疾病风险预测模型评价方法:ROC曲线,拟合优度检验与NRI
2020-09-17 网络 网络
临床上疾病风险预测模型类研究越来越多,最常见的是按TRIPOS规范,建立建模队列和验证队列,建立模型以后,评估模型的可靠性,一般采用ROC曲线的AUC值和拟合优度检验,了解模型的价值。即预测模型的区分
临床上疾病风险预测模型类研究越来越多,最常见的是按TRIPOS规范,建立建模队列和验证队列,建立模型以后,评估模型的可靠性,一般采用ROC曲线的AUC值和拟合优度检验,了解模型的价值。即预测模型的区分度(Discrimination)和校准度(Calibration),前者反映了该模型是否能够将患者和非患者区分开来的能力;后者反映了该模型预测结果与实际情况的符合程度。基本到此就可以了。AUC的专业意义不容易理解,很难转化为恰当的临床解释。今天还会跟大家介绍一个新的工具NRI,而NRI很好的克服了这个不足。 先讲一讲ROC曲线及其AUC 首先我们来复习一下ROC曲线,在诊断试验中,通常根据检验指标的判断结果和金标准诊断结果,整理成一个2×2的表格,如下表所示,并以此来计算诊断试验中两个比较重要的指标,即灵敏度和特异度。 灵敏度=A/(A+C),即真阳性率,反映了将实际有病的人正确地判定为阳性的比例。 特异度=D/(B+D),即真阴性率,反映了将实际无病的人正确地判定为阴性的比例。 如果检验指标为连续性变量,我们可以将该检验指标划分为不同的切点,切点以上判断为阳性,切点以下判断为阴性,每个
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
学习了 谢谢
93
赞
84
很好
89
#ROC曲线#
128
#ROC#
68