R 语⾔快速画出ROC 曲线和算出可信区间和p 值
⼀、背景介绍
在临床医学中，医⽣的⼀项重要任务就是判断就诊者是否患病，以便采取适当的进⼀步⾏动。临床检测结果常被⽤于指导临床决策，因此对临床诊断实验的质量评价由于重要。常⽤的描述检测质量的统计指标有：灵敏度、特异度、预测值、正确率和似然⽐等。⼆、数据集 下⾯将以pROC包的数据集aSAH为例进⾏下⾯讲述：
硫酸铜晶体1. 查看pROC 下数据集
2. 结果展⽰
三、统计指标解析
检查结果
有病⽆病合计阳性a(真阳性)b(假阳性)a+b install.packages('pROC')library(pROC)data(aSAH)
str(aSAH)
1
2
3
4# 未引⼊pROC 前是⽆法查看到aSAH 数据集> data(aSAH)Warning message:In data(aSAH) : 没有‘aSAH’这个数据集> library(pROC)Type 'citation("pROC")' for a citation.载⼊程辑包：‘pROC’The following objects are masked from ‘package:stats’: cov, smooth, var Warning message：程辑包‘pROC’是⽤R 版本4.0.5 来建造的 > data(aSAH)> str(aSAH)'data.frame': 113 obs. of 7 variables: $ gos6 : Ord.factor w/ 5 levels "1"<"2"<"3"<"4"<..: 5 5 5 5 1 1 4 1 5 4 ... $ outcome: Factor w/ 2 levels "Good","Poor": 1 1 1 1 2 2 1 2 1 1 ... $ gender : Factor w/ 2 levels "Male","Female": 2 2 2 2 2 1 1 1 2 2 ... $ age : int 42 37 42 27 42 48 57 41 49 75 ... $ wfns : Ord.factor w/ 5 levels "1"<"2"<"3"<"4"<..: 1 1 1 1 3 2 5 4 1 2 ... $ s100b : num 0.13 0.14 0.1 0.04 0.13 0.1 0.47 0.16 0.18 0.1 ... $ ndka : num 3.01 8.54 8.09 10.42 17.4 ...> head(aSAH) gos6 outcome gender age wfns s100b ndka 29 5 Good Female 42 1 0.13 3.0130 5 Good Female 37 1 0.14 8.5431 5 Good Female 42 1 0.10 8.0932 5 Good Female 27 1 0.04 10.4233 1 Poor Female 42
3 0.13 17.4034 1 Poor Male 48 2 0.10 12.75
1
超低碳钢2
3
4连通性
5
6
7
8
9
10
竹书文化
11
12
13
14
15
16
17
18
19
20
21
22海菱电器
23
24
25
26
27
28
29
30
31
32
33
阴性
c(假阴性)d(真阴性)c+d 合计a+c b+d a+b+c+d
检查结果有病⽆病合计1. 灵敏度和特异度
1. 灵敏度：是指患者检测结果为阳性的百分率，也叫真阳性率（Sensitivity）。 2. 特异度：是指未患病的⼈检测结果为阴性的百分率，也叫真阴性率(Specificity)。
2. 正确率
正确率（accuracy）：⼜称总符合率，表⽰检测结果与⾦标准的符合程度。
正确率反应⼀项诊断实验或者参数正确区分患者与⾮患者的能⼒，但是很⼤程度依赖⼈的发病率（患病率如果为3%，即使全部诊断为阴性，也有97%的正确率）。
3. 约登指数灵敏度 = a/(a+c)*100%
1特异度 = d/(b+d)*100%
1正确率=（a+d ）/(a+b+c+d)*100%
1
比例电磁铁
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议