ROC 曲线

ROC 曲线展示在所有可能切点下的灵敏度（真阳性率）与 1 − 特异度（假阳性率）；曲线越靠左上，区分能力越强。对角虚线为随机猜测（AUC = 0.5）。

AUC 是随机取一个阳性和一个阴性样本时，阳性样本得分更高的概率；表中给出 DeLong 标准误和置信区间。

Youden 切点使「灵敏度 + 特异度 − 1」最大；它只是一个参考，临床上常需按漏诊与误诊的代价另定切点。在同一数据上选切点再评估会偏乐观，建议在独立样本中验证。

多个标志物在同一批样本上测量时，用 DeLong 配对检验比较 AUC（只用两个标志物都有数值的样本），P 值按您选的方法校正。

方向「自动」时，AUC 小于 0.5 的标志物会按「数值越低越倾向阳性」计算并在表中注明。

方法说明

DeLong, DeLong & Clarke-Pearson (1988) Biometrics 44:837；Sun & Xu (2014) IEEE Signal Process Lett 21:1389（快速算法）；Youden (1950) Cancer 3:32。曲线坐标与 AUC 与 sklearn.metrics.roc_curve / roc_auc_score 一致。

数据量

最多 200,000 行。