第十三章--诊断试验的评价优秀PPT.ppt

《第十三章--诊断试验的评价优秀PPT.ppt》由会员分享，可在线阅读，更多相关《第十三章--诊断试验的评价优秀PPT.ppt（57页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、为什么要学习诊断试验的评价循证医学的重要内容刚好取舍或敏捷应用新的诊断试验（试剂、药物、方法）提高业务素养，削减患者不必要的经济开支。目 录第一节 贝叶斯定理其次节 诊断试验中常用的评价指标第三节 ROC曲线第一节 贝叶斯定理贝叶斯定理应用其次节 诊断试验中常用的评价指标ECG诊断结果心肌梗塞合 计出现不出现阳 性阴 性合计416(TP)9（FP）425104(FN)171（TN）275520180700(N)ECG诊断结果心肌梗塞合 计出现不出现阳 性阴 性合计416(TP)9（FP）425104(FN)171（TN）275520180700(N)ECG诊断结果心肌梗塞合 计出现不出现阳 性

2、阴 性合计416(TP)9（FP）425104(FN)171（TN）275520180700(N)ECG诊断结果心肌梗塞合 计出现不出现阳 性阴 性合计416(TP)9（FP）425104(FN)171（TN）275520180700(N)灵敏度与特异度的优缺点优点：灵敏度与特异度不受患病率的影响，其取值范围均在（0,1）之间，其值越接近于1，说明其诊断精确性越好。缺点：当比较两个诊断试验时，单独运用灵敏度或特异度，可能出现冲突。解决方法：将两指标结合：Youden指数、阳性似然比、阴性似然比等ECG诊断结果心肌梗塞合 计出现不出现阳 性阴 性合计416(TP)9（FP）425104(FN)1

3、71（TN）275520180700(N)ECG诊断结果心肌梗塞合 计出现不出现阳 性阴 性合计416(TP)9（FP）425104(FN)171（TN）275520180700(N)ECG诊断结果心肌梗塞合 计出现不出现阳 性阴 性合计416(TP)9（FP）425104(FN)171（TN）275520180700(N)ECG诊断结果心肌梗塞合 计出现不出现阳 性阴 性合计416(TP)9（FP）425104(FN)171（TN）275520180700(N)阳性预报值与阴性预报值第三节 ROC曲线 ROCROC【receiver(relative)receiver(relative)op

4、erating operating characteristiccharacteristic的的缩缩写写，译译为为“接接受受者者工工作特征作特征”】ROCROC曲线探讨历史曲线探讨历史1950s 1950s 雷雷达达信信号号观观测测实实力力评价评价1960s1960s中中期期 试试验验心心理理学学、心理物理学心理物理学1970s1970s末与末与1980s1980s初初 诊断医学诊断医学ROC的涵义与起源的涵义与起源诊诊断断试试验验：泛泛指指血血液液生生化化、影影像像学学、免免疫疫学学、细细胞胞学学、病理学、统计模型等检查。病理学、统计模型等检查。重要性：重要性：1.循证医学的重要组成部分循证

5、医学的重要组成部分 2.诊断试验评价方法可用于：诊断试验评价方法可用于：临床试验评价临床试验评价 临床检验评价临床检验评价 流行病学筛查试验评价流行病学筛查试验评价 试验室检验评价试验室检验评价 统计学模型评价统计学模型评价ROC曲线评价诊断试验的重要性曲线评价诊断试验的重要性 灵敏度灵敏度,特异度特异度,假阴性率假阴性率,假阳性率假阳性率不同不同诊断界值诊断界值时时灵敏度与特异度间的平衡灵敏度与特异度间的平衡(trade off)(trade off)0204060801005060708090100特异度灵敏度百分率（）百分率（）完备与无用的完备与无用的ROC曲线曲线诊断精确度较低（诊断精

6、确度较低（0.9）0.00.20.40.60.81.00.00.20.40.60.81.0FPRTPRA0.938ROC曲线下面积（曲线下面积（Area）与诊断精确度凹凸）与诊断精确度凹凸高高 0.90-1.00=excellent(A)中中 0.80-0.90=good(B)0.70-0.80=fair(C)低低 0.60-0.70=poor(D)0.50-0.60=fail(F)似然比（似然比（LR）在）在ROC曲线空间的涵义曲线空间的涵义基本概念小结基本概念小结lROC曲线反映了灵敏度与特异度间的平衡(增加灵敏度将降低特异度；增加特异度将降低灵敏度)。l在ROC曲线空间，假如曲线沿着左边

