診斷試驗的評價與ROC分析課件

診斷試驗的評價與ROC分析21、靜念園林好，人間良可辭。22、步步尋往跡，有處特依依。23、望云慚高鳥，臨木愧游魚。24、結(jié)廬在人境，而無車馬喧；問君何能爾？心遠地自偏。25、人生歸有道，衣食固其端。診斷試驗的評價與ROC分析診斷試驗的評價與ROC分析21、靜念園林好，人間良可辭。22、步步尋往跡，有處特依依。23、望云慚高鳥，臨木愧游魚。24、結(jié)廬在人境，而無車馬喧；問君何能爾？心遠地自偏。25、人生歸有道，衣食固其端。臨床診斷試驗與評價臨床試驗的類型I期臨床試驗：人體藥物的耐受程度，藥物在人體中的代謝情況。參加試驗的人員是健康人或病人（20左右）II期臨床試驗：藥效、安全性的初步評價?；颊邊⒓釉囼灒?00例以上）III期臨床試驗：藥效與安全性的確認階段，我國法規(guī)要求試驗組人數(shù)300以上，總?cè)藬?shù)400-500人IV期臨床試驗：上市后的臨床研究。更大范圍使用后的療效與安全性信息技術(shù)課具是一門操作性、實踐性很強的學(xué)科，教學(xué)方式和教學(xué)方法也與其他學(xué)科不同。下面就如何開展小學(xué)信息技術(shù)教學(xué)談?wù)剛€人看法。一、信息技術(shù)的性質(zhì)和特點（1）基礎(chǔ)性。小學(xué)開設(shè)信息技術(shù)課，主要是著眼于基礎(chǔ)教育在培養(yǎng)人才方面的重要作用。在信息時代，信息技術(shù)已經(jīng)和讀、寫、算等基本能力一樣，成為現(xiàn)代社會每個公民必須具備的基本素質(zhì)和基本能力。（2）趣味性。小學(xué)信息技術(shù)課是一門趣味性很強的學(xué)科。小學(xué)生正處于心智發(fā)展階段，并對計算機有著強烈的興趣。興趣越高，學(xué)習(xí)的動力就越大，學(xué)習(xí)的效果也越好。（3）技術(shù)性和應(yīng)用性。小學(xué)信息技術(shù)課是一門應(yīng)用性很強的學(xué)科，當然是在一定層次的理論基礎(chǔ)上的技術(shù)。培養(yǎng)學(xué)生應(yīng)用信息技術(shù)解決實際問題的能力是課程的核心目標。在高層次方面、小學(xué)生的學(xué)習(xí)或日常工作中，都有廣泛的應(yīng)用。（4）實踐性。鼓勵學(xué)生將所學(xué)的信息技術(shù)積極地應(yīng)用到學(xué)習(xí)和生活實踐中去，讓學(xué)生在學(xué)科課程的學(xué)習(xí)過程中掌握應(yīng)用信息技術(shù)解決問題的方法，在學(xué)習(xí)中實踐，在實踐中學(xué)習(xí)。（5）綜合性。信息技術(shù)課涉及的知識領(lǐng)域非常廣泛，而且與各科知識的結(jié)合比較緊密，特別是“課程整合”概念的提出，需要我們不斷豐富自己全方位的知識。（6）發(fā)展性。信息技飛速發(fā)展，無論是硬件還是軟件都在不斷更新，這就需要信息技術(shù)課教師不斷地獲取新的知識，不斷地更新自己的知識結(jié)構(gòu)，以適應(yīng)教學(xué)的發(fā)展需要。