ROC曲线理解

ROC（receiver operator characteristic curve, ROC）曲线：

即受试者工作特征曲线，是反映敏感度和特异度连续变量的综合指标，用作图法展示两度之间的关系。

作图方法：

在相关临床研究报告中，若有一个ROC曲线图，将会给人深刻印象，具体做法是：

实验结果为计量资料即连续变量，至少计算5个临界点的指标，以敏感度（真阳性率）为Y轴，1-特异度（假阳性率）为X轴，将各点连成曲线，即ROC曲线。如下图所示：

1.正确选择临界点（cutoff）

1)  上期已经谈到，敏感度越高，漏诊病例越少，而1-特异度越低，误诊率越少；

2）在ROC曲线上，想找到一个界值，那就让两度值都取得最好的效果，那我们就往图的左上角寻找；

3)  最靠近左上角的那一点为最佳界点，点上的值即为最佳临界值，因此，此点上敏感度与特异度都较高，假阳性与假阴性也最少。

4)  即约登指数取得最大值的界值。

约登指数 = 敏感度 + 特异度 -1

2.AUC用于评估诊断的诊断价值

AUC（area under the ROC curve, AUC）即ROC曲线下面积， AUC越大越好，提示该实验值越高。

1）AUC ≈1.0：最理想的检查指标

2)  AUC在0.7-0.9之间：实验准确性高

3）AUC=0.5：实验无诊断价值。

一般来说，AUC达到0.9以上才认为是一个准确性很高的诊断实验，此时的cutoff才有实际意义。

3.用于比较两种或两种以上诊断性实验的诊断价值。

把各实验的ROC曲线绘制在同一坐标中，可以直观地比较哪种诊断更有价值，如下图所示：显然绿色代表的诊断价值优于蓝色诊断，粉色诊断最弱。