其他
如何简单评估逻辑回归效果之ROC曲线
现在的临床科研如果没有逻辑回归，都不好意思发表。当然国外期刊编辑和审稿专家，也不管你的研究怎么样？如果是预后，如果没有逻辑回归，肯定问你为什么没有逻辑回归，其实存在着很多问题。有时感觉很无奈，其实不是什么都可以逻辑回归的。但是大势所趋，实属无奈。今天我们聊得是做了逻辑回归，怎么评估其效果。也就是说我们的结局变量到底有多大的比例依赖于纳入自变量。这里和评估逻辑回归拟合效果还不是一回事，大家需要清楚。
逻辑回归，说白了就是想要根据自变量来预测结果。非常能体现逻辑回归作用的就是列线图（百度图片）。根据不同的自变量给予不同的分数，最终根据总分找出相应的结局变量分值，在肿瘤学方面应用较为广泛。所以我们如何评估逻辑回归的效果，也就是评估其用于诊断，预测结局的效果。就可以使用我们诊断研究中的ROC曲线。
例子：使用年龄以及吸烟预测肺癌的发生率。
根据这个回归结果，我们可以建立一个回归方程。Y=-4.4777+0.1123age+1.1638smoking，根据这个方程我们可以为每一位纳入对象计算一个率。这个率就是我们逻辑回归的意义所在了。例如判断这个患者的死亡风险，就是要看这个率。那么这个率到底有多大的把握呢。其实就是使用率来诊断是否死亡的意思。这个时候就可以使用ROC了。
快乐做科研
投稿：zjlckylm@163.com