5.針對特定疾病，下列何種分析最適合用於同時評估多個檢測標誌的優劣？
(A)簡單直線迴歸（simple linear regression）
(B)接受者操作特性曲線（receiver operating characteristic curve, ROC curve）
(C)Bland-Altman圖（Bland-Altman plot）
(D)相關係數（correlation coefficient）

好的，我們來逐一分析這題：

題目：針對特定疾病，下列何種分析最適合用於同時評估多個檢測標誌的優劣？

選項解析

(A) 簡單直線迴歸（simple linear regression）

• 迴歸分析主要用於探討一個自變數與一個因變數之間的線性關係。

• 局限性：無法同時比較多個檢測指標對疾病診斷效能的表現。

(B) 接受者操作特性曲線（ROC curve） ✅

• ROC curve 是常用於評估診斷試驗效能的工具。

• 可以比較同一疾病下不同檢測標誌（biomarkers）的 敏感度（sensitivity）與特異度（specificity）。

• 曲線下面積（AUC, area under curve）數值越大，代表檢測效能越佳。

• 適合用來「同時比較多個檢測方法或標誌的優劣」。

(C) Bland-Altman圖（Bland-Altman plot）

• 主要用來比較兩種檢測方法之間的一致性（agreement）。

• 局限性：只能比較兩者，並不是設計來同時比較多個檢測標誌的優劣。

(D) 相關係數（correlation coefficient）

• 相關係數只反映兩變數間的線性相關程度（r 值），例如「血糖值與HbA1c之相關性」。

• 不能代表診斷效能，也無法區分多個檢測標誌誰比較好。

正確答案

(B) 接受者操作特性曲線（ROC curve）

ROC 曲線及其 AUC 值最適合用來同時比較不同檢測標誌在疾病診斷上的優劣。

? 記憶小技巧

• 迴歸 (A)：關係強弱

• ROC (B)：比較效能（敏感度 vs 特異度）✅

• Bland-Altman (C)：檢測方法間一致性

• 相關係數 (D)：線性相關