如何联合多个指标提升诊断准确度?教程来了!
王九谊

王九谊

荷兰乌特勒支大学理学院药物流行病与临床药理学系

擅长:诊断试验,生存分析,预测模型的开发和验证,卫生技术评估
已关注
关注
2019-01-18 来源:医咖会

医咖会曾发过一篇文章:《多项测量指标的ROC曲线分析》,详细介绍了结合多项指标进行疾病诊断的统计方法及其SPSS操作。

但是文中给出的例子,并没有包含任何诊断试验结果,而是仅利用患者特征(性别、年龄、BMI、COPD病史和是否吸烟),来预测患者是否患肺癌。从严格意义上讲,这并不是一篇标准的联合诊断试验研究,而是一篇建立预测模型的研究。

本文将以在体外人工受孕(IVF)中,三种卵巢储备功能检测(ovarian reserve tests)用于预测卵巢低反应(poor ovarian response)作为例子,讲解如何评价多个诊断试验联合的诊断准确性

研究问题与数据

基础窦卵泡数(AFC),抗缪勒管激素(AMH),促卵泡激素(FSH)是最常用的预测试管婴儿取卵数和卵巢反应的三种卵巢储备功能检测。研究者收集了1023例接受体外人工受孕的患者,用来研究这三种指标用来预测卵巢低反应的准确性。

数据分析前的准备

在开始分析之前,我们需要对数据进行描述,来了解我们需要分析的数据是什么样子的,也让读者对研究所用的数据有一个直观的印象,这就是表1:患者一般特征的描述统计。

从表中我们可以看出,相比于非卵巢低反应组,卵巢低反应组中AFC和AMH指标较低,而FSH指标较高,同时,卵巢低反应组年龄较高。

现在我们对数据已经有了大概的了解,也知道了各个测试指标与是否出现卵巢低反应的关系(即我们通常所说的,这个指标是越高越好还是越低越好)。我们甚至可以通过统计检验,对测试指标进行组间比较,但是这些并不是诊断试验类研究关注的指标。

绘制单个指标的ROC曲线

对于连续型诊断指标,通常会使用ROC曲线来表现诊断准确度。首先,我们来绘制每一个单独测试指标的ROC曲线,并计算AUC(结果见图1)。单个指标的分析,不是本文的重点,具体操作可以参考医咖会之前的文章:《绘制ROC曲线、找截断值,教你两种软件操作方法!

试读结束,兑换后即可解锁本专栏全部课程
使用课程券需先认证
为保证平台的学术氛围,请先完成认证,本年内认证可免费享受基础会员权益
基础课程券2张
专属科研工作台
200积分
确认
取消
公众号
统计咨询
扫一扫添加小咖个人微信,立即咨询统计分析服务!
会员服务
SCI-AI工具
积分商城
意见反馈