二、多種典型的行之有效的課堂教學(xué)方法教師一定要善于引導(dǎo)，根據(jù)信息技術(shù)課的特點，設(shè)計合適的教學(xué)方法，并運用現(xiàn)代化的教學(xué)手段激發(fā)學(xué)生的學(xué)習(xí)興趣。在平時的信息技術(shù)課教學(xué)中，我采取了以下一些行之有效的方法：（1）任務(wù)驅(qū)動法。及時啟發(fā)、引導(dǎo)學(xué)生，將學(xué)生引入趣味化的計算機世界，激發(fā)學(xué)生對教學(xué)內(nèi)容的強烈求知欲望。如講“計算機硬件”時，可拆開一臺計算機主機，讓學(xué)生直觀地看到計算機硬件的組成，并讓其動手拆裝計算機，把原先認為拆裝計算機這樣不可思議的事情變成現(xiàn)實。（2）比喻教學(xué)法。信息技術(shù)學(xué)科中有些教學(xué)內(nèi)容比較抽象，不容易被學(xué)生接受和理解，作為教師應(yīng)化繁為簡，將深奧的理論講得通俗易懂。對于剛開始學(xué)信息技術(shù)的學(xué)生來說，一些概念最難被他們接受，適當應(yīng)用一些形象生動的比喻，對信息技術(shù)知識的學(xué)習(xí)尤為重要。這樣一來，不僅有助于提高學(xué)生的聽課興趣，而且還能達到幫助其理解和記憶的目的。例如，在講到“內(nèi)存”時，可將其比喻為一個舞臺，舞臺往往比較小，但它后面有很大的準備地方（即外存）。而所有的程序都必須到舞臺中來，才能演出。在教學(xué)中巧用生活中的實例，通過形象的比喻幫助學(xué)生接受，達到了比較理想的教學(xué)效果。（3）演示與實踐法。信息技術(shù)是一門實踐性很強的學(xué)科，只有通過上機實踐，才能發(fā)現(xiàn)問題，才能更準確地理解并靈活地應(yīng)用知識。在實踐的過程中，教師應(yīng)合理布置學(xué)習(xí)任務(wù)并且要勤于指導(dǎo)，對學(xué)生存在的問題及時給予糾正，這樣學(xué)生就比較容易掌握。（4）興趣激勵法。興趣是調(diào)動人的積極性的能源，是事業(yè)成功的秘訣之一，很多科學(xué)家之所以能取得重大的成就，是因為他們對科學(xué)有著深厚的興趣。從信息技術(shù)課的性質(zhì)與特點看，學(xué)生容易對這門課產(chǎn)生興趣。如在Word軟件中進行“插入圖片”教學(xué)時，我放手讓學(xué)生去想象、去創(chuàng)造、去學(xué)習(xí)、去分享，教師只提供一些技術(shù)上的幫助，結(jié)果卻很令人意外，一件件作品充滿個性，富有創(chuàng)意。因此，教師在教學(xué)中要抓住時機加以引導(dǎo)、培養(yǎng)，使學(xué)生對信息技術(shù)課的學(xué)習(xí)真正感興趣。（5）游戲?qū)W習(xí)法。愛玩是孩子的天性，喜愛游戲是孩子的共性。例如：吃蘋果、青蛙過河、打地鼠、警察抓小偷等游戲，深深地吸引了學(xué)生，在課堂中發(fā)現(xiàn)學(xué)生們在忘情地玩游戲的過程中不知不覺地練熟了指法，學(xué)習(xí)效果會很好。電腦游戲具有極強的趣味性和挑戰(zhàn)性，對孩子們來說更是擋不住的誘惑。我在教學(xué)中大膽引入游戲，卻不是僅以玩游戲為目的，而是把它作為激發(fā)學(xué)生興趣和引導(dǎo)學(xué)生學(xué)習(xí)其他知識、技能的手段。