诊断试验ROC分析
ROC曲线，常用于二分类判别效果的分析与评价。
变量类型：
1、因变量为二分类变量
2、自变量可以是连续型变量或有序分类变量
连续型资料常见于某些定量检验，有序分类资料多见于医学影像诊断和心理学评价
诊断试验的四格表
标准诊断方法
诊断性试验 a b
c d
真阳性
真阴性
敏感度= a/a+c
特异度 = b/b+c
这两个指标就是正确诊断率，理想值为完全正确，级为2，故两者和-1 为诊断
为诊断准确率
多指标联合诊断试验
本质是找到一个应用价值最优的界值
指标类型：
1）二分类：不用寻找界值，直接评价
2）等级资料，需要寻找最佳界值
3）连续资料，寻找最佳界值
处理方案：
1）并联试验，提高灵敏度，但可能假阳性率增加，误诊
2）串联试验，提高特异度，但可能真阴性率下降，漏诊
3）多指标联合诊断，多指标产生一个综合指标进行计算
先把这多个指标进行Logistic回归分析，得到一个预测概率，再用预测概率做ROC曲线，得到诊断界值
前面Logistic回归分析会得到一个回归方程，把数值代入方程即可得到Logitp值
判断两种办法有无差异，可以查看他们的可信区间，如果有重叠，则说明两者差异无统计学意义
