New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Jump to bottom

AUC 描述与推断 #18

Open

twang15 opened this issue Jan 23, 2021 · 1 comment

Owner

twang15 commented Jan 23, 2021 •

edited

Loading

在统计描述方面，除了ROC曲线图，对于诊断指标是多分类或连续型变量的研究，还应根据不同的截断值报告敏感度、特异度、约登指数、阳性和阴性预测值等指标；在报告这些指标时，应在权衡灵敏度和特异度之后选取并报告截断值。对于模型分类效能的研究，需报告模型表达式。应注意ROC曲线与表格数据、文字叙述的一致性。在统计推断方面，必须报告ROC曲线的AUC及其95%置信区间(CI)。AUC主要用于诊断价值的比较。当评价某种方法有无诊断价值时，需将AUC与0.5进行比较，报告检验统计量Z及其P值。当评价多个方法的诊断价值时，需对多条ROC曲线的AUC进行比较，涉及多重比较的问题，需要调整检验水准α，除报告Z和P值外，应注意报告设定的α。当多条ROC曲线交叉时，如果仅仅比较AUC可能不能反映真实情况，此时应注意比较策略。胡良平等认为，可以比较这几条ROC的部分AUC或固定假阳性率时的敏感度，此时应报告假阳性率选定的依据及取值、此取值条件处的敏感度，以及相应的统计量和P值。近年基于风险分级的NRI(net reclassification improvement,净分类改善度)和IDI(integrated discrimination improvement,综合区分改善度）受到重视，它们可以反映分类效能改善情况，比AUC更有实际指导意义，因此建议报告NRI和IDI。

Owner Author

twang15 commented Jan 23, 2021

Medcalc 绘制AUC

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment