SPSS操作:多项测量指标的ROC曲线分析
在前面几讲中,我们已向大家介绍过如何依据一项测量指标设计和评价诊断试验。但在实际临床工作中,我们往往是根据多项指标综合判断病情的。比如,在诊断高血压时,我们会根据年龄、性别、并发症等多个因素同时评价受试者的患病情况。那么在这种情况下,我们应如何判断诊断结果的真实性呢?
一、问题与数据
某呼吸内科医生拟通过性别、年龄、BMI、COPD病史和是否吸烟等因素预测受试者的肺癌患病情况。他招募了85名肺癌患者,259名非肺癌患者,并通过查阅病历、问卷调查的方式收集了上述信息。变量的赋值和部分原始数据见表1和表2。如果该医生依据这几项因素预测受试者是否患肺癌,那么应如何预测,准确性又如何呢?
表1 肺癌危险因素分析研究的变量与赋值
表2 部分原始数据
从本质上讲,该研究也是结局变量为二分类的诊断试验。但是该诊断试验的测量指标很多,应该如何预测每一位受试者是否患肺癌呢?
我们可以通过二分类Logistic回归模型,用性别、年龄、BMI、COPD病史和是否吸烟等因素,计算受试者患肺癌的预测概率。
二、SPSS分析方法
1. 数据录入SPSS
2. Logistic回归分析(关于Logistic回归每一步设置的意义,可参考“SPSS实例教程:二分类Logistic回归”。)
选择Analyze→Regression→Binary Logistic
(1)主对话框设置
将因变量cancer送入Dependent框中,将纳入模型的自变量sex, age, BMI和COPD变量Covariates中,选择Forward: LR的自变量筛选方法(Method对话框)。
(2)Categorical设置
本研究中,COPD是多分类变量,我们指定“无COPD病史”的研究对象为参照组,分别比较“轻/中度”和“重度”组相对于参照组患肺癌的风险。
点击Categorical→将左侧Covariates中的COPD变量送入右侧Categorical Covariates中。在Reference Category的右侧选择First(表示选择变量COPD中,赋值最小的,即“0”作为参照。)→点击Change→点击Continue。
(3)Save设置
点击Save→选择Probabilities→点击Continue。
三、Logistic回归结果
1. 纳入Logistic回归模型的变量
最终模型纳入了性别(sex)、COPD病史(COPD)和吸烟(smoke)三个变量。也就是说,这该Logistic回归模型认为,这三个变量可以预测是否患肺癌,而年龄和BMI并没有预测意义。
2. 个体患肺癌的概率
根据上述Logistic回归的结果,我们可以写出每个受试者根据性别、COPD病史和是否吸烟三个因素,预测是否患肺癌的危险得分Logit(P):
Logit(P)= -3.062 + 0.836*sex(男=1;女=0) + 0.454*COPD(轻度) + 1.281COPD(中/重度) + 1.237*smoke(无=0;曾吸/现吸=1)
并可以按照以下公式计算得到每一个受试者患肺癌的预测概率:
实际上,当点选了上述2.5的操作,运行该回归分析后,SPSS会自动生成每一位受试者的预测概率(PRE_1),而不需要上述的手工计算。
至此,我们就可以根据受试者的真实患病情况和预测概率,评估根据性别、COPD病史和是否吸烟三个因素,预测个体是否患肺癌的准确性了。
四、ROC曲线的绘制
1. 选择Analyze→ROC Curve
2. 主对话框设置
将已知的疾病情况cancer送入State Variable框中,预测概率Predicted probability送入Test Variable中,并在Value of State Variable框中填1→OK。
五、结果解读
SPSS的ROC曲线结果会给出ROC曲线和曲线下面积。
根据结果,我们可以知道该诊断试验的ROC曲线下面积是0.718,判断其准确性,并用于与其他诊断试验的比较。至于评价诊断试验的其它指标,需要我们根据预测概率(PRE_1)确定诊断截点(cut-off值)后再计算,有兴趣的小伙伴可以自己尝试计算哦。
数据分析咨询请扫描二维码
数据挖掘是现代企业利用数据驱动决策的重要工具。它涉及从大量数据中提取隐藏的、先前未知但潜在有用的信息,依托人工智能、机器 ...
