新技能005-零基础、分分钟画ROC曲线
引言：
ROC曲线又称受试者工作特征曲线(receiver operating characteristic curve), 诱因是珍珠港事件，最先在二战中分析雷达信号，用来检测敌军，后慢慢应用到了医学中。
比如：
你想用两种肿瘤标记物评判肿瘤检测的准确性并想知道到底定多少是阳性才诊断准确率才最好。
再比如：
你想评价CT，MRI对诊断某一疾病的准确性如何等等。
ROC曲线就像下面的这张图，其以某诊断试验或方法的敏感性（真阳性率）为纵坐标、假阳性率（1-特异性）为横坐标来绘制成的曲线：
由此可知这张图上敏感度和特异度均最高的地方在最左上角（敏感度的纵坐标最高，1-特异度的横坐标等于0，但实际是不可能两者兼顾，但可以想象，离左上角那个点最近的点是最能兼顾两者的，这就是cutoff值）。
1.评价某一个诊断方法的诊断准确性高低。ROC曲线的曲线下面积（AUC）越大，诊断准确性越高。
“AUC不会算？软件直接给啊。”
ROC曲线下的面积值在1.0和0.5之间。在AUC>0.5的情况下，AUC越接近于1，说明诊断效果越好。AUC在 0.5～0.7时有较低准确性，AUC在0.7～0.9时有一定准确性，AUC在0.9以上时有较高准确性。AUC=0.5时，说明诊断方法完全不起作用，无诊断价值。AUC<0.5不符合真实情况，在实际中极少出现。
2.一个诊断方法被发明了，就涉及到一个问题，到底定多少为阳性和阴性的诊断的临界点呢？
比如发明了一个诊断到底是不是笨蛋的测试方法，方法是测试考试成绩，那到底是定60分为笨蛋和非笨蛋的临界点还是70呢？这个点就是选择最佳的诊断界限值（cut-off point），在ROC曲线上，最靠近坐标图左上方的点为敏感性和特异性均较高的临界值。
只要图画出来了，这个值是直接得到的，在这个cur off的时候ROC曲线下面积（AUC）最大，也就是最佳诊断阈值。
3.几个对同一个事情的不同诊断方法之间的比较，比如都为了诊断是否笨蛋，有三个人发明了三种方法，到底哪种更好呢？是否第二种和第三种的诊断效力差不多还是有差别呢？
欧巴，ROC曲线怎么画告诉我好不好？
咳咳，妹子别急。
做ROC曲线，介绍大家用MedCalc这个软件，来自于比利时，体积小巧、功能强大，也许它名气没SPSS大，但做起ROC曲线分析比SPSS强（SPSS竟然不能两两诊断间的比较，sas可以，但你会吗？）
更重要的是，界面很友好，比spss清爽。所以被公认为是最好的（ＲＯＣ）分析软件。 关键是，统计零基础的同学也一学就会哦！！！
看下面的实例演示吧，把你的数据照葫芦画瓢就对了。对了想要Medcalc吧,哈，给Freescience平台发“005”给你个地址下载哦！https://v.qq.com/txp/iframe/player.html?vid=p0182ptedtt&width=500&height=375&auto=0