1.基本思想
在一些医学临床研究中，有很多影响因素（或者指标）会对诊断起着作用。比如‘低出生体重儿’的出生，受到产妇年龄，产妇体重，产妇在妊娠期间是否吸烟，是否患有高血压共4项指标的影响。
如果单独使用ROC曲线进行诊断，可以分别得到各个指标对于‘低出生体重儿’的诊断预测。但是该4项指标合计在一起的时候，联合诊断效果如何，是否可以使用一个整体汇总指标来标识出‘4个指标’。
思想上，如何将‘4个指标’合并成一个，通常是使用二元logit回归，将4个指标作为X，将‘低出生体重儿’作为Y进行二元logit回归，并且得到‘预测值’，该‘预测值’即为4个指标的整体汇总指标值，然后将该’预测值‘作为检验变量X，然后将’低出生体重儿’作为状态变量Y进行分析即可。
2、SPSSAU操作
本案例涉及部分数据如下图：
- 针对‘低出生体重儿’，数字1表示低出生体重儿，0代表不是[特别注意，此处只能为01变量，因为进行二元Logit分析时有此要求，以及ROC曲线时也最好为01变量便于理解]；
- 产妇年龄和产妇体重均为对应真实数据；
- 数字0代表不吸烟，数字1代表吸烟；
- 数字0代表无高血压，数字1代表有高血压。
操作上分为两步，第一步是进行二元logit回归如下图所示：
将4项指标放入X框中，将低出生体重儿放入Y框中。并且选中‘保存残差和预测值’，一定需要选中该项。点击开始分析后，标题框中会新出现类似“BinaryLogit_Prediction_****”的标题，其用于标识预测值，另外还有一个标题类似“BinaryLogit_Residual_****”用来表示残差。
接下来进行ROC诊断分析，将‘预测值’ 作为检验变量X，然后将‘低出生体重儿’作为状态变量Y进行分析，操作如下图：
上图中需要说明，SPSSAU系统中针对状态变量Y，其默认切割点为1，即数字等于1时为‘阳性’，反之数字不等于1则为‘阴性’，此数字标识需要在前期确认好，包括进行二元logit回归，如果不是这样，可以使用SPSSAU数据编码功能进行设置。最终得到ROC联合诊断结果，具体结果不再进行阐述说明。