三、努力實現(xiàn)學(xué)習(xí)方式的變革一是提供交互式的學(xué)習(xí)平臺。即實現(xiàn)教學(xué)民主，營造寬松的學(xué)習(xí)氣氛，使學(xué)生有問題可以隨時發(fā)問，有見解可以隨時發(fā)表。二是精心組織學(xué)習(xí)活動。在個人的、小組的、全班的學(xué)習(xí)活動的穿插結(jié)合中，實現(xiàn)師與生、生與生的交流互動，實現(xiàn)每個學(xué)生對課程內(nèi)容、能力和學(xué)習(xí)方法的自我構(gòu)建。目前，農(nóng)村小學(xué)體育教學(xué)現(xiàn)狀分析如下：首先有三種放羊式的教學(xué)：一是純放羊式教學(xué)；老師發(fā)給學(xué)生們一些簡單的體育器材，就叫學(xué)生們隨心所欲地去玩耍，是根本沒有組織的玩耍。有的在玩，有的在教室里做作業(yè)；二是放羊式的無計劃教學(xué)。老師想這節(jié)課學(xué)習(xí)運球，下節(jié)課就練習(xí)跑步，教學(xué)無計劃隨老師意愿而學(xué)習(xí)；三是有組織、有計劃的“放羊式教學(xué)”?；镜慕虒W(xué)環(huán)節(jié)都有，我認為，存在的最大問題是凡有危險的項目（如跳高、?槍、磊球……）一律不上。分析其原因，主要是社會大環(huán)境造成這三種教學(xué)模式?，F(xiàn)在的獨生子女，在家都被視為掌上明珠。在學(xué)校任何體育老師都要保護好這些小皇帝們。因此，上體育課誰還上危險的項目，出了安全事故，主要在老師，其次是學(xué)校。但是，學(xué)校、老師賠不起??！這值得我們教育主管部門深思。如何讓農(nóng)村小學(xué)體育教學(xué)落到實處，怎樣上好體育課，如何提高學(xué)生的身體素質(zhì)，這是我們農(nóng)村小學(xué)體育教學(xué)面對的三大問題。我認為，在基礎(chǔ)教育改革，大力提倡素質(zhì)教育的今天，應(yīng)采取以下對策：一、要注重教學(xué)成績的同時也應(yīng)有健康的體質(zhì)，學(xué)校對體育教學(xué)要有具體的要求二、我們應(yīng)該用新標準、新理念來理解體育這門課程它是以身體練習(xí)為主要手段，以“堅持健康第一”的指導(dǎo)思想，促進學(xué)生健康成長，通過學(xué)生自主學(xué)習(xí)，使學(xué)生學(xué)會做人、學(xué)會求知、學(xué)會健體、學(xué)會交往、學(xué)會生存，從而達到身心健康發(fā)展的教學(xué)模式。三、教育主管部門，學(xué)校觀念要轉(zhuǎn)變體育始終是緊緊圍繞“健康第一”的指導(dǎo)思想，立足于“每個學(xué)生身心得到充分地發(fā)展，使每個學(xué)生都能發(fā)揮自身潛能，激發(fā)學(xué)生學(xué)習(xí)和鍛煉的主動性，從而可以得到全面發(fā)展。只有健康的體質(zhì)，濃厚的興趣，教學(xué)質(zhì)量才能提高，這都是我們教育主管部門、學(xué)校要認識到的，只有對體育教學(xué)有明確的要求，加大對體育器材添置的投入，這樣體育教學(xué)才能落到實處。