SPSS：ROC曲线分析过程及结果解读

　　SPSS：ROC曲线分析过程及结果解读

　　一、ROC曲线的概念

　　受试者工作特征曲线(receiver operator characteristic curve, ROC曲线)，最初用于评价雷达性能，又称为接收者操作特性曲线。ROC曲线是以真阳性率(灵敏度)为纵坐标，假阳性率(1-特异度)为横坐标绘制的曲线。

　　其自变量(检验项目)一般为连续性变量，因变量(金标准)一般为二分类变量。

　　二、ROC曲线的主要作用

　　1.ROC曲线能很容易地查出任意界限值时的对疾病的识别能力。

　　2.选择最佳的诊断界限值。

　　3.两种或两种以上不同诊断试验对疾病识别能力的比较。在对同一种疾病的两种或两种以上诊断方法进行比较时，可将各试验的ROC曲线绘制到同一坐标中，以直观地鉴别优劣，靠近左上角的ROC曲线所代表的受试者工作最准确。亦可通过分别计算各个试验的ROC曲线下的面积(AUC)进行比较，哪一种试验的AUC最大，则哪一种试验的诊断价值最佳。

　　三、实例操作

　　腺苷脱氨酶(ADA)对结核性浆膜腔积液的鉴别有很好的意义。一项研究选择了40例腹水患者，其中确诊结核性腹水20例，肿瘤性性腹水20例，测定腹水ADA，研究目的是确定ADA诊断结核的界值。

　　数据变量如下：

　　group：1为结核，2为肿瘤

　　ADA：为腹水ADA值，连续变量

　　变量视图：

　　选择菜单：

　　进入主对话框，设置如下：

　　点击确定输出结果。

　　四、结果解读

　　这就是ROC曲线，对角线为参考线。双击图标可进入编辑状态。

　　这是对ROC曲线下面积的检验，曲线下面积为0.792，P=0.002，有统计学意义，说明ADA对结核的诊断有意义。曲线下面积越大，说明该项检验的诊断效能越大。

　　这是曲线的坐标点，以及相应的敏感性，1-特异性。

　　如何确定最佳界值：

　　除非特别指明，最佳界值的确定常用“尤登指数”，即敏感性+特异性-1，该指数值的取最大值处就是最佳的界值。

　　利用上表“曲线的坐标”，可以求得各个坐标点敏感性+特异性-1的值，其最大值对应的就是最佳界值。