在诊断性研究中，我们通常使用的评价指标包括灵敏度、一致性、特异度、受试者工作特征曲线 (receiver operating characteristic，ROC)曲线等。今天我们将和大家分享的内容就是ROC曲线的绘制与解读。

一、关于ROC曲线

ROC曲线就是对于可能或将会存在混淆的两种条件或自然状态，需要试验人员 、专业的诊断专家以及预测工作者作出精细判别，或者准确决策的一种定量方法。其本质就是动态分析 、比较不同诊断试验在多个诊断界值条件下, 对应的灵敏度-特异度曲线的差异。

对于非二分类的诊断结果 （Y），我们通过选择一个临界值 C（cut-off值）进行二分类，并定义 Y ≥C为阳性结果 。而ROC 曲线就是在所有可能的临界值范围内运用这个原理将真阳性率和假阳性率联系起来的一种统计方法。

二、ROC曲线的绘制

目前，有很多软件都可以绘制ROC曲线，主要包括GraphPad Prism、 SPSS、Sigmaplot等。下面我们用SPSS和Sigmaplot为例简单说明ROC曲线的绘制。

1.用SPSS绘制ROC曲线

1）首先打开软件，选择Graphs/ROCCurve，并输入数据。

2）在Test Variable 选项框内选需要分析的自变量。

3）在State Variable 选项框内选需要分析的应变量，Value of State variable 中纳入需要比较的自变量赋值。

1. 在Display选项内全选，然后点击OK即可生成ROC曲线。

2.用Sigmaplot绘制ROC曲线

首先录入数据，然后点击菜单上的ToolBox，之后选择ROC Curves这个选项。点击ROC Curve，系统会弹出一个菜单，我们需要对选择疾病进行定义，以及选择需要评价哪些试验？一般在输入数据时我们定义1为疾病，0为对照，假定疾病组的变量水平都是高于对照组的，因此我们选额Positive state是1，且Positive direction为High的选项。之后选择待评价的试验。我们只要直接选中Available Data Sets中的待评价的变量（如某抗血管生成药物对老年黄斑变性患者视力的改善），通过Add按钮将其移至右侧的Selected Data Sets。完成这些设置以后直接点击OK即可自动生成ROC曲线。

三、ROC曲线的解读

ROC 曲线下的面积表示诊断系统中阳性和阴性诊断结果分布的重叠程度，也是反映诊断研究价值大小的重要指标。面积如果越凸就说明诊断试验的诊断价值越高，反过来则说明诊断研究的诊断价值不高。因此，我们可以通过比较曲线下面积的大小来评价不同诊断试验。同时，可根据曲线拐点选取理论上最合适的临界值，使试验的灵敏度和特异度达到最优。

总而言之，ROC曲线是诊断性试验的一项非常重要的检测指标，正确了解ROC曲线的意义，并熟悉ROC曲线所表示的统计学结果，对我们正确开展诊断性试验有很大的帮助。同时，可通过多种软件进行ROC曲线的绘制，我们在应用时可结合个人喜好及现实情况而定。

版权声明：本网站所有注明来源“医微客”的文字、图片和音视频资料，版权均属于医微客所有，非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源：”医微客”。本网所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，转载仅作观点分享，版权归原作者所有。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。 本站拥有对此声明的最终解释权。