进行合并,即为SROC曲线。结果:当样本量少于200时,建议使用参数法进行曲线下面积的估计,样本量大于200时两种方法均可。结论:ROC曲线下面积可以有效地对两诊断试验进行评价和比较。关键词:ROC曲线;曲线下面积估计;诊断试验;SROC曲线中图分类号:urvesinclinicalpracticeDONGXiao-Xiao1,WEIXin1,LUOMing-kui2,(,ThirdMilitaryMedicalUniversity,Chongqing400038,China)(,ThirdMilitaryMedicalUniversity,Chongqing400038,China)【Abstract】,selectpairsofnormalparametersornon-,-analysisofthecentralideaof​​themergerofsimilarresults,urvetomergethesametypeoftest,thatis,,,.【Keywords】urves;urves;Diagnostictest;urves一、ROC曲线的介绍临床医疗包括诊断和治疗两个方面,医生对疾病作出准确的诊断,毫无疑问对疾病的正确治疗有帮助。一个试验的诊断准确度有多大?多个试验中,哪一个试验的诊断准确度更高?如何进行诊断试验准确度的研究?这些问题的解决对于寻找最佳的医学诊断证据、指导临床诊治决策有至关重要的作用。诊断准确度的两个基本指标是灵敏度和特异度。灵敏度(sensitivity,Se)是真实情况为有病时,试验发现疾病的能力,也称为真阳性率。特异度(specificity,Sp)是真实情况为无病时,试验排除疾病的能力,即真阴性率。灵敏度和特异度为固有诊断准确度指标,它们不受患病率影响,即通过研究样本获得的灵敏度和特异度也可用于其他具有不同患病率的人群。但是这两个指标依赖于决策界值。而决策界值的选择,依赖于诊断医师的主观判断。例如,对于同样的影像学检查,不同的影像医师会根据自己的经验,使用不同的决策界值进行判断。所以,仅仅用一组灵敏度和特异度去评价诊断的精确度是不恰当的。为克服这一缺陷,1971年Lusted描述了如何将心理物理学上常用的受试者工作特性(receiveroperatingcharacteristic,ROC)曲线方法用于医学决策[1]。《美国生物统计百科全书》中关于ROC的定义是:对于可能或将会存在混淆的两种条件或自然状态,需要试验者、专业诊断学工作者以及预测工作者做出精细判别,或者准确决策的一种定量方法[2]。它源于信号探测理论,最早用于描述信号和噪音之间的关系,并用来比较不同的雷达之间的性能差异[3]。该方法包括了所有决策界值,能够更加客观地评价诊断试验的诊断价值。目前,ROC分析已成为临床科研文献中应用最广泛的统计方法[4],是国际公认的比较、评价2种或2种以上影像诊断方法效能差异性的客观标准[5]。本文就ROC曲线的做法、曲线下面积估