7、线，然后沿着上边线越紧密，则试验精确度越高。l在ROC曲线空间，假如曲线沿着机会线（45度对角线）越紧密，则试验精确度越低。l在诊断界值（cutpoint）处的正切线的斜率就是该试验值对应的阳性似然比（likelihood ratio，LR)。在ROC曲线空间的左下角LR+最大，随着曲线从左下往右上方移动，LR+渐渐减小。lROC曲线下面积是重要的试验精确度指标。主要任务：主要任务：l计计算算ROC曲曲线线工工作作点点（Coordinate point或或Operating point）（）（FPR,TPR）l连接相邻两点连接相邻两点一、一、ROC曲线工作点的计算与曲线绘制曲线工作点的计算与曲

8、线绘制连续型数据的连续型数据的ROC曲线工作点（曲线工作点（TPR，FPR）计算）计算 将这9个数据从大到小排列，以前8个数，分别作为诊断界值，大于等于诊断界值者判为阳性，小于该值者判为阴性。这样，可整理成8个四格表表表133 假想的连续型数据假想的连续型数据有序分类数据的有序分类数据的ROC曲线工作点（曲线工作点（TPR，FPR）计算）计算 将诊断分类数据按大到小排序，以前4个分类作为诊断界值，大于等于诊断界值者为阳性，小于该值者为阴性。这样，可整理出4个四格表，每个四格表对应的ROC曲线的工作点见下表。二、二、ROC曲线下面积的计算曲线下面积的计算lROC曲线下面积曲线下面积(Area)l

9、部分部分ROC曲线下的面积曲线下的面积lFPR为某值对应的为某值对应的TPR值值(一)Hanley 和 McNeil非参数法非参数法 ROC曲线下面积(Az)就是异样组视察值大于正常组视察值的概率Hanley 和 McNeil法法ROC曲线下面积曲线下面积与Mann-Whitney U 检验l由秩和检验中的Mann-Whitney U统计量（SPSS等软件均可计算）可计算ROC曲线下面积l零假设H0:总体ROC面积0.5的检验等价于Mann-Whitney U检验Hanley 和 McNeil法法ROC曲线下面积曲线下面积与梯形规则（trapezoidal rule）lHanley 和 McN

10、eil法ROC曲线下面积等于全部曲线下梯形（包括最左侧的三角形）面积之和（二）其他ROC曲线下面积计算方法1.双正态法2.有序回来模型3.其他模型(如双Gama法、双指数法)l单个连续型资料（实例1）l单个有序分类资料（实例2）l两个相关连续型资料（实例3）l两个相关有序分类资料（实例4）二、二、ROC分析的数据类型分析的数据类型实例实例1：接受骨髓诊断作为金标准，对：接受骨髓诊断作为金标准，对100例例缺铁性贫血疑似患者进行确诊，患该病者为缺铁性贫血疑似患者进行确诊，患该病者为异样组异样组(34例例)，未患该病者为正常组，未患该病者为正常组(66例例)。为了考察红细胞平均容积（。为了考察红细

11、胞平均容积（MCV）诊断缺）诊断缺铁性贫血的效果，测得每一个体的铁性贫血的效果，测得每一个体的MCV值如值如下：下：实例实例1：MCV诊断缺铁性贫血诊断缺铁性贫血图图4 4 连续性资料的两组频率分布连续性资料的两组频率分布 0.3 0.2 0.100.10.20.3556065707580859095100105组段上限值异常组频率实例实例1的的SPSS输入格式输入格式SPSS的的GraphsROC Curve界面界面SPSS输出结果SPSS输出结果SPSS输出结果SPSS输出结果MCVMCV诊断缺铁性贫血的诊断缺铁性贫血的ROCROC曲线曲线0.00.20.40.60.81.00.00.20

12、.40.60.81.0FPRTPR双正态机率线工作点实例实例2：某放射医生将已知实际：某放射医生将已知实际分类的影像，按确定正常、可能分类的影像，按确定正常、可能正常、疑似异样、可能异样、确正常、疑似异样、可能异样、确定异样，分别分为定异样，分别分为1、2、3、4、5五类。五类。实例实例2：放射医生影像分类：放射医生影像分类图图6 6 单个有序分类资料的两组频率分布单个有序分类资料的两组频率分布-0.5-0.4-0.3-0.2-0.100.10.20.30.40.512345 分类异常组频率实例实例2的的SPSS输入格式输入格式SPSS的的GraphsROC Curve界面界面图图7 7 放射

13、医生影像分类的放射医生影像分类的ROCROC曲线曲线0.00.20.40.60.81.00.00.20.40.60.81.0FPRTPR双正态机率线工作点其他实例的ROC曲线SPSS计算参见：:/statdtedm.6to23 (诊断试验评价与数据挖掘)举荐两本国外最新著作举荐两本国外最新著作Zhou XH,McClish DK,Obuchowski NA.Statistical Methods in Diagnostic Medicine.John Wiley&Sons,Inc.July 2002.（也见：宇传华译，诊断医学统计学人民卫生出版社，2005年2月）Pepe MS.The Statistical Evaluation of Medical Tests for Classification and Prediction.Oxford Univ Press.May 2003.