ROC 曲线下部分面积

命令:

统计

ROC 曲线

ROC 曲线下部分面积

简介

ROC 曲线下部分面积概括了 ROC 曲线在预先规定的感兴趣区间内的部分。该区间可以是特异度区间，也可以是灵敏度区间。

预先规定的特异度区间内的 ROC 曲线下部分面积

预先规定的特异度区间内的部分面积 pAUC 用面积 ABCD 表示。随机模型对应的部分面积为面积 ABgh，完美模型对应的部分面积为面积 ABef。

随机模型的面积 ABgh 为最小 pAUC（$pAUC_{min}$），完美模型的面积 ABef 为最大 pAUC（$pAUC_{max}$）。

部分面积 pAUC 可以解释为预先规定的特异度区间内的平均灵敏度（Zhou et al., 2002）。

预先规定的灵敏度区间内的 ROC 曲线下部分面积

计算预先规定的灵敏度区间内的 ROC 曲线下部分面积时，MedCalc 以右边界（特异度 = 0%，即假阳性率 FPR = 1）为基线。这样计算的 pAUC 也称为水平部分曲线下面积 pAUC_x（Walter, 2005）。

因此，与特异度区间 pAUC 的定义类似，预先规定的灵敏度区间内的部分面积 pAUC 用面积 ABCD 表示。随机模型对应的部分面积为面积 ABgh，完美模型对应的部分面积为面积 ABef。

同样，随机模型的面积 ABgh 为最小 pAUC（$pAUC_{min}$），完美模型的面积 ABef 为最大 pAUC（$pAUC_{max}$）。

部分面积 pAUC 可以解释为预先规定的灵敏度区间内的平均特异度（Zhou et al., 2002）。

方法

MedCalc 使用梯形法则以非参数方式计算 pAUC。

置信区间使用 Bootstrap 法计算（Efron, 1987; Efron & Tibshirani, 1993）。

标准化 pAUC

标准化 pAUC（pAUCs）定义如下（McClish, 1989）：

$$ pAUCs = \frac {1} {2} \left( 1 + \frac {pAUC - pAUC_{min}} { pAUC_{max} - pAUC_{min} } \right) $$

标准化 pAUC（pAUCs）的最大值为 1，最小值为 0.5，因此可以在与整条 ROC 曲线的曲线下面积相同的尺度上考察部分面积。

所需输入

ROC 曲线下部分面积

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。
正确识别阳性个案非常重要。
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"）。
选项：
- 灵敏度区间或特异度区间：选择计算所定义的灵敏度区间还是特异度区间内的 ROC 曲线下部分面积。
- 从和至：感兴趣区间的下限和上限。常用的值为 80%、90% 或 95% 至 100%。
- Bootstrap 置信区间：选择此选项，使用 Bootstrap 法计算 ROC 曲线下部分面积的置信区间（Efron, 1987; Efron & Tibshirani, 1993）。
- 高级：单击此按钮指定 Bootstrap 参数：迭代次数和随机数种子。
- 要在单独的窗口中显示图表，请选择显示 ROC 曲线窗口。

结果 - 特异度区间

显示以下报告：

ROC 曲线下部分面积

变量	TEST1
分类变量	DIAGNOSIS

样本量	100
阳性组 ^a	55 (55.00%)
阴性组 ^b	45 (45.00%)

^a DIAGNOSIS = 1
^b DIAGNOSIS = 0