ROC曲线的绘制与解读

受试者工作特征曲线（receiver operating characteristic curve，简称ROC曲线），又称为感受性曲线（sensitivity curve）。得此名的原因在于曲线上各点反映着相同的感受性，它们都是对同一信号刺激的反应，只不过是在几种不同的判定标准下所得的结果而已。

在创建诊断试验时，ROC曲线可以帮助你决定在“正常”与“异常”之间划定界限线。对于“正常”与“异常”之间的各个可能界限，ROC图表显示了灵敏度（检测疾病的能力）和特异性（检测未患有疾病的能力）之间的取舍。

>关于ROC曲线的一些理解

1.在评价诊断试验时，一般来说很难确定用来区分“正常”与“异常”临床诊断的实验室阈值；

2.如果设置一个高阈值（假设检验值随着疾病严重程度的增加而增加），则可能会缺失一些检验值较低或病情较轻的个体。灵敏度，将通过阳性试验正确识别的疾病患者比例将会很低。几乎没有阳性试验呈假阳性，但许多阴性试验呈假阴性；

3.如果设置一个低阈值，你会发现患有该疾病的大多数人，但可能会错误地将许多正常人诊断为“异常”。特异性，通过阴性试验正确识别的未患病群体比例将会很低。几乎没有阴性试验呈假阴性，但许多阳性试验呈假阳性；

4. 高灵敏度和高特异性很难同时存在（除非设计出非常优秀的诊断试验）；

5.灵敏度和特异性的最佳组合是什么？视具体情况而定。在一些病例中，可能会以牺牲特异性为代价的得到更高的灵敏度。而在其它病例中，则正好相反。软件工具无法帮助你判断如何组合它们；

>如何绘制ROC曲线？

• 输入ROC数据

从“欢迎或新建表格”对话框中，选择“列”选项卡。如果你还没准备好输入自己的数据，请选择样本ROC数据。

将用于对照的诊断试验结果输入A列，将患者输入B列。由于两组不以任何方式配对，所以你在各行中输入数据的顺序是任意的。两组受试者人数可能不同。

请注意，其他一些程序希望你将所有实验室数据输入一列，然后通过将输入另一列的变量分组，区分患者与对照。Prism无法分析以此方式输入的数据。

• 创建ROC曲线

在该数据表中，点击“Analyze” 工具栏， 然后从单因素分析列表中选择受试者工作特征曲线。

在“ROC”对话框中，指定哪些列具有对照结果和患者结果，并选择查看以分数或百分比表示的结果（灵敏度和1 - 特异性）。不要忘记检查“创建新图表”选项。

请注意，Prism没有询问增加或减少的试验值是否异常。相反，你告诉Prism哪一列数据用于对照，哪一列数据用于患者，它会自动计算出患者的试验结果是高还是低。

• 查看图表

>如何将几条ROC曲线放在一张图表上？

每个ROC分析创建一个ROC曲线和图表。定义图表的XY点位于一个名为“ROC曲线”的结果页面。如果需要，你可以在一个图形上绘制多条ROC曲线。最简单的方法是转至一条ROC曲线的图表，将ROC曲线结果表从一张图表拖动至另一张图表。此外，你也可以使用“设置图表格式”对话框的中间选项卡更改将要绘制的数据集。诀窍在于认识到ROC曲线只是一个由分析创建的数据集，可以将其添加到任何图表上。

|| 往期精彩内容

GraphPad Prism 统计教程 - 如何用Prism拟合模型

GraphPad Prism 统计教程 - 如何使实验可重复？

GraphPad Prism 统计教程 - 如何用Prism建立频率分布