2024-10-23在当前数据驱动的商业环境中,数据分析师的角色变得越来越重要。想要踏入这一领域并取得成功,不仅需要扎实的技术基础,还需要不 ...
2024-10-23数据分析是一个广泛而又精细的领域,它结合了统计学、计算机科学、商业策略以及数据科学等多个学科的知识。这个领域日新月异的发 ...
2024-10-23在现代企业中,数字化管理师扮演着至关重要的角色。他们不仅帮助企业优化资源配置,还推动企业的数字化转型。要成为一名合格的数 ...
2024-10-23大数据专业是一个跨学科的领域,涵盖了数学、统计学、计算机科学与技术等多个学科。随着数据在各个行业中的重要性日益增加,大数 ...
2024-10-23大数据分析师培训教程-2.1 Hadoop入门-Hadoop 1.0 的局限与 Hadoop 2.0(YARN)的革新 Hadoop简介Hadoop 的生态系统HDFS 的原理 ...
2024-10-232024,您是否渴望在数据领域探索更广阔的职业机遇? 数字化时代,数据量级每年都在呈指数级增长。据统计,全球互联网用户每天产 ...
2024-10-21数据科学专业是一门跨学科的综合性学科,涵盖了数学、统计学、计算机科学等多个领域。其核心目标是通过数据的收集、处理和分析来 ...
2024-10-21Python是一种高级解释性编程语言,由Guido van Rossum于1991年创造。凭借其简单易学、代码可读性强和功能强大的特点,Python已经 ...
2024-10-21在当今数据驱动的世界中,选择学习Hadoop已成为许多数据分析师和IT专业人士的必修课。Hadoop不仅是大数据处理领域的核心技术之一 ...
2024-10-21数据开发工程师在当今数据驱动的世界中扮演着至关重要的角色。他们不仅负责数据的采集和处理,还在数据仓库建设、系统开发和数据 ...
2024-10-20在当今快速变化的数字经济时代,数字化转型已经成为企业实现持续增长和竞争优势的关键。数字化转型不仅仅是技术的变革,更是组织 ...
2024-10-19在当今快速发展的科技时代,数字经济已成为全球经济的重要组成部分。选择数字经济专业,不仅能为你打开通往多个行业的大门,还能 ...
2024-10-18学习统计学与大数据分析具有显著的优势,能够帮助你走向高薪岗位。在数字化时代背景下,统计学和大数据分析展现出强大的就业潜力 ...
2024-10-18在当今的数字时代,数据科学与大数据技术专业的就业方向极为广泛,涵盖了多个领域和岗位。随着数据成为企业决策的重要依据,行业 ...
2024-10-18大数据技术与应用领域正在迅速发展,成为现代经济和科技发展的重要驱动力。随着数据量的爆炸式增长,各行各业对大数据专业人才的 ...
2024-10-18在当今数据驱动的商业环境中,数据分析软件已成为企业决策过程中不可或缺的工具。随着数据量的激增和分析需求的复杂化,选择合适 ...
2024-10-18在当今数据驱动的世界中,数据分析已成为许多行业不可或缺的一部分。无论是企业决策、市场营销,还是产品开发,数据分析都能提 ...
2024-10-18数据分析在现代企业中扮演着至关重要的角色,帮助企业在竞争激烈的市场中做出明智的决策。随着数据量的不断增长,企业需要依赖先 ...
2024-10-18CDA(Certified Data Analyst)认证在数据分析领域具有显著的作用,具体包括以下几个方面: 1. 专业技能认可 CDA认证是数据分析 ...
2024-10-17