描述
精确召回曲线是针对不同阈值的精度(阳性预测值,y轴)相对于召回率(灵敏度,x轴)的图。它是ROC曲线的替代方法(Saito&Rehmsmeier,2015)。
如果MedCalc比较精确调用曲线,则将构造两个因变量的精确调用曲线。“因变量”是指两个变量的数据源自相同的情况,因此是成对的。
MedCalc从原始数据(而不是从灵敏度-PPV表)生成精确调用曲线,并计算两条曲线下的面积之间的差异,以及95%BC的自举置信区间作为该差异。
如何为精确调用曲线输入数据
为了创建精确召回曲线,您应该进行两个感兴趣的测量(=您要研究的参数)和一个独立的诊断,该诊断将您的研究对象分为两个不同的组:患病组和未患病组。后一种诊断应独立于所关注的测量。
在电子表格中,为感兴趣的变量(例如,Param1和Param2)创建一列“分类”和两列。对于每个研究对象,输入如下分类代码:1用于患病病例,0用于未患病或正常病例。在“参数1”和“参数2”列中,在同一行上输入每种情况的相关测量值(可以是测量值,等级等-如果数据是分类的,请用数值对它们进行编码)。
必填项
- 变量:选择感兴趣的两个变量。
- 分类变量:选择表示诊断的二分变量(0 =阴性,1 =阳性)。如果数据的编码方式不同,则可以使用“定义状态”工具重新编码数据。
正确识别阳性病例很重要。
- 过滤器:(可选)过滤器,以便仅包括案例的选定子组(例如AGE> 21,SEX =“ Male”)。
- 选项:
- Bootstrap置信区间:选择此选项可计算自举曲线下面积(AUC)以及AUC之间的差异的置信区间。
- 高级:单击此按钮以指定引导程序参数:复制数和随机数种子。
- 图形:
- 可以标记与标准值相对应的点。
结果
首先,MedCalc为每个变量报告以下统计信息:
- 阳性和阴性组中的样本量。
- 使用非线性插值法计算的精确召回曲线(AUC)下的面积(Davis&Goadrich,2006)。
- F 1 max:F 1分数是测试准确性的度量,是准确性和查全率的谐波平均值。它是在每个测量级别上计算的,F 1 max是所有测量级别上的最大F 1分数。
F 1分数= 2 x(调用x精度)/(调用+精度)
- 相关标准:达到F 1 max的标准(测量水平)。
- 如果选择了相应的选项,该方案还提供了BC的95%一自举置信区间(埃夫隆,1987;埃夫隆&Tibshirani,1993)为AUC 。
另请参阅有关准则值的注释。
接下来,MedCalc报告精确召回曲线(AUC)下两个区域之间的差异,如果选择了相应选项,则还会针对该差异提供95%BC的自举置信区间。
图形
当被选择的选项,以对应于图中的标准值标记点,然后当你上的标记单击,(为阳性)中相应的标准将被一起召回(灵敏度),精密(阳性预测值)和F给定1得分。