四、教學(xué)模式要轉(zhuǎn)變農(nóng)村小學(xué)現(xiàn)行體育教學(xué)是采用先集合，再講解示范，后學(xué)生練習(xí)這樣的模式作為教學(xué)。隨老師意愿，教師教什么，學(xué)生就跟著老師學(xué)什么，整個教學(xué)過程都是以教師為中心，學(xué)生處于被動，消極的地位。我建議上課前運用體育游戲進行準備活動，選擇發(fā)展一般身體素質(zhì)的游戲作為準備活動。如，“蛇形跑”“螺旋跑”“程序化行進”“聽號抱團”等游戲，從而使學(xué)生從心理上和生理上為本節(jié)課教學(xué)做準備。通過準備活動使學(xué)生表現(xiàn)出良好的身體機能狀態(tài)和心理狀態(tài)，把興奮性調(diào)節(jié)到一個適宜狀態(tài)，才能完成強度與密度較大的教學(xué)任務(wù)。五、學(xué)生體育成績評價和對老師的評價要改變目前，農(nóng)村小學(xué)學(xué)生體育成績大多是老師選一項內(nèi)容對學(xué)生進行簡單的考核，隨意性很強，有的干脆老師憑印象打分，直接作為學(xué)生期末成績，其原因是農(nóng)村學(xué)校的專職體育教師太少了，這是事實，根本不考慮是否達標?！读x務(wù)教育體育與健康課程標準》要求注重評價方式的多樣化，注重評價的激勵作用。教師在教學(xué)中會時刻注意課堂變化，細心觀察每個學(xué)生在活動中的表現(xiàn)，善于捕捉學(xué)生的閃光點，及時表揚。同時，教師還應(yīng)采用學(xué)生對自己進行自我評價，或?qū)W生相互進行評價。這樣可以使學(xué)生既能發(fā)現(xiàn)自己的進步，又可以了解自己的不足。對體育老師的評價上沒有量化的方法，對學(xué)生的各項綜合素質(zhì)沒有一個具體的量化考核方案來考核老師，即使上級主管部門有具體的考核方案但在農(nóng)村學(xué)校也沒有實施考核，對體育老師的考核多是拿平均教學(xué)獎，這就造成了體育課放羊式的教學(xué)成為現(xiàn)在的體育教學(xué)模式。通過現(xiàn)在教學(xué)實踐證明：教育主管部門及學(xué)校的重視，且制訂一些體育教學(xué)具體計劃，并按計劃大膽地、正常地進行教學(xué)，就是出了安全事故，政府也要站在學(xué)校的立場來說話，農(nóng)村小學(xué)體育課才能得以順利開展，學(xué)生的綜合素質(zhì)才能達到全面的提高。臨床診斷試驗與評價臨床試驗的類型I期臨床試驗：人體藥物的耐受程度，藥物在人體中的代謝情況。參加試驗的人員是健康人或病人（20左右）II期臨床試驗：藥效、安全性的初步評價。患者參加試驗（200例以上）III期臨床試驗：藥效與安全性的確認階段，我國法規(guī)要求試驗組人數(shù)300以上，總?cè)藬?shù)400-500人IV期臨床試驗：上市后的臨床研究。更大范圍使用后的療效與安全性一、診斷試驗的研究設(shè)計隨機對照重復(fù)倫理盲法試驗設(shè)計中的要素一、處理因素二、受試對象三、試驗效應(yīng)臨床試驗避免偏倚的技巧隨機對照重復(fù)盲法臨床試驗資料的數(shù)據(jù)集

