数据cutoff值确定的两种方法：survminer包与ROC曲线

创作时间:

作者:

@小白创作中心

数据cutoff值确定的两种方法：survminer包与ROC曲线

引用

CSDN

https://blog.csdn.net/hx2024/article/details/136984288

在数据分析和统计建模中，确定数据的cutoff值是一个常见的需求，特别是在生存分析和诊断测试中。本文将介绍两种常用的方法：使用survminer包中的surv_cutpoint函数和基于ROC曲线的方法。通过具体的数据分析示例，我们将展示如何使用这两种方法确定最佳cutoff值，并解释为什么它们得到的结果是一致的。

方法①：使用survminer包

survminer包提供了一个方便的函数surv_cutpoint，用于确定连续变量的最佳分界点。这个函数使用从“maxstat”R软件包中最大限度选择的等级统计数据，一次确定一个或多个连续变量的最佳分界点。这是一种以结果为导向的方法，提供了与结果（此处为存活率）关系最密切的分界点值。

示例数据分析

##采用包自带的示例数据##
rm(list = ls())
library(survival)
library(survminer)
data(myeloma)
head(myeloma)
?surv_cutpoint#查看函数
res.cut <- surv_cutpoint(myeloma, 
                         time = "time", #生存时间
                         event = "event", #生存结局
                         variables = c("DEPDC1", "WHSC1", "CRIM1"))
summary(res.cut) #查看数据最佳截断点及统计量
#cutpoint statistic
#DEPDC1    279.8  4.275452
#WHSC1    3205.6  3.361330
#CRIM1      82.3  1.968317
#数据分布
plot(res.cut, "DEPDC1", palette = "npg")

Categorize variables

这里根据cutoff值分为高低分组

res.cat <- surv_categorize(res.cut)
#head(res.cat)
#生存曲线绘制#
fit <- survfit(Surv(time, event) ~DEPDC1, data = res.cat)#拟合生存分析

绘制生存曲线并显示P值

ggsurvplot(fit,
           data = res.cat,
           risk.table = TRUE,
           pval = T)

方法②：ROC曲线绘制的最佳cutoff

这种方法可以在没有生存数据的时候进行使用，然后分析组间差异。连续性变量的组间差异分析_连续变量和连续变量差异性分析-CSDN博客
ROC及曲线面积汇总学习_roc csdn-CSDN博客

rm(list = ls())
library(pROC)
library(survival)
library(survminer)
#roc截断值确定属于是检验诊断效能
data(myeloma)##这里为了方便展示也是用这个数据进行测试
dat <- myeloma[,c(4,8)]#[1] "event"  "DEPDC1"
roc1 <- roc(event ~ DEPDC1, data = dat)
#Setting levels: control = 0, case = 1
#Setting direction: controls < cases
attributes(roc1)#查看结果包含内容
roc1$auc#
#Area under the curve: 0.6272
ci.auc(roc1)
#95% CI: 0.5491-0.7053 (DeLong)
#求约登指数
roc.result <- data.frame(threshold = roc1$thresholds,
                         sensitivity = roc1$sensitivities,
                         specificity = roc1$specificities)
View(roc.result)
roc.result$youden <- roc.result$sensitivity + roc.result$specificity - 1
head(roc.result)
which.max(roc.result$youden)#找出约登指数最大的一行
roc.result[160,]##查看cutoff值
#threshold sensitivity specificity   youden
#160     281.9   0.5714286   0.7096774 0.281106
##计算出CI值和cutoff点，然后进行标注
table(dat$DEPDC1 > 281.9)
#根据截断值划分分组#
myeloma$DEPDC11 <- ifelse(myeloma$DEPDC1 > 281.9,"high", "low")

绘制生存曲线

fit <- survfit(Surv(time, event) ~DEPDC11, data = myeloma)#拟合生存分析
#绘制生存曲线并显示P值
ggsurvplot(fit,
           data = myeloma,
           risk.table = TRUE,
           pval = T)

结果一致性分析

surv_cutpoint()和ROC曲线都是用于确定最佳截断值的方法，它们之间存在一致性的原因如下：

目标相同：surv_cutpoint()和ROC曲线都旨在找到一个截断值，使得在该值之上或之下的预测结果能够最好地与实际观测结果相匹配。
基于模型性能：两种方法都是基于模型的性能来确定最佳截断值。surv_cutpoint()通过评估生存曲线的差异来选择最佳截断值，而ROC曲线通过计算真阳性率和假阳性率来评估分类模型的性能。
最大化敏感性和特异性：无论是surv_cutpoint()还是ROC曲线，都追求在预测中最大化敏感性和特异性。敏感性指的是正确识别阳性样本的能力，特异性指的是正确识别阴性样本的能力。
统计学原理：surv_cutpoint()和ROC曲线都基于统计学原理进行计算。surv_cutpoint()使用Kaplan-Meier估计和log-rank检验来评估生存曲线的差异，而ROC曲线使用真阳性率和假阳性率的比值来评估分类模型的性能。

综上所述，surv_cutpoint()确定的最佳截断值与ROC确定的最佳截断值是一致的，因为它们都追求在预测中最大化敏感性和特异性，并基于统计学原理来评估模型的性能。