医学论文roc曲线

什么是接受者操作特性曲线（ROC曲线）在过去的15年中，接受者操作特性（ROC）曲线分析已成为越来越受欢迎在生物医学科学。它在评价医疗诊断测试为连续或有序分类（等级）的结果中起着重要的作用。诊断检查一般可通过测量确定受试者谁可能能够从具体的干预受益。可以诊断通过比较试验结果与一个适当的阈值或临界值0，将其进行分类，说，从而判断是否有疾病。当然，这种二分法导致亏损的信息存在一定的误诊率、漏诊率,对进一步的治疗进行分析；测试的灵敏度的概率，就是那患病的病人患病，有一定的概率被正确的分类。ROC曲线诊断测试是通过绘制的灵敏度与1—特异性的各种临界值，并加入该点的线段（非参数方法）或添加一个平滑的曲线，对应于参数化模型。ROC曲线曲线下的面积通常被视为一个总结指数的性能测试。它可以直观地解释为正确的概率测试结果。迄今，不同的回归模型，广义线性模型和广义非线性模型都被提出了可以用于ROC曲线分析；他们有一个重要的临床优势，可以纳入变量的信息。他们允许测定的增量价值的诊断测试和上面的信息已纳入变量，参数较多，再进行对比和分层处理，这通常导致小样本大小，因此，会导致模型不准确的估计。回归系数可以通过最大似然估计，或利用广义估计方程（GEE）来获得。贝叶斯方法可以改善这些因为他们允许进一步纳入事先知识和信仰，例如，定性临床证据或其他研究结果（荟萃分析）。贝叶斯使用概率量化的不确定性因此认为，未知参数是随机的和已知的数据是固定6第一个贝叶斯分析一般回归模型的曲线，即有序回归模型最近才由一些学者发现。他们运用马尔可夫链蒙特卡洛（MC MC方法）采用吉布斯采样和大都市algorithm-to获取样品的边缘后验