具有协变量的ROC曲线分析—Stata软件实现

关键词：Stata; 诊断试验; 具有协变量的ROC曲线分析

有序logistic回归模型的基本思想是将试验的有序结果(Y=1，2，3，…g)认为是由一个连续型变量经过多个分组后所得，在此基础上通过有序logistic回归模型绘制ROC曲线。参数估计时将诊断结果变量Y作为因变量，将“金标准”判断结果变量D和协变量X及交互项作为自变量，进行有序logistic回归，得到相应的参数结果。

一、案例简述

某课题组欲评价通过X线诊断纵隔淋巴结肿大的准确度。收集某医院放射科医生通过X线采用5分类(分别为“--”、“-”、“±”、“+”、“++”)评价方法得到的数据，同时采集了患者性别、年龄数据。以病理检查结果作为诊断的金标准，其中110例有纵隔淋巴结肿大(恶性)，90例无纵隔淋巴结肿大(良性)。部分数据见图1，案例可从页面右上角“附件下载”处下载。

二、问题分析

本案例的分析目的是评价调整协变量后诊断试验的准确性，诊断试验结果为有序变量，可采用具有协变量的有序结果的ROC曲线分析。

三、软件操作及结果解读

(一) 软件操作

• 打开Stata软件，导入数据。点击“数据”-“数据编辑器”-“数据编辑器(编辑)”/“数据编辑器(浏览)”后可以查看到如图2所示的数据。

• 选择“数据”-“变量管理器”，在变量管理器中对各变量进行“标签”、“类型”和“值标签”设置，或输入以下代码进行设置，设置完成后数据表如图3所示。

label variable ID "编号"
label variable disease "金标准结果"
label variable gender "性别"
label variable age "年龄"
label variable test "X线诊断结果"
label define disease 1 "恶性" 0 "良性"
label values disease disease
label define gender 1 "男性" 0 "女性"
label values gender gender
label define test 1 "--" 2 "-" 3 "±" 4 "+" 5 "++"
label values test test

• 绘制无协变量的ROC曲线，代码如下：

roccurve disease test

绘制图形如图4所示。

计算ROC曲线下面积：

comproc disease test

结果如图5所示。

• 通过roccurve命令绘制以性别和年龄为协变量的ROC曲线，代码如下：

roccurve disease test, adjcov(gender age) adjmodel(linear)

分析过程如图6所示。

绘制图形如图7所示。

计算ROC曲线下面积：

comproc disease test, adjcov(gender age) adjmodel(linear)

结果如图8所示：

(二) 结果解读

图5显示了无协变量的ROC曲线下面积为0.820 (95%CI: 0.759~0.882)。

图6显示了以性别和年龄为协变量的ROC分析过程，结果表明，年龄和性别对诊断试验结果均有影响(t_age=3.76，P_age<0.001；t_gender=2.72，P_gender=0.008<0.05)，因此的确需要进一步调整年龄和性别来评价诊断试验的准确性。

图8显示调整了协变量性别和年龄后的ROC曲线下面积为0.846 (95%CI: 0.784~0.908)。和无协变量的ROC曲线下面积相比，协变量调整后的曲线下面积更高，说明这两个协变量使X线本身的诊断准确度被低估。经过协变量的调整后，可以正确体现X线的诊断价值。

四、结论

分析结果显示，通过无协变量的X线诊断纵隔淋巴结肿大的曲线下面积为0.820 (95%CI: 0.759~0.882)。以性别和年龄为协变量进行ROC曲线分析，结果表明年龄和性别对诊断试验结果均有影响(t_age=3.76，P_age<0.001；t_gender=2.72，P_gender=0.008<0.05)，因此的确需要进一步调整年龄和性别来评价诊断试验的准确性。调整协变量后的X线诊断纵隔淋巴结肿大的ROC曲线下面积为0.846 (95%CI: 0.784~0.908)，说明年龄和性别这两个协变量使X线本身的诊断准确度被低估，X线诊断纵隔淋巴结肿大的准确度较高。

五、知识小贴士

Stata15.0及以下版本并未携带roccurve插件，需要用户自行安装。Stata16.0版本开始，已携带roccurve插件。