在使用GraphPad Prism绘制ROC曲线并计算Cutoff值时，不少朋友可能还存在疑惑。接下来就由小编带大家逐步了解具体操作方法，欢迎继续阅读。

系统：Windows 10 64位专业版

软件版本：GraphPad 10.3.0

ROC曲线是建立在X、Y二维坐标系中的统计图表，横轴代表假阳性率（False Positive Rate），纵轴代表真阳性率（True Positive Rate）。该曲线能够直观反映分析对象在不同截断点阈值下的综合性能。本文将详细演示如何在GraphPad Prism中生成ROC曲线，并提取最佳Cutoff值。

一、GraphPad Prism如何绘制roc曲线

ROC曲线主要用于评估预测指标对目标结果的判别效能，通过筛选临界值可确定最优决策点。该曲线的自变量通常为连续型检测指标，而因变量则分为二分类变量，例如确诊与未确诊、实验组与对照组、阳性结果与阴性结果等。

在GraphPad Prism中操作时，需先通过Column类型的数据表录入信息。如图1所示，新建项目时在左侧导航栏直接点击“Column”选项即可。

Column表格的优势在于支持横向并列输入多组样本数据。结合前文所述，由于ROC分析涉及两类分组结果，我们可在该界面分别建立两列数据进行对比，本次演示以健康对照队列与疾病队列为例。

数据准备就绪后，参照图3所示步骤，单击顶部功能区的“Analyze”图标。随后在弹出的分析菜单里定位至“ROC Curve（受试者工作特征曲线）”并执行。

进入分析配置界面后，如图4所示，请核对“Data sets”分组映射是否正确，其余参数维持出厂预设即可。

该软件输出的ROC分析报表主要涵盖两大板块：曲线下面积（AUC）以及灵敏度与特异度匹配表。AUC代表曲线与坐标围成的区域大小，取值范围介于0.5至1.0之间（本案例测得值为0.9343）。该指标越趋近于1，表征模型鉴别能力越强。

另一模块聚焦于灵敏度与特异度的对应关系，这对推算Cutoff阈值至关重要。此处定义的灵敏度即真阳性概率，关联ROC图的横向刻度；而1减去特异度则代表假阳性概率，关联纵向刻度。

前述内容侧重于数据报表解读。若需生成可视化图像，可依照图7指引，展开左侧输出面板并双击“ROC curve：ROC of data1”，系统将即时渲染出完整的ROC轨迹图。

二、GraphPad做roc曲线如何得出cutoff值

Cutoff阈值是ROC分析的核心产出。图中横向刻度反映假阳性比例（1减特异度），也就是实际为阴性的个体被误判为阳性的频率，该比例越低代表漏判风险越小；竖向刻度反映真阳性比例（灵敏度），即实际为阳性的个体正确识别的频率，该比例越高说明检出能力越强。

曲线上任意一点均代表特定阈值下的一组假阳率与真阳率配对数据，这便是具体的Cutoff候选项。点位分布越逼近坐标系左上方区域，意味着整体判别效能越佳。原因在于该方位同时满足了高灵敏度与低误报率的双重理想条件。

三、小结

以上就是关于利用GraphPad Prism生成ROC曲线及提取Cutoff值的完整教程。希望能切实解决您的操作难题，如需获取更多实用技巧，敬请常来浏览收藏。

《夸克》非常好用的免费AI浏览器

下载APP查看