Loading [MathJax]/jax/output/CommonHTML/config.js
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >GraphPad prism 生存分析和ROC 曲线操作步骤解析

GraphPad prism 生存分析和ROC 曲线操作步骤解析

作者头像
微点
修改于 2019-07-22 03:38:08
修改于 2019-07-22 03:38:08
18K0
举报
文章被收录于专栏:sci666sci666

一、生存分析

 软件操作:

1.选择所需图表样式

2.输入数据,完善表格

 实例分析 

某实验室中记录了 15 只注射 10μg/ml 大肠杆菌的小鼠与 18 只 20μg/ml  大肠杆菌的小鼠的生存时间(d),试分析两种浓度的生存率。

1.输入数据

输入组别与各组对应样本数据

2.查看结果

①选择页面左侧 Graphs 的附属选项 Data 1;

②选择所需图形样式;

③.选择 Fraction,表示 Y 轴累计生存率为 0 到 1;选择 Percents,表示 Y 轴累计生存率为 0~100%,两者含义相同,任选其一皆可。此处选 Percents;

④点击确认。

3.结果图

1)结果图1

①点击菜单栏中 change 模块中的第一行第二个图标,根据需求编辑横纵坐标。

②点击菜单栏中 Write 模块中的第二行第一个图标,根据需求在图表中编辑文字。

2)结果图2

①点击菜单栏 change 模块中的第一行第二个图标

②选择第三个对话框:Y aixs

③在 Additional ticks and grid lines 项中,填入 AY =50,选中 Line 选项,点击 Details 按钮进入下一页面。

3)结果图3

二、ROC 曲线

 原理及意义 

①受试者工作特征曲线:

receiver operating characteristic curve,ROC 曲线,又称为感受性曲线(sensitivity curve)

②ROC 分析:

一般分为自变量和因变量;自变量(检验项目)一般为连续性变量,因变量(金标准)一般为二分类变量。

③ROC 曲线图片:

采用真阳性率和假阳性率出图;

Y:真阳性率 (Sen) ,X:假阳性率 (1-Spe) ;坐标轴上的率值由 0~1。

④ROC 主要作用:

判断指标对疾病的诊断作用; ROC 曲线下面积 (AUC) 越大,诊断价值越高(灵敏度、特异度)

 软件操作

1.打开软件,选择左侧 New Table & Graph 中的Column 选项;

2.点击选择右侧Enter/import data  项中的Ener replicate values,stacked into columns选项。

3.输入数据,完善表格

 实例分析 

现有经过金标准诊断的18名正常人及18名患者的某项指标检验结果。试绘制ROC曲线。

1.输入数据,完善表格

输入组别与各组对应样本数据

2.查看结果

3.结果图

①点击左侧目录树中的Graphs 项,选择 ROC curve 项.

②点击菜单栏中 Change 模块中的第一行第三个图标,编辑线条;点击第一行第二个图标,编辑横纵坐标轴起始值.

