r roc曲线 语言_R语言统计与绘图：可视化ROC曲线的置信区间

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) #