分析應(yīng)包括在知情同意的基礎(chǔ)上，愿意參加試驗的所有隨機化后的受試者，也即原計劃好處理（治療）的受試者都需進入分析，而不是根據(jù)實際上完成的受試者。按此原則所作的分析是最好的分析，研究在病人知情同意的前提下，應(yīng)該考慮參與者的依從性，制定合理的納入排除標準，要求每一個隨機分到試驗組或?qū)φ战M的受試者都應(yīng)該盡量完整地隨訪，記錄研究結(jié)果如療效、安全性評價指標以及脫離原因。同時，要考慮參與者和不愿意參與者的差異，以及給研究結(jié)果帶來的偏倚。

意向性分析（Intentiontotreat）全分析集（fullanalysisset，F(xiàn)AS）安全性評價（safetyset）臨床有效性的統(tǒng)計學(xué)評價為什么要學(xué)習(xí)診斷試驗的評價選擇最科學(xué)合理的診斷方法，循證醫(yī)學(xué)的重要內(nèi)容根據(jù)實際需要，提供具有優(yōu)勢的診斷試驗（試劑、藥物、方法）金標準的選擇最為可靠的診斷標準！

二、診斷試驗的評價指標診斷實驗的靈敏度和特異度不會受到患病率的影響，但是預(yù)測值指標會受到患病率高低的影響。陽性預(yù)測值的應(yīng)用診斷試驗的評價指標二、診斷試驗中常用的評價指標：靈敏度、特異度、誤診率、漏診率三、預(yù)測指標：陽性預(yù)測值、陰性預(yù)測值四、診斷試驗的綜合評價指標：正確率、Youden指數(shù)、比數(shù)積、陽性似然比、陰性似然比診斷試驗中常用的評價指標例13.2表13.2ECG診斷試驗的結(jié)果ECG診斷結(jié)果心肌梗塞合計出現(xiàn)不出現(xiàn)陽性陰性合計416(TP)9（FP）425104(FN)171（TN）275520180700(N)常用指標有（一）正確百分率、（二）靈敏度、（三）特異度、（四）Youden指數(shù)、（五）陽性似然比、（六）陰性似然比、（七）陽性預(yù)報值、（八）陰性預(yù)報值。例13.2表13.2ECG診斷試驗的結(jié)果ECG診斷結(jié)果心肌梗塞合計出現(xiàn)不出現(xiàn)陽性陰性合計416(TP)9（FP）425104(FN)171（TN）275520180700(N)例13.2表13.2ECG診斷試驗的結(jié)果ECG診斷結(jié)果心肌梗塞合計出現(xiàn)不出現(xiàn)陽性陰性合計416(TP)9（FP）425104(FN)171（TN）275520180700(N)例13.2表13.2ECG診斷試驗的結(jié)果ECG診斷結(jié)果心肌梗塞合計出現(xiàn)不出現(xiàn)陽性陰性合計416(TP)9（FP）425104(FN)171（TN）275520180700(N)靈敏度與特異度的優(yōu)缺點優(yōu)點：靈敏度與特異度不受患病率的影響，其取值范圍均在（0,1）之間，其值越接近于1，說明其診斷準確性越好。缺點：當比較兩個診斷試驗時，單獨使用靈敏度或特異度，可能出現(xiàn)矛盾。解決辦法：將兩指標結(jié)合：Youden指數(shù)、陽性似然比、陰性似然比等例13.2表13.2ECG診斷試驗的結(jié)果ECG診斷結(jié)果心肌梗塞合計出現(xiàn)不出現(xiàn)陽性陰性合計416(TP)9（FP）425104(FN)171（TN）275520180700(N)例13.2表13.2ECG診斷試驗的結(jié)果ECG診斷結(jié)果心肌梗塞合計出現(xiàn)不出現(xiàn)陽性陰性合計416(TP)9（FP）425104(FN)171（TN）275520180700(N)例13.2表13.2ECG診斷試驗的結(jié)果ECG診斷結(jié)果心肌梗塞合計出現(xiàn)不出現(xiàn)陽性陰性合計416(TP)9（FP）425104(FN)171（TN）275520180700(N)醫(yī)生最關(guān)心的問題：

1.試驗陽性時患病的概率多大？

2.試驗陰性時不患病的概率多大？3.如何選擇合適的診斷界值，做出合理的診斷，使患者獲得最好的處理例13.2表13.2ECG診斷試驗的結(jié)果例13.2表13.2ECG診斷試驗的結(jié)果例13.2表13.2ECG診斷試驗的結(jié)果ECG診斷結(jié)果心肌梗塞合計出現(xiàn)不出現(xiàn)陽性陰性合計416(TP)9（FP）425104(FN)171（TN）275520180700(N)陽性預(yù)報值與陰性預(yù)報值五、截斷點的選擇與ROC曲線在進行診斷臨界點選擇的時候，需要綜合考慮靈敏度和特異度，選擇最佳診斷界值。ROC曲線提供了很好的臨界點選擇工具。ROC【receiver(relative)operatingcharacteristic的縮寫，譯為“接受者工作特征”】ROC曲線研究歷史1950’s雷達信號觀測能力評價1960’s中期實驗心理學(xué)、心理物理學(xué)1970’s末與1980’s初診斷醫(yī)學(xué)ROC的涵義與起源診斷試驗：泛指血液生化、影像學(xué)、免疫學(xué)、細胞學(xué)、病理學(xué)、統(tǒng)計模型等檢查。重要性：1.循證醫(yī)學(xué)的重要組成部分

2.診斷試驗評價方法可用于：臨床試驗評價臨床檢驗評價流行病學(xué)篩查試驗評價實驗室檢驗評價統(tǒng)計學(xué)模型評價……ROC曲線評價診斷試驗的重要性

