方法 | 如何快速绘制logistic回归预测模型的ROC曲线？

文章预览

临床预测模型 ，也是临床统计分析的一个大类，除了前期构建模型，还要对模型的预测能力、区分度、校准度、临床获益等方面展开评价，确保模型是有效的！ 其中评价模型的好坏主要方面还是要看区分度和校准度，而区分度方面目前最常见的是 ROC曲线（Receiver Operating Characteristic，中文名字叫“受试者工作特征曲线”） ， 由 灵敏度 为纵轴，（1-特异度）为横轴绘制而成 ，用于评价X（检验变量）对于Y（状态变量）的预测准确率情况。 越靠左上方，说明模型的预测准确性越好 ，可以让读者直观地看到某指标各取值对结局指标的诊断或预测能力 。 此外，ROC曲线还会使用 曲线下面积（AUC）的大小对模型进行评价 ，AUC的取值范围为0.5到1之间，曲线下面积越大，越接近于1，模型的诊断或预测效果越好： AUC在0.9以上时，准确性较高 在 0.7～0.9时，有 ………………………………