4.图表自定义

①编辑线条:1.点击选择需要改动的线条

②对线条颜色,线条上点的大小,作出调整

本文系转载,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文系转载,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
机器学习系列(二):理解ROC曲线
周五给学生讲课的时候,学生听得有点蒙,故写下这篇抢救一下。为了节省敲键盘的次数,下面部分内容来自维基百科。
明月AI
2021/10/28
1.7K0
机器学习系列(二):理解ROC曲线
手把手教你用Graphpad绘制生存曲线
在临床研究中,生存曲线(又称Kaplan-Meier曲线)是最常用图片之一,旨在描述各组患者的生存状况。一张漂亮的、专业的生存曲线图不仅可以令编辑、读者和审稿专家眼前一亮,同时也能为论文增色不少。然而,对于一些新手而言,生存曲线却显得十分陌生,不知道为何要绘制生存曲线,也不知道该如何解读生存曲线的结果。
百味科研芝士
2021/01/07
9.9K0
手把手教你用Graphpad绘制生存曲线
【ROC曲线专栏】如何快速绘制ROC曲线?
“针对某种疾病,现有A、B两种公认的诊断方法,你的团队研究出新诊断方法C。自然而然,肯定需要比较A、B、C三种方法,判断到底哪一种对该疾病的诊断更准确?”
Mark Chen
2020/11/02
4K0
【ROC曲线专栏】如何快速绘制ROC曲线?
什么是ROC曲线?为什么要使用ROC?以及 AUC的计算
真正(True Positive , TP)被模型预测为正的正样本; 假负(False Negative , FN)被模型预测为负的正样本; 假正(False Positive , FP)被模型预测为正的负样本; 真负(True Negative , TN)被模型预测为负的负样本。
种花家的奋斗兔
2020/11/13
74.5K1
什么是ROC曲线?为什么要使用ROC?以及 AUC的计算
【统计】 ROC曲线(1) - 模型评估首选方案
ROC曲线,也称“受试者工作特征曲线”,主要是用于X对Y的预测准确率情况。最初ROC曲线是运用在军事上,现在更多应用在医学领域,判断某种因素对于某种疾病的诊断是否有诊断价值。
用户6317549
2019/12/17
3K0
【统计】 ROC曲线(1) - 模型评估首选方案
机器学习之分类性能度量指标 : ROC曲线、AUC值、正确率、召回率
同见博客:http://zhwhong.ml/2017/04/14/ROC-AUC-Precision-Recall-analysis/(对Latex公式支持更好) ---- 在分类任务中,人们总是喜欢基于错误率来衡量分类器任务的成功程度。错误率指的是在所有测试样例中错分的样例比例。实际上,这样的度量错误掩盖了样例如何被分错的事实。在机器学习中,有一个普遍适用的称为混淆矩阵(confusion matrix)的工具,它可以帮助人们更好地了解分类中的错误。 比如有这样一个在房子周围可能发现的动物类型的预测,这
zhwhong
2018/05/16
2.8K0
一文读懂生存曲线并教会你作图
生存率乃指某生物种群内的每一个体经过一定时限以后生存的机率。如以横轴为经过的时间(日、月或年),纵轴为生存率,则可绘出生存曲线。根据生存曲线的类型可以判断生物种群死亡的规律[1]。
百味科研芝士
2020/11/04
12.4K0
一文读懂生存曲线并教会你作图
数据分析和机器学习的11个高级可视化图表介绍
可视化是一种强大的工具,用于以直观和可理解的方式传达复杂的数据模式和关系。它们在数据分析中发挥着至关重要的作用,提供了通常难以从原始数据或传统数字表示中辨别出来的见解。
deephub
2023/10/23
7080
数据分析和机器学习的11个高级可视化图表介绍
ROC曲线及AUC值[通俗易懂]
参考文献:【ROC曲线与AUC值】,【ROC,AUC最透彻的讲解(实例分析+matlab代码)】,【AUC计算方法与Python实现】,【AUC曲线计算方法及代码实现】
全栈程序员站长
2022/08/29
4.2K0
ROC曲线及AUC值[通俗易懂]
分析不够思路来凑!好的idea简单分析也可以4+分
大家好,今天茶叶蛋和大家分享的是一篇4+分的学习笔记;文末点击阅读原文可获得原文笔记。
科研菌
2021/01/12
7630
分析不够思路来凑!好的idea简单分析也可以4+分
R语言 ROC曲线
