区间似然比
| 命令: | 统计 ROC 曲线区间似然比 |
|---|
针对用户定义的数据区间计算似然比（包括 95% 置信区间）。
当检验结果为连续尺度或有序尺度时，如果像 ROC 曲线分析那样为计算灵敏度、特异度和似然比而将数据二分，会丢失有价值的信息。
区间似然比利用了数据中更多的信息，因此可能更有效。
利用似然比，可以由疾病的验前概率计算验后概率。
所需输入
- 变量：选择感兴趣的变量。
- 分类变量：选择表示诊断的二分类变量（0=阴性，1=阳性）。如果数据编码不同，可以使用定义状态工具对数据重新编码。
- 筛选条件：（可选）用于只包含所选个案亚组的筛选条件（例如 AGE>21、SEX="Male"）
定义区间
经过一些计算后，将显示一个新的对话框，其中给出可以修改的数据区间建议。
最多可以定义 12 个区间。对于每个区间，输入下限和上限（包含边界值）。
对于类别较少的分类变量，只输入一个数值、将一个类别定义为一个“区间”可能就足够了。
结果
区间似然比
变量 | TEST_RESULT |
|---|---|
分类变量 | DIAGNOSIS |
区间 | 阳性a | 阴性b | 似然比 | 95% CI |
|---|---|---|---|---|
10 - 20 | 2 | 410 | 0.00706 | 0.00177 至 0.0282 |
20 - 30 | 14 | 241 | 0.0840 | 0.0495 至 0.143 |
30 - 40 | 16 | 132 | 0.175 | 0.105 至 0.291 |
40 - 50 | 23 | 69 | 0.482 | 0.304 至 0.764 |
50 - 60 | 83 | 10 | 12.004 | 6.281 至 22.942 |
60 - 70 | 458 | 0 | ∞ | 82.899 至 ∞ |
总和 | 596 | 862 |
|
|
a DIAGNOSIS = 1
b DIAGNOSIS = 0
  |
对于每个数据区间，程序报告区间内的阳性个案数和阴性个案数，以及相应的似然比及其 95% 置信区间。
利用似然比，可以由疾病的验前比值计算验后比值：
$$ \text{验后比值} = \text{验前比值} \times \text{似然比} $$
$$ \text{验后比值} = \text{验前比值} \times \text{似然比} $$
比值与概率的关系如下：
$$ \text{比值} = \frac {p}{1-p}\ \text{且} \ p=\frac {\text{比值}}{1+\text{比值}} $$
$$ \text{比值} = \frac {p}{1-p}\ \text{且} \ p=\frac {\text{比值}}{1+\text{比值}} $$
利用这些公式，可以由疾病的验前概率计算验后概率。
例如，如果疾病的验前概率为 0.6，则验前比值为 0.6/(1-0.6) = 1.5。对于检验结果落在区间 50-60、相当于似然比 12 的患者，验后比值为 1.5 × 12 = 18。疾病的验后概率为 18/(1+18) = 0.95。
参考文献
- Gardner IA, Greiner M (2006) Receiver-operating characteristic curves and likelihood ratios: improvements over traditional methods for the evaluation and application of veterinary clinical pathology tests. Veterinary Clinical Pathology, 35:8-17.
