部分ROC区域(spec 90-100%)的置信区间,使用package pROC
我有4个不同的参数(HRTT、MRWT、HRWT和RNFLT),并绘制了每个参数的敏感性与特异性曲线。我想:部分ROC区域(spec 90-100%)的置信区间,使用package pROC,r,roc,R,Roc,我有4个不同的参数(HRTT、MRWT、HRWT和RNFLT),并绘制了每个参数的敏感性与特异性曲线。我想: 找出每个参数的ROC曲线下的部分面积(pAUC)(针对90-100%范围内的特异性)以及每个参数的该pAUC周围的置信区间 比较pAUC以评估哪个pAUC在统计上最高 对于1,我计算了HRTT的pAUC估算值: auc(rocHRTT, partial.auc=c(100, 90), partial.auc.focus="spec",percent=TRUE, partial.auc.c
auc(rocHRTT, partial.auc=c(100, 90), partial.auc.focus="spec",percent=TRUE, partial.auc.correct=TRUE, ci=TRUE)
然后,我通过以下方式计算了这方面的CI:
ci.auc(rocHRTT, partial.auc=c(100, 90), partial.auc.focus="spec",percent=TRUE, partial.auc.correct=TRUE, ci=TRUE)
然后我对MRWT、HRTW和RNFLT重复了这一点
出于某种原因,对加索尔的估计常常超出加索尔的CI,我不明白为什么。例如,MRWT pAUC为71%,但CI为77-91%
对于2,我知道函数
roc.test
可用于比较2个PAUC,但我如何比较4个区域以评估哪一个区域最高?如果您的问题包含最小的、足够的数据,那就更好了。这将使它更容易帮助你。Bootstrap有一些假设,特别是它在不到10次观察的情况下会表现得很有趣。很难知道这是否是你的情况。另外,如果你有两个问题,那么请问两个单独的问题(参见你的第2点)。验证partial.auc=c(100,90)
是否是问题所在。对总面积进行分析。