受试者工作特征曲线(Receiver Operating Characteristic Curve)简称ROC曲线，主要适用于评价二分类变量反映治疗效果或检查结果。对于两种诊断方法的比较可以通过比较两种诊断方法的ROC曲线下面积(AUC)实现，对于应用于两组相互独立的受试者的两种诊断试验的准确度比较，可以采用ROC的成组比较法。本文简要介绍ROC曲线的成组比较在SPSS软件中的实现。
关键词：SPSS; 诊断试验; ROC比较; 两独立ROC曲线比较
一、案例简述
某课题组研究根据X线摄片与CT检查纵隔淋巴结肿大分级的结果判断淋巴结良恶性的准确性是否有差异，通过X线摄片检查疑似纵隔淋巴结肿大患者200例，通过CT检查另外200例疑似纵隔淋巴结肿大患者，两种诊断方法都有五种检查结果，分别为“--”、“-”、“±”、“+”、“++”。400例患者均以病理检查结果(“恶性”和“良性”)作为诊断的金标准。部分数据见图1，本文案例可从“附件下载”处下载。
二、问题分析
本案例的分析目的是比较两种诊断方法的准确性是否有差异，可以通过比较两种诊断方法的ROC曲线下面积进行判断。由于本案例中两种诊断方法的观察对象不是同一组人群，两个样本相互独立，所以可以采用ROC的成组比较。
三、软件操作及结果解读
(一) 软件操作
- 打开SPSS软件，导入数据如图2所示。
- 将“ID”、“group”和“disease”设为“名义”变量，“test”设为“有序”变量，并为相应变量名称和水平设置中文标签。如图3所示。
- 点击“分析”-“分类”-“ROC分析”(图4)。
- 在“ROC分析”对话框中将变量“诊断试验结果”选入右侧“检验变量”框；将变量“金标准诊断结果”选入右侧“状态变量”框，并在其下方的“状态变量值”输入表示诊断结果为阳性的赋值，此处输入“1”。然后将变量“诊断方法”选入右下方的“分组变量”框，并点击下方的“定义组”，在“定义组”对话框中输入不同组别的赋值“1”和“2”，最后点击“继续”回到主对话框(图5、图6)。
- 在“ROC分析”对话框点击右侧的“显示”后出现“ROC分析：显示”对话框(图7)。在“图”部分勾选“ROC曲线”及其下方的“带对角参考线”，在“打印”部分勾选“标准误差和置信区间”(图7)，然后点击“继续”，回到主对话框后点击“确定”就可以得到分析结果。
(二) 结果解读
图8是对案例数据基本情况的描述，分别显示了每组样本中通过金标准诊断为恶性(正)和良性(负)的人数，以及样本的缺失值情况。
图9是两个诊断方法的ROC曲线，大致可以看出采用X线摄片的AUC要小于采用CT检查的AUC，表示CT诊断的效果可能优于X线，两者的差异是否有统计学意义需要进一步查看统计检验的结果。
图10给出了两种方法对应的ROC曲线下面积及其95%CI，X线摄片和CT检查的AUC分别为0.874 (95%CI：0.825-0.923)和0.942 (95%CI：0.910-0.974)。
图11是对两种方法曲线下面积的统计检验结果，统计量Z值为-2.291，P值为0.022<0.05，说明两种诊断方法的曲线下面积差异有统计学意义，可以认为两种诊断方法的准确度差异有统计学意义。
四、结论
分析结果显示，通过X线诊断纵隔淋巴结肿大的AUC为0.874 (95%CI：0.825-0.923)，通过CT诊断纵隔淋巴结肿大的AUC为0.942 (95%CI：0.910-0.974)，两者的诊断准确性均较高；两种诊断方法的AUC的比较结果显示，CT诊断的准确性优于X线诊断的准确性，差异具有统计学意义(P<0.05)。