诊断模型给了AUC，还需要报告固定阈值下的结果吗？

诊断模型报告了曲线下面积，作者常想用一个数字概括“区分能力”。但临床使用时通常要决定哪位患者进一步检查，必须有明确的判阳规则。曲线下面积综合了多个可能阈值的排序表现，不能直接回答某个固定切点会漏掉多少患者、又会让多少无病者接受后续检查。投稿时应依拟定用途同时呈现阈值下的结果。

先定义模型将怎样使用

如果模型用于筛查，漏诊代价可能更受关注；如果用于确认，误诊和不必要检查也要考虑。方法段写清目标疾病、使用场景、输出分值的方向，以及阈值是在分析前确定、由训练数据选出，还是在验证集上事后挑选。阈值若从验证集选取，该集的同一份结果不能再被称作独立验证。还应说明一个患者是否会被重复检测，模型给出的分数是否要经过人工判读或与其他检查组合。

自拟例子中，两套模型在同一外部样本上都有0.82的曲线下面积。设定一个转诊阈值后，甲模型在100名患病者中检出85人、在100名无病者中误报40人；乙模型检出75人、误报20人。两者曲线下面积相同，也不表示同一工作点下的漏诊与误报相同。例子只是说明读者需要看四格表和实际工作点；两套模型的临床取舍还取决于漏诊与误报代价，不能仅凭这些数字断定谁必然更好。若研究没有独立确定的阈值，就把候选工作点标为探索性。

把数字变成可核对的表

结果至少列出固定阈值、真阳性、假阴性、假阳性、真阴性，及灵敏度、特异度与区间。若报告阳性预测值和阴性预测值，说明研究样本的患病率与拟使用人群是否相近，因为预测值会受患病率影响。阈值可以配合受检人数推算转诊量，但应清楚说明是观察到的计数，还是根据假定场景外推。只有面积和一条曲线而没有实际阈值，临床团队无法判断每百名受检者要承担多少后续工作。

STARD 2015要求说明阳性切点、交叉结果与准确性估计及精度；美国食品药品监督管理局的诊断测试结果统计指导也建议同时报告灵敏度和特异度、四格表，并在有连续测量值时呈现ROC信息。这些资料并未否定曲线下面积，而是提示不同指标回答不同问题。模型论文可以保留面积，用它讨论区分能力，同时把固定阈值的执行后果单列。

投稿前拿分析脚本与结果表对照：阈值是否与预设文件一致，四格表四格相加是否等于分析人数，摘要引用的是同一人群和同一阈值。若阈值尚未定下来，结论就写模型仍处于选择工作点的阶段。甲模型漏15人、误报40人，乙模型漏25人、误报20人：这才是转诊流程要面对的数字。

参考信息：STARD 2015诊断准确性研究报告指南；美国食品药品监督管理局诊断测试结果统计指导。