玩朋友的丰满人妻,朋友的丰满人妻中文字幕,从后面挺进邻居丰满少妇

新聞資訊

NEWS

代謝組學常見圖形制作分享(二)

分類:公司動態   發布時間 2020-09-18   閱讀: 1415

前一期《代謝組學兩種常見圖形制作分享》給大家詳細介紹了韋恩圖和箱線圖的繪制后,有趣粉私信小編能不能來一期ROC曲線的制作,當然可以啦,本期小編請到了BIOTREE非靶產品線的小姐姐給大家分享ROC曲線的繪制~
受試者工作特征曲線(receiver operator characteristic curve,ROC曲線),是根據一系列不同的二分類方式,以真陽性率(靈敏度)為縱坐標,假陽性率(1-特異度)為橫坐標繪制的曲線。曲線下方的面積被稱為AUC,用來預測準確性,AUC值越高,預測準確率越高。ROC分析已廣泛應用于臨床診斷上,可直觀地分析診斷試驗的臨床準確性,選擇最佳指標閾值。
那么ROC曲線如何繪制呢?本文分別用R語言和SPSS軟件分享如何輕松實現ROC曲線的繪制~
1
Rstudio & pROC包

以113例動脈瘤疾病觀察數據集aSAH為例,比較NDKA和S100β兩種biomarker 和臨床參數WFNS的診斷準確性。采用R中pROC包進行ROC曲線繪制,首先安裝并加載pROC包。
導入aSAH數據集并查看表頭信息:

用roc()函數建立ROC對象,ci表示95%的置信區間

以S100β標記物為例,繪制單指標ROC曲線,如下圖:

醬紫,單指標ROC曲線就完成啦,是不是so easy~
如果需要把多個標記物ROC曲線繪制在一張圖中,則只需要逐個添加曲線:

添加圖例:

該圖清晰的反映出3個標記物的準確性:WFNS > S100β >NDKA
多個標記物的聯合ROC曲線又該怎樣繪制呢?

聯合ROC曲線需要先建立回歸模型,然后用回歸模型對數據進行預測,最后用預測的數據繪制ROC曲線即可~代碼如下:


2
SPSS 25.0

采用SPSS 25.0軟件,導入數據:

點擊“分析”- ROC曲線,然后分別選入檢驗變量和狀態變量。如果是單指標ROC曲線,就把待分析的指標選入檢驗變量數據框即可,此處以S100β為例:

然后點擊確定,單指標ROC分析結果就出來啦,是不是很方便~

若要同時顯示多個指標的ROC曲線,則將指標一起調入檢驗變量中就可以了:

聯合ROC曲線的制作和R中一樣要先建立回歸模型:點擊二元Logistic - 設置因變量和協變量 - 點擊保存 - 勾選概率預測值

回到表格中,你會發現多了一列PRE_1值,這個值就是回歸模型對數據的預測值

然后把PRE_1值作為檢驗變量,點擊確定,想要的ROC結果就出來啦~

教學完畢,你學會了嗎~
如需代碼可以在微信后臺留言:姓名+單位+手機+郵箱+ROC。也歡迎大家轉給需要的小伙伴們!

代謝組學

玩朋友的丰满人妻,朋友的丰满人妻中文字幕,从后面挺进邻居丰满少妇