新专栏又来了。
ROC曲线是一个非常实用的工具。对于医学研究来说,更是不可缺少。
举个例子。
“针对某种疾病,现有A、B两种公认的诊断方法,你的团队研究出新诊断方法C。自然而然,肯定需要比较A、B、C三种方法,判断到底哪一种对该疾病的诊断更准确?”
此时,ROC曲线就派上用场了。
ROC曲线全称receiver operating characteristic curve,又称作感受性曲线(sensitivity curve)。简单来说,就是曲线上不同的点是对同一信号刺激的反应,只不过是在几种不同的判定标准下所得的结果而已。
按照上面的例子讲。要达到比较A、B、C三种方法诊断的目的,首先你需要在临床上收病例,对照组和患病组(注意,两组人数可以不一致哦,但不可差太多)。然后分别用A、B、C三种方法对每一位入组人员进行诊断,在设定准确的截断值后,可以分别得到A、B、C三种诊断方法对于单个人的敏感度和假阳性率数据。随后采用这些数据绘制ROC曲线图(横坐标为假阳性率,纵坐标为敏感度)。通过比较ROC曲线特征和曲线下面积,就可以比较A、B、C三种诊断方法了。
ROC曲线的使用方法大致就是如此,大家可以根据具体情况类推。ROC曲线的详细解读将放在后面几期中进行。
老规矩,先说怎么绘制单个的ROC曲线图。
(1)打开GraphPad Prism,选择column,然后按如下选择。
(2)以软件自带数据进行示例。选择data后,再选择Analyze,弹框中选择ROC Curve。点击OK。
(3)弹框中如下选择,一般默认即可。置信区间95%,百分比呈现,P值在小数后点4或5位均可。
(4)P值<0.001,说明两组之间有显著差异。曲线下面积AUC为0.9467。
(5)点击左侧的Graph,选择ROC curve: ROC of data A。可以看到曲线已经出来了,但是不太美观,下面对其进行美化。
(6)打双击图中的曲线,在弹窗中如下选择。下面红框中可修改点和曲线的样式、色彩、大小。调整至合适状态即可。(也可取消show symbols,只保留曲线)
(7)打开最终,我们可以得到一个ROC曲线的基本样式。横坐标为假阳性率,纵坐标为敏感度。