靈敏度,特異度,假陰性率,假陽性率Testvariable醫(yī)學(xué)診斷試驗多數(shù)不能將病例和對照完全分開，而只有將二者100%的分開時，才能夠獲得100%正確的診斷。不同診斷界值時

靈敏度與特異度間的平衡(tradeoff)0204060801005060708090100特異度靈敏度百分率（％）Testvariable完美與無用的ROC曲線真陽性率即靈敏度假陽性率即1－特異度機率線(chanceline)

(diagonalreferenceline)診斷準確度較低（<0.7）0.00.20.40.60.81.00.00.20.40.60.81.0FPRTPRA＝0.664A＝0.830診斷準確度較高（>0.9）0.00.20.40.60.81.00.00.20.40.60.81.0FPRTPRA＝0.938ROC曲線下面積（Area）與診斷準確度高低高0.90-1.00=excellent(A)中0.80-0.90=good(B)0.70-0.80=fair(C)低0.60-0.70=poor(D)0.50-0.60=fail(F)似然比（LR）在ROC曲線空間的涵義白細胞計數(shù)診斷白血病LR＝7.5LR＝0.7LR＝2.3LR＝25.0基本概念小結(jié)ROC曲線反映了靈敏度與特異度間的平衡(增加靈敏度將降低特異度；增加特異度將降低靈敏度)。在ROC曲線空間，如果曲線沿著左邊線，然后沿著上邊線越緊密，則試驗準確度越高。在ROC曲線空間，如果曲線沿著機會線（45度對角線）越緊密，則試驗準確度越低。在診斷界值（cutpoint）處的正切線的斜率就是該試驗值對應(yīng)的陽性似然比（likelihoodratio，LR)。在ROC曲線空間的左下角LR+最大，隨著曲線從左下往右上方移動，LR+逐漸減小。ROC曲線下面積是重要的試驗準確度指標。主要任務(wù)：計算ROC曲線工作點（Coordinatepoint或Operatingpoint）（FPR,TPR）連接相鄰兩點一、ROC曲線工作點的計算與曲線繪制連續(xù)型數(shù)據(jù)的

ROC曲線工作點（TPR，F(xiàn)PR）計算

將這9個數(shù)據(jù)從大到小排列，以前8個數(shù)，分別作為診斷界值，大于等于診斷界值者判為陽性，小于該值者判為陰性。這樣，可整理成8個四格表表13－3假想的連續(xù)型數(shù)據(jù)有序分類數(shù)據(jù)的

ROC曲線工作點（TPR，F(xiàn)PR）計算

將診斷分類數(shù)據(jù)按大到小排序，以前4個分類作為診斷界值，大于等于診斷界值者為陽性，小于該值者為陰性。這樣，可整理出4個四格表，每個四格表對應(yīng)的ROC曲線的工作點見下表。2二、ROC曲線下面積的計算ROC曲線下面積(Area)部分ROC曲線下的面積FPR為某值對應(yīng)的TPR值(一)

Hanley和McNeil非參數(shù)法

ROC曲線下面積(Az)就是異常組觀察值大于正常組觀察值的概率Mann-WhitneyU統(tǒng)計量Hanley和McNeil法ROC曲線下面積

與Mann-WhitneyU

檢驗

由秩和檢驗中的Mann-WhitneyU統(tǒng)計量（SPSS等軟件均可計算）可計算ROC曲線下面積零假設(shè)H0:總體ROC面積θ＝0.5的檢驗等價于Mann-WhitneyU檢驗SPSS輸出的ROC面積檢驗P值即為上述Z值對應(yīng)的概率Hanley和McNeil法ROC曲線下面積

