為了更全面地評價診斷方法的真實性，必須考慮不同界值下診斷試驗的真實性，這時就需要進行ROC曲線分析。那麼，ROC曲線到底是“何方神聖”呢？

别着急，接下來小編會一一為您進行解讀！

一、受試者工作特征曲線（ROC曲線）

受試者工作特征曲線（receiver operating characteristic curve, ROC curve）表示一個特定的診斷方法對區别特定的患者組與非患者組樣本的檢測性能。表示不同診斷水平的真陽性率對假陽性率的函數關系。

在前面描述的指标中，靈敏度、特異度分别從不同的側面來評價診斷試驗的真實性，而約登指數則被用以對真實性進行綜合評價，但這些指标都與診斷方法的界值選取有關。為了更全面地評價診斷方法的真實性，必須考慮不同界值下診斷試驗的真實性，這時就需要進行ROC曲線分析。

ROC曲線是以試驗的靈敏度為縱坐标（y軸）、以假陽性率（1－特異度）為橫坐标（x軸），橫軸與縱軸長度相等，形成正方形，由不同決策界值産生靈敏度和特異度在坐标上都成為圖中一個點，将這些點連接成線，即為ROC曲線，它通常用于測定值為連續的或等級數據，是表示靈敏度和特異度之間相互關系的一種方法。

其中

分别為患者組和非患者組檢測結果的均數，且患者組高于非患者組。

分别為患者組和非患者組檢測結果的标準差。

根據已知u值計算該u值所對應的标準正态曲線下左側的面積。

非參數法計算公式：

假設對照組有

個觀察值，記為

(j=1,2,

,

)；病例組有

個觀察值，記為

(i=1,2,

,

)。如果觀察值大判歸為病例，根據Wilcoxon Mann-Whitney統計量，ROC曲線下面積(

)就是病例組每個觀察值大于對照組每個觀察值的概率，

六、ROC曲線下面積的可信區間

其中

為

的标準誤，

是兩個随機選擇的病例組觀察值比一個随機選擇的對照組觀察值都将有更大可能劃歸為病例的概率。

是一個随機選擇的病例組觀察值比兩個随機選擇的對照組觀察值将有更大可能劃歸為病例的概率。

七、ROC曲線下面積的假設檢驗

得出的ROC曲線下面積是否與完全随機情況下獲得的

有統計學差異，可近似采用标準正态離差計算檢驗統計量：

八、兩條ROC曲線的比較

可信區間法：

計算兩條曲線AUC差值的可信區間，如果區間包含0，則兩種方法診斷價值的差異無統計學意義；反之則有一種方法的價值更高。

假設檢驗法：

Z檢驗或

檢驗。P值大于檢驗水準（0.05），則兩種方法診斷價值差異無統計學意義；P值小于檢驗水準（0.05），則有一種方法的價值更高。

對檢查結果的ROC曲線，統計上的變化會含有一定的誤差。因此各ROC曲線的AUC亦有标準誤（SE）的問題。将兩條要進行比較的ROC曲線的“AUC差”除以“差的标準誤”所得的值Z，是呈正态分布的。

其中r為兩比較曲線下面積間的相關系數。

ROC曲線下面積（記為Az）的取值範圍為0.5～1,即完全無價值的診斷Az=0.5，完全理想的診斷Az=1。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!