诊断性实验的Meta分析分解

合并灵敏度
合并特异度
合并阳性似然比
合并阴性似然比
合并SROC曲线
（3） 曲 线 上 与
曲线与斜率为 1 的斜线的切点；
（ 0,1 ）点绝
对距离最近 的点。
在实际应用中， SPSS 会给出不同界值
下的敏感度和1-特异度
一般以约登指数（ Youden index ）即 （灵敏度＋特异度－1）最大时所对应的 点为最佳诊断界值。
• SPSS处理后的结果
2. 诊断性试验meta分析论文的 基本内容
中国
--
--
--
病理
144
46
16.3
46
40
9
16
17
23
72
65
2.4 诊断性试验的meta分析
• 2.4.1 阈值效应检验
• 2.4.2 非阈值效应检验
• 2.4.3 合并各诊断试验评价指标
• 2.4.4 发表偏倚的识别
2.4.1 阈值效应检验
• 在诊断性试验中可能因为纳入的研究采用不同的诊断界值 而引起异质性，在进行合并时要进行检测，当存在阈值效 应时，灵敏度和特异度负相关（灵敏度和1-特异度呈正相
2.1 文献检索的方法
文献检索对国内外数据库进行检索，尽可能保证查全， 并将整个检索过程用流程图和（或）文字表示出来
EBM常用的中文数据库
中国知识源总库-CNKI 万方数据资源 中文科技期刊数据库 中国生物医学文献服务系统(Sinomed)
中国医院数字图书馆
EBM常用的外文数据库
PubMed: www.pubmed.com Ovid 数据库： gateway-di.ovid.com Clinical Trinals clinicaltrials.gov Cochrane library: www.thecochranelibrary.com
3. 诊断性试验meta分析方法在统计 软件中的实现
• RevMan5.0软件和Meta-DiSc 都是在国际上权威的用来做 诊断试验meta分析的软件，在这里仅介绍Meta-Disc软件 的使用方法。
• 下载地址：
http://www.hrc.es/investigacion/metadisc_en.htm
阳性
阴性
阳性
TP（a）
FP（b）
a+b
阴性
FN（c）
TN（d）
c+d
1.2 单个诊断性实验的评价指标
灵敏度
特异度
指标
假阴性率（漏诊率）
假阳性率（误诊率）
灵敏度=a/a+c；特异度=b/b+d； 假阴性率=c/a+c；假阳性率=d/b+d
• 这个四格表衍生的各种指标：真阳性率（敏感度）、假阳 性率、假阴性率、真阴性率（特异度）等等都是评估替代
基本内容
1
单个诊断性试 验的简单介绍
2
诊断性试验
3
诊断性试验 meta分析方 法在统计软件 中的实现
meta分析论文
的基本内容
1. 单个诊断性试验的简单介绍 1.1 1.2
ROC曲线定义
单个诊断性试验四格表
单个诊断性实验的评价指标
1.3
1.4
ROC曲线的解读
1.1 单个诊断性试验四格表
金标准 某诊断试验 合计
关），其结果在SROC 曲线平面图上呈“肩臂状”点分布。
• Meta-Disc软件计算：通过spearman相关系统数
分析，P>0.05时，即不存在阈值效应，可以进行
各个指标合并。
2.4.2 非阈值效应检验
• 在诊断性试验的meta分析中，除了阈值效应引起研究间异 质性外，其他原因：人群（如疾病严重程度和伴发疾病）、
理后仍然有异质，可使用随机效应模型合并。
诊断性试验Meta分析的评价指标
• 灵敏度和特异度 假阴性率（漏诊率）
假阳性率（误诊率）
• 似然比 阳性似然比（+LR）TP/FP 阴性似然比（-LR）FN/TN • 诊断比数比（DOR）+LR/-LR
• SROC曲线
2.4.4 发表偏倚的识别
• 在meta分析中发表偏倚识别一般采用的是漏斗图法，还有 失安全系数法，begg秩相关法和 Egger回归法等等。
作者 国家 研究方法 盲法 研究对 象 金标准 病例 数 阳性界值（pg/ml） TP FP FN TN
a
Schneider 德国 前瞻 -连续 病理 298 29.1
b
9.6
a
35
b
38
a
18
b
35
a
16
b
13
a
229
b
212
Stieber
德国
回顾
--
--
病理
314
38.3
11.9
41
39
9
44
46
回顾 回顾
是 是
-连续
