描述

使用独立ROC曲线比较来比较病例亚组（例如，男性-女性）在ROC曲线下的面积。为每个子组计算ROC曲线，并成对比较ROC曲线下的面积。

必填项

数据

• 变量：感兴趣的连续变量。
• 分组变量：定义子组的分类变量。将为每个子组计算ROC曲线。
• 分类变量：指示诊断的二分变量（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。

• 过滤器：（可选）过滤器，以便仅包括选定的一组病例（例如AGE> 21）。

方法论：

• DeLong等。：使用Delong等人的方法。（1988）计算曲线下面积（AUC）的标准误差（推荐）。
• Hanley＆McNeil：使用Hanley＆McNeil（1982，1983）的方法计算曲线下面积（AUC）的标准误差。
• AUC的二项式精确置信区间：计算曲线下面积（AUC）的精确二项式置信区间（推荐）。如果未选择此选项，则AUC的置信区间将计算为AUC±1.96 SE（标准误差）。此选项不适用于两个AUC之间的差异。

图形

• 选择“显示ROC曲线”窗口以在单独的图形窗口中获得ROC图。 

  选项：

  • 标记与标准值相对应的点。

结果

显示独立ROC曲线比较的结果窗口：

1.所有子组的结果

• ROC曲线下的面积（AUC），具有标准误差：可以解释如下：例如，面积为0.84，表示从阳性组中随机选择的个体的测试值大于随机选择的个体的测试值。否定组中有84％的人来自个体（Zweig＆Campbell，1993）。当所研究的变量无法区分两组时，即两个分布之间没有差异时，面积将等于0.5（ROC曲线与对角线重合）。当两组值完全分开时，即分布没有重叠，则ROC曲线下的面积等于1（ROC曲线将到达图的左上角）。
• 95％置信区间：该区域的95％置信区间可用于检验理论面积为0.5的假设。如果置信区间不包括0.5值，则有证据表明实验室测试确实具有区分两组的能力。

2.所有子组曲线下面积的成对比较

• 标准误差区域之间的差异：曲线下两个区域之间的差异。
• 95％置信区间：此差异的95％置信区间。
• 显着性水平：两个AUC之间的差异为0的假设概率。

图形

该图显示了不同的ROC曲线，可以进行视觉比较。

在ROC曲线中，针对不同的截止点，根据假阳性率（100-特异性）绘制了真实阳性率（灵敏度）。ROC图上的每个点代表对应于特定决策阈值的灵敏度/特异性对。具有完美判别力的测试（两个分布中没有重叠）具有通过左上角的ROC图（灵敏度为100％，特异性为100％）。因此，ROC曲线越靠近左上角，测试的整体准确性就越高（Zweig＆Campbell，1993）。

文学

• DeLong ER，DeLong DM，Clarke-Pearson DL（1988）：比较两个或多个相关接收器工作特性曲线下的面积：非参数方法。生物识别44：837-845。
• Hanley JA，Hajian-Tilaki KO（1997）接收机工作特性曲线下面积的非参数估计的抽样变异性：更新。学术Rediology 4：49-58。
• Hanley JA，McNeil BJ（1982）接收机工作特性（ROC）曲线下面积的含义和使用。放射学143：29-36。
• Hanley JA，McNeil BJ（1983）一种比较来自相同情况的接收器工作特性曲线下面积的方法。放射学148：839-843。
• Zweig MH，Campbell G（1993）接收者操作特征（ROC）图：临床医学中的基本评估工具。临床化学39：561-577。