近期号里面有太多的人询问多指标联合诊断试验的统计问题,为了不被大家反复咨询,做个教程吧! 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。 虚构案例:我们想通过身高、体重和胸围,进行有无高血压的诊断试验。 一、先进行单因素ROC,看看效果 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? 二、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。 三、再次ROC 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: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。 本站热门贴集锦: 4.统计学就是放屁! 13.轻松玩转PDF(推荐) 14.R×C列联表(分类数据)的统计分析方法选择与SPSS实现 17.3年13篇SCI,最快5天写1篇meta文章的不为人知的秘密-end 20.常用统计分析方法选择图解 23.统计!统计!统计! 24.医生与黑社会 29.常用统计分析方法选择图解
|
|