ROC曲线评价多指标联合诊断的价值 | 您所在的位置:网站首页 › medcalc教程回归分析 › ROC曲线评价多指标联合诊断的价值 |
鼠标右键-粘贴即可,MedCalc默认的是带变量名的数据集,这点比SPSS方便一些。 3、logistic回归 点击Statistics——Regression——Logistic regression 在Logistic regression对话框中,在Dependent Variable框选择Disease,在Independent Variable框中第一、二行分别选择testa和testb。 在Logistic Regression结果对话框中,滑动到最下方,点击Save predicted probabilities,就把概率保存到数据集中了。 此时数据框中多了一列LOGREGR_Pred1,即testa和testb通过logistic产生的预测概率值,综合反应testa和testb的诊断能力,我们可以用LOGREGR_Pred1绘制ROC曲线并计算曲线下面积。 4、ROC分析 点击Statistics,选择ROC curves,接着选择ROC curve analysis。 在ROC curve analysis对话框中,Variable框中选择 LOGREGR_Pred1,Classification variable框中选择 disease,其他默认即可,最后点击OK。 结果解读 下表给出了总样本量、disease=0组的频数(百分比)、disease=1组的频数(百分比) 下表给出了ROC分析的结果, 联合诊断ROC曲线下面积AUC=0.810,95%可信区间为0.749-0.862,z值=9.995,p值0.36,此时Youden指数最大为0.5648,灵敏度为81.48%,特异度为75.00%。 下图是ROC曲线图,并标注了AUC和p值。 如你有如下问题:数据清洗、数据整理、统计分析、样本量计算、诊断试验、Kappa一致性检验、ROC曲线、临床预测模型、Graphpad作图、R语言、研究设计等问题,均可向刘老师 1V1咨询,需收取少量费用。 你点的每个赞,我都认真当成了喜欢 返回搜狐,查看更多 |
CopyRight 2018-2019 实验室设备网 版权所有 |