之前我寫過一篇使用pROC包畫好看的ROC曲線的教程，那篇教程中使用的是pROC，這個包可以快速擬合ROC曲線，然而這個包需要提前進行運算結果，并且不能直接顯示AUC值等，今天推薦一個另一個繪制ROC的包multipleROC，顧名思義，這個包是可以一次性繪制多條ROC曲線的，并且也是基于ggplot2。

目前這個包作者沒有上傳CRAN或BiocManager，只能通過Github安裝，地址為https://github.com/cardiomoon/multipleROC

安裝multipleROC

remotes::install_github("cardiomoon/multipleROC")

如果無法訪問GitHub，也可以導入到Gitee后進行安裝

remotes::install_git("https://gitee.com/swcyo/multipleROC/")

數(shù)據(jù)演示

我們使用仙桃學術上的一個診斷性ROC示例數(shù)據(jù)為例進行演示（下載請點擊xlxs鏈接）。

library(readxl) 
ROC <- read_excel("~/Desktop/ROC曲線.xlsx")

探索性分析

我們可以事先看一下group1和group2兩組在a變量中的差別，使用webr包，先看看結果如何

library(webr)
library(ggplot2)
library(dplyr)
library(tidyr) 
ROC %>% 
  group_by(outcome) %>% 
  numSummaryTable(a)

也可以使用箱示圖和密度圖進行展示，見Figure 1所示。

p1<- ggplot(data=ROC)+geom_density(aes(x=a,fill=outcome),alpha=0.5)  
p2<-ggplot(data=ROC)+geom_boxplot(aes(x=outcome,y=a,fill=outcome),alpha=0.5)  
cowplot::plot_grid(p1,p2)

Figure 1: group1和group2兩組在a變量中的差別

同法可以顯示b和c變量的結果，我們暫時以boxplot展示

p3<-ggplot(data=ROC)+geom_boxplot(aes(x=outcome,y=b,fill=outcome),alpha=0.5) 
p4<-ggplot(data=ROC)+geom_boxplot(aes(x=outcome,y=c,fill=outcome),alpha=0.5) 
cowplot::plot_grid(p2,p3,p4,labels = "AUTO",nrow = 1)

Figure 2: group1和group2兩組在三變量中的差別

-- 雖然探索性分析可以判斷兩組的差異，但是無法確定最佳截斷值，也無妨評估預測效能。

ROC曲線的繪制

繪制ROC曲線是確定最佳截斷值的有用方法之一。您可以使用以下R命令執(zhí)行ROC分析。下面的R命令使一個類為multipleROC的對象，并進行繪圖。
由于默認的函數(shù)中分組需為0和1，因此需要將group1和group2進行賦值，我們將group1定義為0，group2定義為1，我們繪制a變量在兩組中的ROC圖片，我們可以使用multipleROC()語句一步計算，可以看到最佳截斷值，AUC值，另外敏感度、特異度都是可以直接顯示的，見Figure 3所示。。

ROC$group<-ifelse(ROC$outcome=='group1',0,1) # 將group1定義為0，否則為1 
library(multipleROC) 
a=multipleROC(group~a,data=ROC)

Figure 3: a變量在兩組的ROC曲線

如果不想顯示那么多結果的話，也可以plot_ROC()函數(shù)一個個設置是否顯示

plot_ROC(a, 
         show.points = TRUE, 
         show.eta = TRUE, 
         show.sens = TRUE, 
         show.AUC = TRUE, 
         facet = FALSE )

AUC和p值

在Figure 3的右下角，您可以看到曲線下面積（AUC）和Wilcoxon秩和檢驗的p值。p值來自以下計算結果。

wilcox.test(ROC$a,ROC$group)

##  
##  Wilcoxon rank sum test with continuity correction 
##  
## data:  ROC$a and ROC$group
## W = 4416, p-value = 1.294e-13
## alternative hypothesis: true location shift is not equal to 0

