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。