ROC曲线(受试者工作特征, Receiver Operating Characteristic) 可以简单、直观得观察分析方法的临床准确性,并可用肉眼作出判断。ROC以真阳性率(灵敏度FPR)为纵坐标,假阳性率(1-特异度TPR)为横坐标绘制的曲线,可准确反映某分析方法特异性和敏感性的关系,是试验准确性的综合代表。ROC曲线不固定分类界值,允许中间状态存在,利于使用者结合专业知识,权衡漏诊与误诊的影响,选择一更佳截断点作为诊断参考值。提供不同试验之间在共同标尺下的直观的比较,ROC曲线越凸越近左上角表明其
用户1359560
2018/08/27
2.9K0
R语言 ROC曲线
「R」ROC三剑客(二)分析与可视化ROC——plotROC、pROC
导读:ROC三剑客这三篇文章由一年前的两篇文章和今天写的一篇文章组成,内容涵盖了 ROC 原理解析和计算、两个R包 plotROC 和 pROC 的使用教程。希望感兴趣的读者修此剑术,保家卫国~~你的剑,就是我的剑!
王诗翔呀
2020/07/06
4.8K0
「R」ROC三剑客(二)分析与可视化ROC——plotROC、pROC
模型评估指标AUC和ROC,这是我看到的最透彻的讲解
blog.csdn.net/liweibin1994/article/details/79462554
double
2019/09/18
2.9K0
模型评估指标AUC和ROC,这是我看到的最透彻的讲解
ROC曲线绘制原理及如何用SPSS绘制ROC曲线
ROC曲线(Receiver operating characteristic curve),即受试者工作特征曲线,主要用来评价某个指标对两类被试(如病人和健康人)分类/诊断的效果,以及寻找最佳的指标临界值使得分类效果最好。但是ROC曲线绘制的原理是什么,或者说如何一步步画出ROC曲线,以及如何用SPSS软件快速绘制出ROC曲线呢?对于很多新手朋友来说,对上述问题并不十分清楚。笔者这里对上述问题进行详细阐述,以期大家对ROC曲线有更深入的了解。
悦影科技
2020/11/18
6.2K0
ROC曲线绘制原理及如何用SPSS绘制ROC曲线
ROC曲线理解
即受试者工作特征曲线,是反映敏感度和特异度连续变量的综合指标,用作图法展示两度之间的关系。
全栈程序员站长
2022/08/29
2.8K0
ROC曲线理解
机器学习之分类性能度量指标 : ROC曲线、AUC值、正确率、召回率
在分类任务中,人们总是喜欢基于错误率来衡量分类器任务的成功程度。错误率指的是在所有测试样例中错分的样例比例。实际上,这样的度量错误掩盖了样例如何被分错的事实。在机器学习中,有一个普遍适用的称为混淆矩阵
用户1332428
2018/03/09
3.7K0
机器学习之分类性能度量指标 : ROC曲线、AUC值、正确率、召回率
ROC,AUC,Precision,Recall,F1的介绍与计算
ROC曲线和AUC常被用来评价一个二值分类器(binary classifier)的优劣,ROC曲线称为受试者工作特征曲线 (receiver operating characteristic curve,简称ROC曲线),又称为感受性曲线(sensitivity curve),AUC(Area Under Curve)是ROC曲线下的面积。在计算ROC曲线之前,首先要了解一些基本概念。在二元分类模型的预测结果有四种,以判断人是否有病为例:
Tyan
2019/05/25
2.6K0
临床预测模型之生存资料的ROC曲线绘制
生存资料的ROC曲线绘制,最常见的那肯定是timeROC和survivalROC了,这两个包非常像,我比较喜欢用timeROC。
医学和生信笔记
2022/11/15
1.3K0
临床预测模型之生存资料的ROC曲线绘制
从零开始学机器学习——逻辑回归
首先给大家介绍一个很好用的学习地址:https://cloudstudio.net/columns
努力的小雨
2024/09/24
6542
生存分析模型的时间依赖性ROC曲线可视化
人们通常使用接收者操作特征曲线(ROC)进行二元结果逻辑回归。但是,流行病学研究中感兴趣的结果通常是事件发生时间。使用随时间变化的时间相关ROC可以更全面地描述这种情况下的预测模型。
拓端
2022/03/05
2.6K0
生存分析模型的时间依赖性ROC曲线可视化
推荐阅读
相关推荐
机器学习系列(二):理解ROC曲线
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档