AUC值則通過multipleROC包的simpleAUC()函數(shù)進行運算，函數(shù)如下:

simpleAUC <- function(df){
     df=df[order(df$x,decreasing=TRUE),]
     TPR=df$sens
     FPR=df$fpr

     dFPR <- c(diff(FPR), 0)
     dTPR <- c(diff(TPR), 0)

     sum(TPR * dFPR) + sum(dTPR * dFPR)/2
}

那么，我們直接直接只有simpleAUC(aauc直接看到完整的AUC值

simpleAUC(a$df)  ## 函數(shù)法
## [1] 0.7328125

a$auc # 直接提取法
## [1] 0.7328125

同樣的，我們直接提取截斷點(cutpoint)和最佳截斷值（Optimal Cutoff value）

a$cutpoint
## [1] 0.5136663

a$cutoff
##  a ## 54 1.082828

將結果轉(zhuǎn)換為pROC對象

如果你更習慣pROC的結果，使用multipleROC2roc()函數(shù)，可以直接將結果轉(zhuǎn)換為 pROC的roc 對象

a2<-multipleROC2roc(a)
## Setting levels: control = 0, case = 1
## Setting direction: controls < cases

class(a) ##a的類型為multipleROC
## [1] "multipleROC"

class(a2) ##a2已經(jīng)轉(zhuǎn)換為roc的類型了
## [1] "roc"

pROC::auc(a2) ## 我們用pROC看auc的結果
## Area under the curve: 0.7328

我們可以使用pROC的繪圖函數(shù)對a2進行繪圖了，我們比較以下兩種結果吧，見Figure 4所示。

library(pROC)
p5<-ggroc(a2, legacy.axes = TRUE)+
  geom_segment(aes(x = 0, xend = 1, y = 0, yend = 1), 
               color="darkgrey",linetype=4)+
  theme_bw()+ggtitle("pROC")
p6<-plot(a)+ggtitle("multipleROC")
cowplot::plot_grid(p5,p6)

Figure 4: pROC和multipleROC的結果對比

多個ROC曲線的繪制

可以用多個函數(shù)進行多個ROC的曲線，可以使用plot_ROC(list())一個個繪制曲線，見Figure 5所示。

a=multipleROC(group~a,data=ROC,plot=FALSE)
b=multipleROC(group~b,data=ROC,plot=FALSE)
c=multipleROC(group~c,data=ROC,plot=FALSE)
plot_ROC(list(a,b,c),
         show.eta=FALSE,#不顯示截點
         show.sens=FALSE #不顯示各種率
         )

Figure 5: 三條曲線同時繪制

當然，如果你不想寫那么多代碼的話，也可以直接使用plot_ROC2()函數(shù)直接繪制，是不是簡單的多。

plot_ROC2(yvar="group",xvars=c("a","b","c"),dataname="ROC")

Figure 6: 三條曲線同時繪制簡單函數(shù)

分面顯示

將三張圖放在一起，可以看到數(shù)值重疊影響顏值，我們可以用ggplot2的facet進行分面繪制。

plot_ROC(list(a,b,c),facet=TRUE)

Figure 7: 三條曲線的分面顯示

可以發(fā)現(xiàn)分面的標簽默認是1，2，3，我們可以使用Y叔團隊開發(fā)的ggfun這個包的facet_set()函數(shù)進行快速的修改

library(ggfun) ## 必須要先安裝好
plot_ROC(list(a,b,c),facet=TRUE)+
  facet_set(label=c(`1`="a", `2`="b", `3`="c"))

分面顯示該標簽名稱

換一種分面顯示

使用ggplot2包的facet_grid可以換一個分面顯示方式

plot_ROC(list(a,b,c))+facet_grid(no~.)+
  facet_set(label=c(`1`="a", `2`="b", `3`="c"))

換一個分面顯示方式

由于是基于ggplot2語句，所以我們可以使用ggtitle添加標題，還可以更換主題等等。。。