一、ROC曲线的观点受试者工作特色曲线（ receiver operator characteristic curve, ROC曲线），最先用于评论雷达性能， 又称为接收者操作特征曲线。 ROC 曲线是依据一系列不一样的二分类方式 （分界值或决定 阈），以真阳性率（敏捷度）为纵坐标，假阳性率（ 1- 特异度）为横坐标绘制的曲线。传统的诊疗试验评论方法有一个共同的特色，一定将试验结果分为两类，再进行统计剖析。ROC 曲线的评论方法与传统的评论方法不一样， 不必此限制， 而是依据实质状况， 同意有中间 状态，能够把试验结果区分为多个有序分类，如正常、大概正常、可疑、大概异样和异样五 个等级再进行统计剖析。所以， ROC 曲线评论方法合用的范围更加宽泛。二、ROC 曲线的主要作用曲线能很简单地查出随意界线值时的对疾病的辨别能力。2. 选择最正确的诊疗界线值。 ROC 曲线越凑近左上角 ,试验的正确性就越高。最凑近左上角的 ROC 曲线的点是错误最少的最好阈值，其假阳性和假阴性的总数最少。3. 两种或两种以上不一样诊疗试验对疾病辨别能力的比较。 在对同一种疾病的两种或两种以上 诊疗方法进行比较时，可将各试验的 ROC 曲线绘制到同一坐标中，以直观地鉴识好坏，靠 近左上角的 ROC 曲线所代表的受试者工作最正确。亦可经过分别计算各个试验的 ROC 曲线 下的面积（AUC）进行比较，哪一种试验的AUC最大，则哪一种试验的诊疗价值最正确。三、ROC 曲线剖析的主要步骤曲线绘制。依照专业知识，对疾病组和参照组测定结果进行剖析，确立测定值的上下限、组距 以及截断点（ cut-off point ），按选择的组距间隔列出积累频数散布表，分别计算出 全部截断点的敏感性、特异性和假阳性率（1-特异性）。以敏感性为纵坐标代表真阳性率，（1-特异性）为横坐标代表假阳性率，作图绘成ROC 曲线。曲线评论统计量计算。ROC曲线下的面积值在1.0和0.5之间。在AUC0.5的状况下，AUC越凑 近于1，说明诊疗成效越好。AUC在0.7时有较低正确性，AUC在0.9时有必定正确性，AUC 在0.9以上时有较高正确性。AUC = 0.5时，说明诊疗方法完整不起作用，无诊疗价值。AUCV 0.5 不切合真切状况，在实质中很少出现。3.两种诊疗方法的统计学比较。两种诊疗方法的比较时，依据不一样的试验设计可采纳以下两 种方法： 当两种诊疗方法分别在不一样受试者身长进行时， 采纳成组比较法。 假如两种诊疗 方法在同一受试者身长进行时，采纳配对照较法。四、ROC 曲线的长处该方法简单、直观，经过图示可察看剖析方法的临床正确性，并可用肉眼作出判断。ROC曲线将敏捷度与特异性以图示方法联合在一同， 可正确反应某剖析方法特异性和敏感性的关 系，是试验正确性的综合代表。 ROC 曲线不固定分类界值，同意中间状态存在，利于使用者联合专业知识， 衡量漏诊与误诊的影响， 选择一更佳截断点作为诊疗参照值。 供给不一样试验之 间在共同标尺下的直观的比较 ,ROC 曲线越凸越近左上角表示其诊疗价值越大，利于不一样指标间 的比较。曲线下边积可评论诊疗正确性。五、SPSS软件实现ROC剖析以上版本可进行ROC 剖析，操作步骤以下：1.定义列变量，并输入数据（ 1）诊疗分类值或检测结果（ test ）：多个诊疗试验则定义 test1 ， test2 ， .（2）金标准类型（group ） : 1 =病例组，0 =比较组（ 3）分类频数（ freq ），需要进一步履行第二步2. 说明频数变量 路径： DataWeight Case.,选项： Weight case by ， 填表： Freqency Variable（ freq ）剖析：路径： GrahpsRoc Curve. 填表： Test Variable （ test ）， State Variable （ group ），Value of state variable ，选项包含：（display） ROC Curve ， with diagonal reference line （时机线）， standard error and confidence interval （面积的标准误，及其可信区间） ， Coordinate points of the ROC curve （ ROC 曲线的坐 标点）， options ： test direction （假如检测值小划归为阳性， 则需要选）， cofidence level （）：需要除 95之外的可信度，可在此定义。假如是连续型丈量资料，则不需要第1 步的（ 3）及第 2 步。