比较两条曲线相似度_[转]ROC曲线绘制、ROC曲线下面积意义（SPSS和Medcalc）

本文内容来自知乎：医小咖

里面有许多关于医学统计方法，非常实用，转载以方便查阅

多图实例：教你绘制ROC曲线

       在选择诊断试验时，许多研究者会在灵敏度和特异度之间进行艰难的取舍。那么，是否可以综合考虑灵敏度和特异度的特点，根据一个指标评价诊断试验的准确性呢？Lusted于1971年提出受试者工作特征曲线(receiver operating characteristic curve，简称ROC曲线)，用来描述诊断试验的内在真实程度，应用十分广泛。

        ROC曲线是以真阳性率(灵敏度)为纵坐标，假阳性率(1-特异度)为横坐标绘制的。每一个点都对应诊断试验的一个截点，我们将这些可能的点连接起来即可制作出经验ROC曲线(empirical ROC curve)。该方法可以帮助研究者简单、直观地分析诊断试验的临床准确性，选择更加合适的截点。

那么，ROC曲线应该如何绘制呢？

第一个栗子

有20位受试者体内含有植入式人工心脏瓣膜，现拟采用数字成像诊断试验检查瓣膜的断裂情况。常用的检查方法是测量阀门支架之间的距离，距离越大，瓣膜断裂的可能性越大。经手术发现，这20位受试者的瓣膜断裂情况和阀门支架距离的关系如图1。

手术证实，20位受试者中有10位存在瓣膜断裂的情况，而另外10位瓣膜完好。瓣膜断裂受试者的阀门支架距离在0.03到0.58之间，瓣膜完好受试者的阀门支架距离在0.0到0.13之间。为了评价该数字成像诊断试验的灵敏度和特异度，我们设置诊断截点为0.05，即认为阀门支架距离大于0.05的受试者是瓣膜断裂阳性，小于或等于0.05的受试者是瓣膜断裂阴性。从而计算出该诊断试验的灵敏度为0.80，特异度为0.70。

当然，我们知道如果我们选择其他截点，该诊断试验的灵敏度和特异度都会发生相应变化。如果我们选择比较大的阀门支架距离为诊断截点，如0.13，那么灵敏度就会下降到0.50，而特异度会增加到1.0。如果我们选择比较小的阀门支架距离为诊断截点，如0.03，那么灵敏度会增加到0.90，而特异度会降低到0.60。这个例子说明，在同一诊断试验中，灵敏度和特异度之间存在内在联系，即一个增加，另一个就会减低。在这项诊断试验中，设置不同截点时灵敏度和特异度的变化情况如表1。

接下来，我们就可以根据该诊断试验中灵敏度和假阳性率(1-特异度)相应的数值来绘制ROC曲线了。例如，当截点为0.07时，该诊断试验的灵敏度为0.6，假阳性率为0.2，即我们可以在坐标上取点(0.2，0.6)。再如，当截点为为0.05时，该诊断试验的灵敏度为0.8，假阳性率为0.3，即我们可以在坐标上取点(0.3，0.8)。以此类推，我们可以得到很多这样的坐标点，并将他们连接起来，绘制出经验ROC曲线。但同时，我们也可以根据这些坐标点绘制出拟合ROC曲线，如图2。