Cut

概念：

医 学上 的 cut-off 值，为 分界 值、临 界 值 或 截 断 值 的 意思。起初它仅限于非量值概念，是用于判断酶联免疫吸附试验 (ELISA) 定性检验结果的。

引申应用：

部分定量的免疫检验项目如感染免疫、肿瘤免疫等引入了cut-off 值概念， cut-off 值是被检分析物的量值，多应用于那些正常状况下人体不含的一些检测成分，比如肿瘤标志物系列里的一些免疫检验项目，它们都会被厂商或实验室赋予某个值，超出此值就属异常，所以也就有人又称 cut-off 值为“阈值”， cut-off 值设置的高，则阳性率低特异性高。

目前常用的确定cut-off值的方法

一、使用阴性测定结果均值的2或3倍作为Cut-off值

取一定数量（通常不多）的阴性样本进行测定，取测值的平均值。若上述阴性样本的平均值为X，则该次测定的Cut-off值为2X或3X。

二、阴性对照平均测值+2个标准差（SD）或3SD作为Cut-off值

当阴性样本量足够大时，使用试剂盒检测所得测值将呈正态分布，若要求95.3％(单侧)的可信度，可将阴性样本平均测值+2SD作为Cut-off值；若要求99%（单侧）的可信度，则以阴性样本平均测值+3SD作为Cut-off值。

三、ROC曲线计算最适Cut-off值

ROC曲线是一种分析方法，用图表表示，用于评估二元诊断分类方法的性能；诊断测试结果需要分为一个明确定义的二分法类别，旨在根据检测结果将患者的疾病状态分为阳性或阴性，并找到具有最佳诊断性能的最佳临界值。ROC曲线还用于评估一项测试的整体诊断性能，并比较两项或多项测试的性能。

参数：敏感性是指实际患有目标疾病且检测结果呈阳性的人群比例；特异性是指未患有目标疾病且检测结果呈阴性的人群比例。

分类：参数ROC曲线（数据需为正态分布），非参数ROC曲线（常用，不需要考虑数据的分布类型）

方法：将坐标点连接起来，x轴为“1-特异性”（=假阳性率），y轴为“灵敏度”，测量试验结果的所有分界点。它还用于确定诊断疾病的最佳截止值。

结果评估：曲线下面积越向左上偏，则曲线下的面积(AUC)越大，其识别能力也就是临床准确性就越好。

参考文献：

Joshi Madhuri S,Deore Shital G,Walimbe Atul M et al. Evaluation of different genomic regions of Rotavirus A for development of real time PCR.[J] .J Virol Methods, 2019, 266: 65-71.

Nahm Francis Sahngun,Receiver operating characteristic curve: overview and practical use for clinicians.[J] .Korean J Anesthesiol, 2022, 75: 25-36.

Jacobson Linda S,McIntyre Lauren,Mykusz Jenny,Assessment of real-time PCR cycle threshold values in Microsporum canis culture-positive and culture-negative cats in an animal shelter: a field study.[J] .J Feline Med Surg, 2018, 20: 108-113.