之前我們講過
nri（
net reclassification improvement
，重分類改善指標），相對於
auc（
roc area under the curve
）等指標，
nri更關注在某個截斷值時兩個診斷試驗的相對好壞。在文章推出之後很多朋友問
nri問如何檢驗
nri是否有統計學意義，其臨床意義是什麼，今天我們通過其計算過程為您揭開
nri的神秘面紗。
如下表，
100個人分別用金標準、
test1
和test2
進行檢查的結果。
金標準陽性者有
30例，陰性
70例，在表中用
不同顏色表示；
30個病人人
test1
檢查陽性
18+2=20
人，test2
檢查陽性
18+4=22人；
70例非病人中
test1
檢查陰性
4+56=60
人，test2
檢查陰性
8+56=64人。
如果要計算
test2
相對於test1
的nri
，可以看到在
30個病人中，4例是
test2
診斷正確而
test1
診斷錯誤的，2例是
test2
診斷錯誤而
test1
診斷正確的；
70個非病人中，8例是
test2
診斷正確而
test1
診斷錯誤的，4例是
test2
診斷錯誤而
test1
診斷正確的；依據
nri的計算公式，
nri=(4-2)/30-(4-8)/70=0.124
。在假設檢驗中，
nri與
0進行比較，若所得到的
nri大於
0則為正改善，小於為則為負改善，等於
0則為無改善。其中乙個檢驗公式為：
其中up為風險上公升，即乙個檢驗相對另外乙個檢驗診斷為病人增加例數，events為發生事件，即金標準診斷為陽性。將資料代入上式，即：
計算結果為
z=1.299，查z
界值表可以得到
p=0.0968。
我們將上表一般化，得到下表：
根據上表，
nri=(b-e)/
nevent-(d-g)/nnonevent
，我們進行恒等變換，
nri =[(a+b)-(a+e)]/
nevent-[(d+h)-(g+h)]/ nnonevent
=[(a+b)/nevent +(g+h)/
nnonevent]-[(a+e)/ nevent +(d+h)/nnonevent]
=(靈敏度
test2
+特異度
test2
)- (
靈敏度test1
+特異度
test1)即
nri是乙個診斷試驗靈敏度特異度之和與另外乙個診斷試驗的靈敏度特異度之和的差值。其臨床意義也就明確了，相當於乙個診斷試驗判斷正確的比例比另外乙個是否有所提高。
置信區間 顯著性檢驗和統計學意義
置信區間 估計引數真值所在的範圍通常以區間的形式給出，同時還給出此區間包含引數真值的可信程度，這種形式的估計稱為區間估計，這樣的區間稱為置信區間。對於任意引數 在可能的取值範圍內，p 1 則稱隨機區間 1，2 是引數 的置信水平為1 的置信區間，1和 2分別稱為置信水平為1 的雙側置信區間的置信下限...
統計學與深度學習中的基礎概念
統計學習也稱為統計機器學習，是關於計算機基於資料構建概率統計模型並運用資料對模型進行 與分析的一門學科。1特徵 某個物體的屬性，如西瓜的大小，水分，成熟度。2標籤 例如對某個西瓜，是成熟還是不成熟。3樣本 乙個標記好特徵以及標籤的西瓜可以看作是乙個樣本。4資料集 一組樣本構成的集合稱為資料集 dat...
統計學原理 品質資料的整理與展示
要弄清所面對的資料型別 對分類資料和順序資料主要是作分類整理 對數值型資料則主要是作分組整理 適合於低層次資料的整理和顯示方法也適合於高層次的資料 但適合於高層次資料的整理和顯示方法並不適合於低層次的資料 順序資料的整理與圖示 頻數與頻數分布 分類資料的整理 基本過程 列出各類別 計算各類別的頻數 ...