实验中ROC曲线的绘制方法

　1、ROC曲线

　　ROC曲线(receiver operator characteeristic curve)又称受试者工作特征曲线,在诊断性试验中,用于正常值临界点的选择,对临床实验室工作尤为重要.

　　诊断资料可以按资料的等级或性质归纳成2X2表(四格表)或行列表。一般地说，如果诊断资料本身为二值变量，即诊断的结果为阳性和阴性，则归纳成四格表最合理。如果诊断资料为等级或连续变量，归纳成四格表就会造成信息的浪费，所以，最好将资料归纳成行列表，这样可以最大限度地利用信息。

　　如果诊断实验的资料为连续变量，可以将资料按一定的等级分级，归纳成行列表进行分析。

　　像这样的行列表，我们可以将其分割成表3形式的四格表，分别计算各指标，计算的结果见下表。

　　由表上表可见，灵敏度和假阳性率随界值的降低而生高，但特异度则随界值的降低而降低。根据这样的关系，我们可以用假阳性率为横坐标，灵敏度为纵坐标做ROC曲线，见下图。

　　曲线左上角灵敏度是1.0(100%)，假阳性率是0，即所有的病人全部被确诊，所有无病者都不会误诊。距左上角距离越近的曲线实验效果越好;

　　在ROC曲线上，靠坐上角距离最近的界点作为界值最好。(Q：为什么?)

　　在左上角处(灵敏度+特异度)/2的值最大，可以根据此及实际工作的需要来确定具体诊断实验的界值。

　　用ROC曲线可以比较不同诊断实验的优劣(Q：解释理由)。

　　2、似然比的临床应用

　　似然比(likelihood ratio)是诊断试验综合评价的理想指标,它综合了敏感度与特异度的临床意义,而且可依据试验结果的阳性或阴性,计算患病的概率,便于在诊断试验检测后,更确切地对患者作出诊断。

　　真阳性率越高,则阳性似然比越大。