與梯形規(guī)則（trapezoidalrule）

Hanley和McNeil法ROC曲線下面積等于所有曲線下梯形（包括最左側(cè)的三角形）面積之和（二）其他ROC曲線下面積計算方法1.雙正態(tài)法2.有序回歸模型3.其他模型(如雙Gama法、雙指數(shù)法)三、ROC曲線下面積的假設(shè)檢驗單個連續(xù)型資料（實例1）單個有序分類資料（實例2）兩個相關(guān)連續(xù)型資料（實例3）兩個相關(guān)有序分類資料（實例4）二、ROC分析的數(shù)據(jù)類型Testvariables實例1：采用骨髓診斷作為金標準，對100例缺鐵性貧血疑似患者進行確診，患該病者為異常組(34例)，未患該病者為正常組(66例)。為了考察紅細胞平均容積（MCV）診斷缺鐵性貧血的效果，測得每一個體的MCV值如下：StateVariableTestVariable實例1：MCV診斷缺鐵性貧血圖4

連續(xù)性資料的兩組頻率分布0.30.20.100.10.20.3556065707580859095100105組段上限值異常組頻率實例1的SPSS輸入格式StateVariable

＝骨髓診斷TestVariable

＝MCV結(jié)果0＝正常組

1＝異常組ValueofStateVariable：1SPSS的GraphsROCCurve界面如果試驗測量值越小患病的可能性越大時應(yīng)改變默認的

Options…SPSS輸出結(jié)果SPSS輸出結(jié)果SPSS輸出結(jié)果SPSS輸出結(jié)果MCV診斷缺鐵性貧血的ROC曲線0.00.20.40.60.81.00.00.20.40.60.81.0FPRTPR雙正態(tài)機率線工作點實例2：某放射醫(yī)生將已知實際分類的影像，按肯定正常、可能正常、疑似異常、可能異常、肯定異常，分別分為1、2、3、4、5五類。StateVariableTestVariableFrequencyVariable實例2：放射醫(yī)生影像分類圖6

單個有序分類資料的兩組頻率分布-0.5-0.4-0.3-0.2-0.100.10.20.30.40.512345分類異常組頻率實例2的SPSS輸入格式StateVariable＝組別TestVariable

＝診斷分類0＝正常組

1＝異常組ValueofStateVariable：1SPSS的GraphsROCCurve界面如果試驗測量值越小患病的可能性越大時應(yīng)改變默認的

Options…在調(diào)用Graphs前，必須先用DataWeightCases…by…:頻數(shù)圖7放射醫(yī)生影像分類的ROC曲線0.00.20.40.60.81.00.00.20.40.60.81.0FPRTPR雙正態(tài)機率線工作點診斷實驗的正確應(yīng)用1.以金標準為對照的基礎(chǔ)2.盲法原則3.研究對象選擇要具有代表性4.對試驗對象要有清楚的說明5.應(yīng)說明診斷試驗的實用性6.需要進行試驗的方法要有應(yīng)用前景以金標準為對照的基礎(chǔ)

金標準疾病診斷的準確標準腫瘤的病理診斷高血壓病人的血壓糖尿病人的血糖對于目前沒有診斷金標準的疾病，需要采用傳統(tǒng)上認為最為準確的方法作為對照，甚至需要采用不能常規(guī)使用的一些能夠準確診斷出疾病的方法來進行對比。盲法原則

雙盲原則單盲原則

研究對象選擇要具有代表性

選用樣本應(yīng)該和將來診斷方法使用的目標人群一致。對試驗對象要有清楚的說明

在研究設(shè)計階段，考慮所試驗的方法將來使用的目標人群，達到準確檢驗方法的診斷效果的目標，需要準確地制定研究的納入和排除標準。比如納入的病人是否有年齡、性別限制比如納入的病人是否能夠有其它疾病作為健康組病人應(yīng)該如何選擇所選擇的人群應(yīng)該和將來方法應(yīng)用的目標人群盡量一致。應(yīng)說明診斷試驗的實用性

