R语言 ROCwoGS包 ROCwoGS-package()函数中文帮助文档(中英文对照)

loveR

ROCwoGS-package(ROCwoGS)
ROCwoGS-package()所属R语言包：ROCwoGS

                                         Non-parametric estimation of ROC curves without Gold Standard
                                         非参数估计的ROC曲线没有黄金标准

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Function to estimate the ROC Curve of a continuous-scaled diagnostic test with the help of a second imperfect diagnostic test with binary responses.
函数来估算一个规模连续诊断测试的ROC曲线与第二不完善的诊断测试的帮助下，用二进制响应。


Details

详细信息----------Details----------

</table>  This package contains one function.NPROCwoGS estimates the ROC Curve of a continuous-scaled diagnostic test with the help of a second imperfect diagnostic test with binary responses
</ TABLE>这个包包含一个function.NPROCwoGS估计ROC曲线诊断测试的规模连续第二不完善的诊断测试的帮助下，用二进制的反应


（作者）----------Author(s)----------



Chong Wang &lt;<a href="mailto:chwang@iastate.edu">chwang@iastate.edu</a>&gt;


Maintainer: Chong Wang &lt;<a href="mailto:chwang@iastate.edu">chwang@iastate.edu</a>&gt;




参考文献----------References----------

Wang, C., Turnbull, B. W., Grohn, Y. T. and Nielsen, S. S. (2007). Nonparametric Estimation of ROC Curves Based on Bayesian Models When the True Disease State Is Unknown. Journal of Agricultural, Biological and Environmental Statistics 12, 128-146.

实例----------Examples----------


data(score)
score$r <- (score$r >= 3)
ncutoff<- 20
ROC.est<-NPROCwoGS (score, ncutoff, niter=2000, CIlevel=0.95)
#Print results on R screen[R屏幕上的打印结果]
ROC.est
#Calculate area under the curve[计算曲线下的面积]
AUC<- sum((ROC.est$T.Se[1,-1]+ROC.est$T.Se[1,-(ncutoff+2)])*(ROC.est$T.Sp[1,-1]-ROC.est$T.Sp[1,-(ncutoff+2)])/2)
#Find the optimal cutoff to maximize[找到最佳的截止最大化]
#Youden Index[Youden指数]
opt.cut<- ROC.est$cutoff[which.max(ROC.est$T.Se[1,]+ROC.est$T.Sp[1,])-1]
# Plot ROC curve[绘制ROC曲线]
plot(1-ROC.est$T.Sp[1,],ROC.est$T.Se[1,],"l", xlab="1-Specificities",ylab="Sensitivities", main=paste("AUC=", format(AUC, digits=4),
        ", Optimal Cutoff=",opt.cut))        
data.frame(1-ROC.est$T.Sp)[c(3,2),]->ci.tsp
data.frame(ROC.est$T.Se)[c(2,3),]->ci.tse
#Write Sensitivities and Specificities to [写的敏感性和特异性，以]
#".csv" files, saved in the R library path[“csv”文件，保存在R库的路径]
#write.csv(ROC.est$T.Se,[write.csv（ROC.est $ T.Se，]
#paste(.Library,"/ROCwoGS/data/T_Se.csv",sep=''))[粘贴（。图书馆，“/ ROCwoGS /数据/ T_Se.csv”，SEP =））]
#write.csv(ROC.est$T.Sp,[write.csv（ROC.est $ T.Sp，]
#paste(.Library,"/ROCwoGS/data/T_Sp.csv",sep=''))[粘贴（。图书馆，“/ ROCwoGS /数据/ T_Sp.csv”，SEP =））]

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。