區間概似比
| 命令: | 統計 ROC 曲線區間概似比 |
|---|
針對使用者定義的資料區間計算概似比（包括 95% 信賴區間）。
當檢定結果為連續尺度或有序尺度時，如果像 ROC 曲線分析那樣為計算敏感度、特異度和概似比而將資料二分，會丟失有價值的資訊。
區間概似比利用了資料中更多的資訊，因此可能更有效。
利用概似比，可以由疾病的驗前機率計算驗後機率。
所需輸入
- 變數：選擇感興趣的變數。
- 類別變數：選擇表示診斷的二類別變數（0=陰性，1=陽性）。如果資料編碼不同，可以使用定義狀態工具對資料重新編碼。
- 篩選條件：（可選）用於只包含所選個案次群組的篩選條件（例如 AGE>21、SEX="Male"）
定義區間
經過一些計算後，將顯示一個新的對話方塊，其中給出可以修改的資料區間建議。
最多可以定義 12 個區間。對於每個區間，輸入下限和上限（包含邊界值）。
對於類別較少的類別變數，只輸入一個數值、將一個類別定義為一個「區間」可能就足夠了。
結果
區間概似比
變數 | TEST_RESULT |
|---|---|
分類變數 | DIAGNOSIS |
間隔 | 陽性a | 陰性b | 概似比 | 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 ∞ |
全部 | 596 | 862 |
|
|
a DIAGNOSIS = 1
b DIAGNOSIS = 0
  |
對於每個資料區間，程式報告區間內的陽性個案數和陰性個案數，以及相應的概似比及其 95% 信賴區間。
利用概似比，可以由疾病的驗前比值計算驗後比值：
$$ \text{驗後比值} = \text{驗前比值} \times \text{概似比} $$
$$ \text{驗後比值} = \text{驗前比值} \times \text{概似比} $$
比值與機率的關係如下：
$$ \text{比值} = \frac {p}{1-p}\ \text{且} \ p=\frac {\text{比值}}{1+\text{比值}} $$
$$ \text{比值} = \frac {p}{1-p}\ \text{且} \ p=\frac {\text{比值}}{1+\text{比值}} $$
利用這些公式，可以由疾病的驗前機率計算驗後機率。
例如，如果疾病的驗前機率為 0.6，則驗前比值為 0.6/(1-0.6) = 1.5。對於檢定結果落在區間 50-60、相當於概似比 12 的患者，驗後比值為 1.5 × 12 = 18。疾病的驗後機率為 18/(1+18) = 0.95。
參考文獻
- 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.
