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
本网站所有内容来源注明为“梅斯医学”或“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为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或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
103
赞
92
很好
101
#ROC曲线#
137
#ROC#
76
学习了
94
赞👍
101
#预测模型#
67
#评价#
74
#疾病风险#
65