医学论文roc曲线的意义

ROC曲线指受试者工作特征曲线(receiver operating characteristic curve), 是反映敏感性和特异性连续变量的综合指标,是用构图法揭示敏感性和特异性的相互关系，它通过将连续变量设定出多个不同的临界值，从而计算出一系列敏感性和特异性，再以敏感性为纵坐标、（1-特异性）为横坐标绘制成曲线，曲线下面积越大，诊断准确性越高。在ROC曲线上，最靠近坐标图左上方的点为敏感性和特异性均较高的临界值。

ROC是英文receiveroperatingcharacteristic的缩写，其原意是接收机工作特征，最初应用于通讯学领域。ROC曲线用于描绘某种检验的灵敏度与特异性的关系，其中涉及到的几个概念有：①真阳性(TP)，即有病检查为阳性；②假阴性(FN)，有病但检查为阴性；③假阳性(FP)，无病但检查为阳性；④真阴性(TN)，无病检查为阴性。灵敏度＝TP/(TP+FN)特异性=TN/(FP+TN)ROC曲线是以假阳性率(falsepositiverate，FPR)或1-特异性为横座标，以真阳性率(truepositiverate，TPR)或灵敏度为纵坐标，对应于一系列分界值(或决定阈)所构成的曲线。ROC曲线的含义主要包括以下四方面的内容：(1)ROC曲线图上的每一点都代表某一分界值的特异性和灵敏度，由一系列的分界值(或决定阈)构成ROC曲线。(2)理想的ROC曲线图是真阳性率为或100%；假阳性率是0或特异性为100%。(3)当ROC曲线图呈45度对角线时，不能鉴别出真、假阳性率。(4)ROC曲线越向左上偏，曲线下面积越大，其识别能力也就越高，试验的准确性就越高。

roc曲线下面积有意义。

一、ROC曲线含义

ROC曲线上各点反映的都是相同的感受性，通过对疾病组和参照组的测定结果进行分析，确定测定值的上下限、组距以及截断点，按选择的组距间隔列出累积频数分布表，并分别计算出所有截断点的真阳性率、特异性和假阳性率，作图绘成ROC曲线。

二、ROC曲线比较方法和适用条件

一般来说，对于两种诊断方法可以有成组比较法和配对比较法，成组比较法是两种诊断方法作用于不同受试者，配对比较法则是针对于同一受试者接受两种不同的诊断方法。ROC曲线适用于二分类别的反映效果或结果的变量。

三、SPSS中绘制ROC曲线案例图示

第一步：打开SPSS软件，输入数据，选择分析—ROC曲线。

第二步：选取检验指标载脂蛋白A1放入检验变量中，将中医证型放入状态变量中，将痰浊上扰证型赋值为1，阴虚风动证型赋值为0，输出项勾选ROC曲线、带对角参考线、标准误差和置信区间以及ROC曲线的坐标点。

第三步：点击确定，得到分析结果。然后进行结果分析。

通过以上介绍相信大家对ROC曲线有了一定了解，目前ROC曲线在医学领域统计中被广泛使用，其不仅能够查出任意界限值时的对疾病的识别能力，还能选择最佳的诊断界限值，ROC曲线越靠近左上角，试验的准确性就越高！