99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁精彩閱讀SPSS操作:多項(xiàng)測(cè)量指標(biāo)的ROC曲線分析
SPSS操作:多項(xiàng)測(cè)量指標(biāo)的ROC曲線分析
2017-06-20
收藏

SPSS操作:多項(xiàng)測(cè)量指標(biāo)的ROC曲線分析

在前面幾講中，我們已向大家介紹過如何依據(jù)一項(xiàng)測(cè)量指標(biāo)設(shè)計(jì)和評(píng)價(jià)診斷試驗(yàn)。但在實(shí)際臨床工作中，我們往往是根據(jù)多項(xiàng)指標(biāo)綜合判斷病情的。比如，在診斷高血壓時(shí)，我們會(huì)根據(jù)年齡、性別、并發(fā)癥等多個(gè)因素同時(shí)評(píng)價(jià)受試者的患病情況。那么在這種情況下，我們應(yīng)如何判斷診斷結(jié)果的真實(shí)性呢？

一、問題與數(shù)據(jù)

某呼吸內(nèi)科醫(yī)生擬通過性別、年齡、BMI、COPD病史和是否吸煙等因素預(yù)測(cè)受試者的肺癌患病情況。他招募了85名肺癌患者，259名非肺癌患者，并通過查閱病歷、問卷調(diào)查的方式收集了上述信息。變量的賦值和部分原始數(shù)據(jù)見表1和表2。如果該醫(yī)生依據(jù)這幾項(xiàng)因素預(yù)測(cè)受試者是否患肺癌，那么應(yīng)如何預(yù)測(cè)，準(zhǔn)確性又如何呢？

表1  肺癌危險(xiǎn)因素分析研究的變量與賦值

表2 部分原始數(shù)據(jù)

從本質(zhì)上講，該研究也是結(jié)局變量為二分類的診斷試驗(yàn)。但是該診斷試驗(yàn)的測(cè)量指標(biāo)很多，應(yīng)該如何預(yù)測(cè)每一位受試者是否患肺癌呢？

我們可以通過二分類Logistic回歸模型，用性別、年齡、BMI、COPD病史和是否吸煙等因素，計(jì)算受試者患肺癌的預(yù)測(cè)概率。

二、SPSS分析方法

1. 數(shù)據(jù)錄入SPSS

2. Logistic回歸分析（關(guān)于Logistic回歸每一步設(shè)置的意義，可參考“SPSS實(shí)例教程：二分類Logistic回歸”。）

選擇Analyze→Regression→Binary Logistic


（1）主對(duì)話框設(shè)置

將因變量cancer送入Dependent框中，將納入模型的自變量sex, age, BMI和COPD變量Covariates中，選擇Forward: LR的自變量篩選方法（Method對(duì)話框）。


（2）Categorical設(shè)置

本研究中，COPD是多分類變量，我們指定“無COPD病史”的研究對(duì)象為參照組，分別比較“輕/中度”和“重度”組相對(duì)于參照組患肺癌的風(fēng)險(xiǎn)。

點(diǎn)擊Categorical→將左側(cè)Covariates中的COPD變量送入右側(cè)Categorical Covariates中。在Reference Category的右側(cè)選擇First（表示選擇變量COPD中，賦值最小的，即“0”作為參照。）→點(diǎn)擊Change→點(diǎn)擊Continue。


（3）Save設(shè)置

點(diǎn)擊Save→選擇Probabilities→點(diǎn)擊Continue。

三、Logistic回歸結(jié)果

1. 納入Logistic回歸模型的變量

最終模型納入了性別（sex）、COPD病史（COPD）和吸煙（smoke）三個(gè)變量。也就是說，這該Logistic回歸模型認(rèn)為，這三個(gè)變量可以預(yù)測(cè)是否患肺癌，而年齡和BMI并沒有預(yù)測(cè)意義。


2. 個(gè)體患肺癌的概率

根據(jù)上述Logistic回歸的結(jié)果，我們可以寫出每個(gè)受試者根據(jù)性別、COPD病史和是否吸煙三個(gè)因素，預(yù)測(cè)是否患肺癌的危險(xiǎn)得分Logit(P)：

Logit(P)= -3.062 + 0.836*sex(男=1；女=0) + 0.454*COPD(輕度) + 1.281COPD(中/重度) + 1.237*smoke(無=0；曾吸/現(xiàn)吸=1)

并可以按照以下公式計(jì)算得到每一個(gè)受試者患肺癌的預(yù)測(cè)概率：

實(shí)際上，當(dāng)點(diǎn)選了上述2.5的操作，運(yùn)行該回歸分析后，SPSS會(huì)自動(dòng)生成每一位受試者的預(yù)測(cè)概率（PRE_1），而不需要上述的手工計(jì)算。

至此，我們就可以根據(jù)受試者的真實(shí)患病情況和預(yù)測(cè)概率，評(píng)估根據(jù)性別、COPD病史和是否吸煙三個(gè)因素，預(yù)測(cè)個(gè)體是否患肺癌的準(zhǔn)確性了。

四、ROC曲線的繪制

1. 選擇Analyze→ROC Curve

2. 主對(duì)話框設(shè)置

將已知的疾病情況cancer送入State Variable框中，預(yù)測(cè)概率Predicted probability送入Test Variable中，并在Value of State Variable框中填1→OK。

五、結(jié)果解讀

SPSS的ROC曲線結(jié)果會(huì)給出ROC曲線和曲線下面積。

根據(jù)結(jié)果，我們可以知道該診斷試驗(yàn)的ROC曲線下面積是0.718,判斷其準(zhǔn)確性，并用于與其他診斷試驗(yàn)的比較。至于評(píng)價(jià)診斷試驗(yàn)的其它指標(biāo)，需要我們根據(jù)預(yù)測(cè)概率（PRE_1）確定診斷截點(diǎn)（cut-off值）后再計(jì)算，有興趣的小伙伴可以自己嘗試計(jì)算哦。

數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼

若不方便掃碼，搜微信號(hào)：CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對(duì)象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺(tái)檢測(cè)極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說明請(qǐng)參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請(qǐng)輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請(qǐng)輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }