联合诊断试验之葵花宝典【推荐】

导读

诊断试验的定义：是指应用各种实验和仪器等手段对病人进行检查，以确定或排除疾病的方法。

然而，现实情况下，疾病与正常人之间，某指标的关系如下图，以眼内压作为诊断有无青光眼指标，如果指定以22为标准，能够发现所有的病人，但有一部分正常人将被误诊；如果以26为界，所有的正常人能够得到诊断诊断，但有一部分病人将被漏诊，因此，诊断试验研究就是研究如何确定最佳的界值问题。

诊断试验的评价可以从真实性、可靠性和效应三个方面，我们即将展开的是真实性的评价。

实战吧！

虚构案例：我们想通过身高、体重和胸围三个指标，进行有无高血压的诊断试验。

1.先进行单因素ROC分析

ROC曲线图可见，身高优于体重，优于胸围。

上表可见身高的AUC（曲线下面积）最大=0.936.貌似效果不错，可是我想能不能把三个指标组合起来，建立一个综合判定指标呢？

2.联合指标诊断试验

思路为：运用3个指标为自变量，血压为因变量，建立一个二元logistic，然后保存预测概率P，然后以预测概率P为一个综合指标，再次建立ROC，看效果。

3.再次ROC曲线分析

上面步骤结束，会发现数据库产生了一个预测概率P，现在对身高、体重、胸围和预测概率P，再次进行ROC曲线，看效果改善情况。注意下图里面第四个为刚才的预测概率P。

上表可见预测概率P的AUC=0.937，身高=0.936。总体正确率升高一点点。遗憾，松哥虚构的此例提升度不高。OK，这期就掰到这里，如果心情好，就帮忙转发分享一下吧！

松哥统计说

本例其实是利用二元logistic回归，建立一个综合的指标，就是预测概率P，然后用预测概率P再进行ROC。这是近年比较流行的方法，比教科书里说的并联和串联更多一些统计上的思考。

本例大家看了肯定感觉，好像提升的空间不大，是的，因为是完全虚构的数据，松哥用的是一个大学的抽样调查数据，略加修改进行演示，一般而言，这种方法提升的AUC可以达到10%-25%左右。

AUC评价诊断试验的准确性，参考Swets标准，AUC<0.5，无诊断价值；AUC：0.5-0.7，有较低的准确性；AUC：0.7-0.9有一定的准确性；AUC>0.9，有较高的准确性。

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。