选择遗忘|程序员不用的R语言,在这些行业却“香”到不行( 三 )


事实上 , 左侧部分的相对宽度反映了这种疾病的患病率 。 在此例中 , 两个组的数目相等 , 所以患病率为 50% 。 灵敏度和特异度的计算限定在每一列中 , 因此它们与患病率无关 。 如果不考虑研究的设定条件 , 尤其是在社区研究中 , 患病率通常远远低于 50% 。
图b表示的患病率较低 , 因为左侧部分的宽度仅为两列加起来的总宽度的5% 。 灵敏度(80%)和特异度(90%)与前例一致 , 但阳性预测值现在要小得多 。 患病组(左侧)的红色部分面积不到总的红色面积的一半 , 阳性预测值仅为 80/(80 + 190) ≈ 29.6% 。
在患病率为 5%的情况下 , 检测结果呈阳性的人患病的可能性不到 30% 。 在社区或人群中对一种罕见疾病进行临床诊断必须谨慎 , 因为结果实际上可能反映的是其他类似疾病的情况 。
降低患病率对阴性预测值也有一定影响 。 在图b中 , 右侧白色部分的面积占绝对大的比重 。 阴性预测值为 1710/(1710 + 20) ≈ 98.8% 。 这比之前的 81.8%有所升高 。 但是 , 阴性检测结果可能不会对临床排除疾病的倾向决定有太大的影响 。 因此 , 患病率很低的筛查检测中 , 很少用到阴性预测值 。
以上就是临床诊断试验中的二分类结果的评价指标 , 而R语言在医学中的应用远不止这些 , 像比如截断值、ROC曲线、SPSS、样本量计算、Meta分析等 。
选择遗忘|程序员不用的R语言,在这些行业却“香”到不行R语言医学数据分析实战
作者: 赵军
R语言医学数据分析实战作者:赵军
内容简介:
【选择遗忘|程序员不用的R语言,在这些行业却“香”到不行】本书以医学数据为例 , 讲解如何使用R进行数据分析 , 结合大量精选的实例对常用分析方法进行了深入浅出的介绍 , 以帮助读者解决医学数据分析中的实际问题 。 本书共分为14章 , 第1章~第3章介绍了R语言的基本用法;第4章介绍了数据可视化;第5章介绍了基本的统计分析方法;第6章~第8章介绍了医学研究中最常用的三种回归模型;第9章介绍了生存分析的基本方法;第10章~第12章介绍了几种常用的多元统计分析方法;第13章介绍了临床诊断试验的统计评价指标和计算方法;第14章介绍了在医学科研实践中常用的Meta分析方法 。 本书适用于临床医学、公共卫生及其他医学相关专业的本科生和研究生使用 , 亦可作为其他专业的学生和科研工作者学习数据分析的参考书 。 阅读本书 , 读者不仅能掌握使用R及相关包快速解决实际问题的方法 , 还能更深入地理解数据分析 。


推荐阅读