針對一個診斷／測量工具要制定一個測量結果的分界點（cutting point），以判斷測量結果為陽性或陰性時，常利用接收者操作特徵曲線（receiver operating characteristic curve, ROC curve）。如下圖所示，構成該曲線圖形的X軸和Y軸分別為何？

本題觀念：

本題考查的是 接收者操作特徵曲線（Receiver Operating Characteristic curve, ROC curve） 的基本定義與組成要素。ROC 曲線是實證醫學與流行病學中，用來評估一項診斷工具（或連續變項的檢驗數值）在不同分界點（cutoff point）下，其診斷效能的圖形化工具。

影像分析：

題目所附影像展示了一個標準的 ROC 曲線圖：

1. 座標軸範圍：X 軸與 Y 軸的數值皆介於 0 到 1 之間。
2. 曲線形狀：曲線從左下角 (0,0) 出發，呈現向左上角彎曲的弧線，最終止於右上角 (1,1)。
3. 幾何意義：
   • 圖形的左上角 (0,1) 代表完美的診斷工具（敏感度 100%，特異度 100%，即偽陽性率 0%）。
   • 對角線（45度線）代表診斷效能與隨機猜測無異（AUC = 0.5）。
   • 曲線下的面積（Area Under Curve, AUC）越大，代表該診斷工具的準確度越高。

選項分析：

• (A) X軸為陽性概似比（positive likelihood ratio）、Y軸為陰性概似比（negative likelihood ratio）

  • 錯誤。概似比是由敏感度與特異度計算出的數值，用於評估檢驗結果改變疾病機率的程度，並非 ROC 曲線的座標軸。

• (B) X軸為陽性預測值（positive predictive value）、Y軸為陰性預測值（negative predictive value）

  • 錯誤。預測值（PPV, NPV）會受到疾病盛行率（prevalence）的影響，而 ROC 曲線的特性在於其形狀不隨盛行率改變（因為敏感度與特異度是工具本身的屬性），故不使用預測值作為座標軸。

• (C) X軸為1-敏感度（sensitivity）、Y軸為特異度（specificity）

  • 錯誤。這是將定義混淆的選項。

• (D) X軸為1-特異度（specificity）、Y軸為敏感度（sensitivity）

  • 正確。
    • Y 軸（縱軸）：代表 敏感度（Sensitivity），又稱為真陽性率（True Positive Rate, TPR）。即在有病的人中，檢驗結果為陽性的比率。
    • X 軸（橫軸）：代表 1 - 特異度（1 - Specificity），又稱為偽陽性率（False Positive Rate, FPR）。即在沒病的人中，檢驗結果錯誤地呈現陽性的比率。
  • ROC 曲線就是將不同分界點下的「敏感度」對「1-特異度」作圖，以觀察兩者之間的權衡關係（Trade-off）。

答案解析

ROC 曲線的標準定義即是以 X軸為偽陽性率（False Positive Rate, 即 1-Specificity），Y軸為真陽性率（True Positive Rate, 即 Sensitivity） 所繪製而成。隨著分界點（cutoff point）的移動，敏感度增加通常會伴隨特異度下降（即 1-特異度 增加），形成向左上凸起的曲線。

故正確答案為 (D)。

核心知識點

1. ROC 曲線座標：
   • Y 軸：Sensitivity (真陽性率)
   • X 軸：1 - Specificity (偽陽性率)
2. AUC (Area Under Curve)：
   • 曲線下面積，範圍 0.5 ~ 1.0。
   • AUC = 0.5：無鑑別力（類似丟銅板）。
   • AUC = 1.0：完美鑑別力。
   • 一般而言，AUC > 0.7 視為可接受，> 0.8 為優良，> 0.9 為極佳。
3. 最佳分界點（Optimal Cutoff）：
   • 通常選擇 Youden's Index (J) 最大的點，即 Sensitivity + Specificity - 1 最大值處。
   • 幾何上，這通常是最靠近圖形左上角 (0,1) 的那一點。

參考資料

1. Basic & Clinical Biostatistics, 5th Edition. Chapter 13: Evidence-Based Medicine.
2. MedCalc Statistical Software. ROC curve analysis.
3. Wikipedia: Receiver operating characteristic.