病理 病理
245 326
53 33.8
17 10.6
117
110
2
4
29
36
97
95
73
63
22
43
28
38
203
182
Yamaguchi
日本
--
是
连续
--
602
50
8,1
80
79
6
26
47
48
469
449
Sun
中国
--
--
--
病理
100
50
16.3
25
19
6
8
9
15
60
wk.baidu.com58
Yang
诊断性实验的Meta分析
刘延青 研究生
前言
临床医生在接诊的过程中，经常考虑的问题就是如何把可 以有病与实际无病的人区别开来，以及如何将患某种疾病 的患者于其他疾病鉴别出来，这个过程中就需要合理运用
诊断试验。广义诊断包括实验室检查、影像学诊断、仪器
检查、病史询问、体格检查等。 对于某个诊断性试验，可能已有多位研究者进行了研究， 为了对不同的研究结果进行综合性分析，获得综合的结论， 需要采用诊断性实验的Meta分析。
断试验的质量
2.3 资料提取
研究资料的基本情况 • 包括纳入研究的作者、发表时间、研究对象的病例数、对
照数目、SEN、SPE、计算获得的真阳性( TP) 、假阳性
(FP) 、真阴性( TN) 、假阴性(FN)、检测的方法、检测试
剂的来源、诊断的临界值等基本情况，都用表表示出来。
摘自《ProGRP与NSE对小细胞肺癌诊断价值 的meta分析》文中提取数据：
试验条件（如不同的技术、化验、操作者）、标准试验等，
在软件中用诊断比值比DOR的Cochran-Q检验来检测是否
存在非阈值效应引起的变异。
诊断比值比DOR的Cochran-Q检验结果
2.4.3 合并各诊断试验评价指标
• 合并的模型有两种：随机效应模型 固定效应模型
• 若异质性检验结果为P>0.10时，多个研究具有同质性，可 选择固定效应模型； • 若异质性检验结果为P<0.10时，多个研究异质，首先应分 析异质性的原因,如设计方案,病情,疗程等因素是否相同,由 于这些因素引起的异质性可用亚组分析进行统计量计算, 也可以通过meta回归来检查并解释异质性，如上述方法处
检验方法鉴别患病和无病的能力。通常情况下我们以敏感
度为纵坐标，1-特异度为横坐标绘制曲线，制作ROC曲线。
1.3 ROC曲线定义
• 对某一诊断试验方法，通过改变诊断临界点，可以获得多 对灵敏度和特异度，以敏感度为纵坐标，1-特异度为横坐 标绘制曲线，横轴与纵轴长度相等，形成正方形，在图中
将ROC曲线工作点标出，用直线连接各相邻两点构建ROC曲
诊断性试验meta分析方法在统 计软件中的实现
3.1 数据录入 3.2 选择项 设置 3.3 阈值效应 检验 3.4 非阈值效应 检验 3.5 合并各诊断试 验评价指标
3.1 数据录入
3.2 选择项设置
3.3 阈值效应检验
3.4 非阈值效应检验
探讨异质性
3.5 合并各诊断试验评价指标
绘制森林图
2.2 对纳入的研究进行方法学质量评分
• 对各单个诊断性试验的方法学质量直接关系到合并结果的 可靠性，因此对各纳入研究进行方法学质量评分非常重要，
方法学质量评分大致内容包括是采用金标准、是否双盲、
研究对象的纳入是否存在选择偏倚，是否有诊断性试验结 果的判读偏倚等等。 • 在国际上质量评价有一个QUADAS标准(quality assessment of diagnostic accuracy studies)来评价纳入诊
48
218
183
Molina
西班牙
前瞻
--
连续
病理
802
50
25
134
114
79
50
41
61
548
577
Nissan
以色列
前瞻
--
连续
病理
162
48
22
29
18
6
12
8
19
119
113
Shibayama
日本
--
--
连续
病理
359
49
7.5
74
49
11
10
40
65
234
235
Lamy Takada
法国 日本
线。通过计算ROC曲线下面积，可以评定该诊断方法的准 确性。
1.4 ROC曲线的解读
1
0.8
0.6
灵敏度
机会线
0.4
0.2
0 0 0.2 0.4 0.6 0.8 1
1-特异度
所谓的“曲线左上角”至少可以找出3 种判断方式：
（1）
（2） 曲 线 与 经 过 （ 0 , 1 ） 和 （ 1,0 ）两点直 线的交点；