ROC曲线是临床中常用的统计分析之一,R中可以绘制ROC曲线的包也有很多,pROC
包就是其中的佼佼者。
pROC包可以计算AUC和95%置信区间,可以可视化、平滑和比较ROC曲线。
pROC
包中的常用缩写:
缩写 | 解释 |
---|---|
ROC曲线 | 受试者操作特征曲线 |
AUC | ROC曲线下面积 |
pAUC | 部分ROC曲线下面积 |
CI | 置信区间 |
SP | 特异度specificity |
SE | 灵敏度sensitivity |
下面来学习下怎么使用pROC
包来可视化ROC曲线的置信区间。
目 录
1. 安装和加载R包
2. 读取内置数据集
3. 建立拟合曲线
4. 可视化ROC曲线的CI
4.1 可视化阈值的CI
4.2 绘制特定阈值的CI
4.3 可视化灵敏度的CI
4.4 可视化特异度的CI
4.5 可视化指定特异度和灵敏度的CI
4.6 调整CI的形状
4.7 绘制多条曲线的CI
5. plot.ci()函数
1. 安装和加载R包
在绘制图形前需要下载和加载pROC包。
install.packages("pROC") # 安装pROC包
library(pROC) # 加载pROC包
2. 读取内置数据集
使用pROC包自带的aSAH
数据集来演示。该数据集包括了113例动脉瘤蛛网膜下腔出血患者的临床和实验室资料。
data(aSAH) # 加载内置数据集
View(aSAH) #