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:多項測量指標的ROC曲線分析
SPSS操作:多項測量指標的ROC曲線分析
2017-06-20
收藏

SPSS操作:多項測量指標的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)一項測量指標設(shè)計和評價診斷試驗。但在實際臨床工作中，我們往往是根據(jù)多項指標綜合判斷病情的。比如，在診斷高血壓時，我們會根據(jù)年齡、性別、并發(fā)癥等多個因素同時評價受試者的患病情況。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)這幾項因素預(yù)測受試者是否患肺癌，那么應(yīng)如何預(yù)測，準確性又如何呢？

表1  肺癌危險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。但是該診斷試驗的測量指標很多，應(yīng)該如何預(yù)測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，計算受試者患肺癌的預(yù)測概率。

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實例教程：二分類Logistic回歸”。）

選擇Analyze→Regression→Binary Logistic


（1）主對話框設(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”的研究對象為參照組，分別比較“輕/中度”和“重度”組相對于參照組患肺癌的風險。

點擊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。）→點擊Change→點擊Continue。


（3）Save設(shè)置

點擊Save→選擇Probabilities→點擊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）三個變量。也就是說，這該Logistic回歸模型認為，這三個變量可以預(yù)測是否患肺癌，而年齡和BMI并沒有預(yù)測意義。


2. 個體患肺癌的概率

根據(jù)上述Logistic回歸的結(jié)果，我們可以寫出每個受試者根據(jù)性別、COPD病史和是否吸煙三個因素，預(yù)測是否患肺癌的危險得分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算得到每一個受試者患肺癌的預(yù)測概率：

實際上，當點選了上述2.5的操作，運行該回歸分析后，SPSS會自動生成每一位受試者的預(yù)測概率（PRE_1），而不需要上述的手工計算。

至此，我們就可以根據(jù)受試者的真實患病情況和預(yù)測概率，評估根據(jù)性別、COPD病史和是否吸煙三個因素，預(yù)測個體是否患肺癌的準確性了。

四、ROC曲線的繪制

1. 選擇Analyze→ROC Curve

2. 主對話框設(shè)置

將已知的疾病情況cancer送入State Variable框中，預(yù)測概率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的ROC曲線下面積是0.718,判斷其準確性，并用于與其他診斷試驗的比較。至于評價診斷試驗的其它指標，需要我們根據(jù)預(yù)測概率（PRE_1）確定診斷截點（cut-off值）后再計算，有興趣的小伙伴可以自己嘗試計算哦。

數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：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(), // 加隨機數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個參數(shù)驗證碼對象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗服務(wù)器是否宕機 new_captcha: data.new_captcha, // 用于宕機時表示是新驗證碼的宕機 product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說明請參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計時完成 $(".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 = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; 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); }