主要是與現(xiàn)有金標準相比的優(yōu)勢診斷的靈敏度診斷的特異度方法的成本方法的可接受程度需要進行試驗的方法要有應(yīng)用前景

醫(yī)生患者醫(yī)療費用提供者診斷試驗的串聯(lián)診斷試驗的并聯(lián)Datasample13_5;Dogroup=1,0;Dotest_val=1to5;Inputfreq;Output;end;end;Cards;32211333366112;Proc

logisticdescending;Modelgroup=test_val/Scale=noneoutroc=roc1;Freqfreq;symbol1i=joinv=nonec=blue;proc

gplotdata=roc1;title'ROCCurvesample13_5';plot_sensit_*_1mspec_=1/vaxis=0to1by.1cframe=ligr;run;Proc

print;Run;TheLOGISTICProcedureModelInformationDataSetWORK.SAMPLE13_5ResponseVariablegroupNumberofResponseLevels2FrequencyVariablefreqModelbinarylogitOptimizationTechniqueFisher'sscoringNumberofObservationsRead10NumberofObservationsUsed10SumofFrequenciesRead109SumofFrequenciesUsed109ResponseProfileOrderedTotalValuegroupFrequency

1151

2058Probabilitymodeledisgroup=1.ModelConvergenceStatusConvergencecriterion(GCONV=1E-8)satisfied.ModelFitStatisticsInterceptInterceptandCriterionOnlyCovariatesAIC152.65694.735SC155.348100.117-2LogL150.65690.735TestingGlobalNullHypothesis:BETA=0TestChi-SquareDFPr>ChiSqLikelihoodRatio59.92171<.0001Score51.61001<.0001Wald34.10601<.0001ROCCurvesample13_316:47Tuesday,November13,201313TheLOGISTICProcedureAnalysisofMaximumLikelihoodEstimatesStandardWaldParameterDFEstimateErrorChi-SquarePr>ChiSqIntercept1-3.91370.751027.1547<.0001test_val11.14260.195734.1060<.0001OddsRatioEstimatesPoint95%WaldEffectEstimateConfidenceLimitstest_val3.1352.1364.600AssociationofPredictedProbabilitiesandObservedResponsesPercentConcordant84.1Somers'D0.786PercentDiscordant5.4Gamma0.878PercentTied10.5Tau-a0.395Pairs2958c0.893ROCCurvesample13_516:47Tuesday,November13,201314Obs_PROB__POS__NEG__FALPOS__FALNEG__SENSIT__1MSPEC_

10.8580733562180.647060.03448

20.6585344451370.862750.22414

30.3808746391950.901960.32759

40.1640448332530.941180.43103

50.058915105801.000001.00000Datasample13_3;Inputgroup$num;Doi=1tonum;Inputtest_val;Output;End;Cards;Case516.513.512.811.25.0Control48.56.44.61.7;Proc

logisticdata=sample13_3;Modelgroup=test_val/scale=noneoutroc=roc1;symbol1i=joinv=nonec=blue;proc

gplotdata=roc1;title'ROCCurvesample13_3';plot_sensit_*_1mspec_=1/vaxis=0to1by.1cframe=ligr;run;Proc

print;Run;TheLOGISTICProcedureModelInformationDataSetWORK.SAMPLE13_3ResponseVariablegroupNumberofResponseLevels2ModelbinarylogitOptimizationTechniqueFisher'sscoringNumberofObservationsRead9NumberofObservationsUsed9ResponseProfileOrderedTotalValuegroupFrequency1Case52Control4Probabilitymodeledisgroup='Case'.ModelConvergenceStatusConvergencecriterion(GCONV=1E-8)satisfied.ModelFitStatisticsInterceptInterceptandCriterionOnlyCovariatesAIC14.36510.905SC14.56311.299-2LogL12.3656.905TestingGlobalNullHypothesis:BETA=0TestChi-SquareDFPr>ChiSqLikelihoodRatio5.460710.0194Score4.415610.0356Wald2.693710.1007TheLOGISTICProcedureAnalysisofMaximumLikelihoodEstimatesStandardWaldParameterDFEstimateErrorChi-SquarePr>ChiSqIntercept1-3.89122.53422.35770.1247test_val10.49510.30162.69370.1007OddsRatioEstimatesPoint95%WaldEffectEstimateConfidenceLimitstest_val1.6410.9082.963AssociationofPredictedProbabilitiesandObservedResponsesPercentConcordant90.0Somers'D0.800PercentDiscordant10.0