医学案例|ROC曲线

一、案例介绍

研究者想要进行“糖化血蛋白”的研究，对糖尿病患者和非糖尿病患者各100名检测糖化血红蛋白（HbAlc）含量，希望可以研究糖化血蛋白对患有糖尿病的情况是否有诊断价值，如果有最佳的诊断界值是多少。

二、问题分析

想要研究糖化血蛋白对患有糖尿病的情况是否有诊断价值，“是否患有糖尿病”为定类变量，糖化血蛋白是定量变量，可以进行构造ROC曲线。进而判断糖化血蛋白指标对患者的诊断价值然后进行查看最佳的诊断界值。

三、软件操作及结果解读

(一) 数据导入

1.数据格式

首先将数据整理成正确的格式，一般一个X为一列，Y为一例，并且分析的数据带有数据标签的，需要另添加一个表格进行说明，数据格式如下（特别说明：SPSSAU默认的切割点为1）：

2.导入数据

将整理好的数据上传至SPSSAU系统内，如下：

上传的数据如下：

(二)ROC曲线分析

1. 软件操作
   ROC曲线分析路径为点击【可视化】→【ROC曲线】然后进行分析：

1. 结果解读

SPSSAU默认以1作为切割点，即1作为阳性，其它作为阴性，首先查看下数据的分布，如下：

发现数据中阴性和阳性各占一半，数据分布均匀。

诊断价值判断：

一般诊断价值判断可以根据AUC指标，判断如下：

从结果可以看出血红蛋白含量对应的AUC值为0.944，大于0.9，所以说明诊断价值高，并且从p值也能看出，p值小于0.05，说明血红蛋白含量对应的AUC值明显高于0.5。接下来进行查看最佳界值。

最佳界值结果：

最佳界值结果如上，最佳界值即ROC曲线最靠近左上角的点，也即说明敏感度和误报率（1-特异性）组合的相对优值。（其中，敏感度一般为阳性群体中检测出阳性的概率，误报率是指阴性的群体中检测出阳性的概率）。从表格中可以得到，当敏感度为0.910时，特异度为0.880（1-特异性为0.12）时，最靠近左上角，cut-off值是指某分析项在此界值（cut-off值）时可得到最大的尤登指数。比如X为6时，得到最佳界值，同时也可以观察ROC曲线：

四、结论

想要研究糖化血蛋白对患有糖尿病的情况是否有诊断价值，通过SPSSAU利用ROC曲线进行分析，最后发现血红蛋白含量对应的AUC值为0.944，大于0.9，说明诊断价值高，当敏感度为0.910时，特异度为0.880（1-特异性为0.12）时，最靠近左上角，最佳界值为0.790。

五、知识小贴士

1、AUC小于0.5

针对出现AUC小于0.5时，通常原因在于“阳性”和“阴性”的区分有问题，SPSSAU以等于切割点作为“阳性”，不等于切割点作为“阴性”，默认切割点为数字1。请确认设置是否有问题，如果“阳性”或“阴性”设置有误，可重新设置，或者重新上传正确的数据。

2、数据类型

针对ROC曲线的X（检验变量）和Y（状态变量）的进一步说明，X(检验变量)和Y（状态变量）可为任意数据类型（定量和定类数据均可）；有以下两点需要特别提示：

参考文献：

[1]孙振球.医学统计学.第3版[M].人民卫生出版社,2010.