命令：	统计 ROC曲线 区间似然比

描述

允许计算用户定义的数据间隔的似然比（CI为95％）。

当测试结果具有连续性或有序结果时，将数据二等分以进行灵敏度，特异性和似然比的计算（如ROC曲线分析），则会丢失有价值的信息。

区间似然比可能更强大，因为它们使用了数据中包含的更多信息。

似然比可用于从疾病的测试前概率计算疾病的测试后概率。

必填项

• 变量：选择感兴趣的变量。
• 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。

• 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”）。

定义间隔

经过一些计算后，将显示一个新对话框，其中包含您可以修改的建议数据间隔。

您最多可以定义12个间隔。对于每个间隔，您输入上下边界（包括边界）。

对于类别变量很少的类别变量，仅输入一个数字即可将“间隔”定义为一个单一类别就足够了。

结果

对于每个数据间隔，程序将报告间隔中的阳性和阴性病例数，以及具有95％置信区间的相应的似然比。

似然比可用于根据疾病的测试前几率来计算测试后几率：

几率和概率之间的关系是：

使用这些方程式，您可以从疾病的测验前概率计算出疾病的测验后概率。

例如，如果疾病的测试前概率为0.6，则测试前赔率为0.6 /（1-0.6）= 1.5。对于测试结果在50-60区间（对应于似然比为12）的患者，测试后的几率是1.5 x 12 =18。测试后疾病的几率是18 /（1 + 18）= 0.95 。