诊断性试验的Meta分析
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
有失安全系数法，begg秩相关法和 Egger回归法等等。
3. 诊断性试验meta分析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
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 处理后仍然有异质，可使用随机效应模型合并。
• 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） 、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。
目录
• 1.单个诊断性试验 • 2.诊断性试验meta分析 • 3.统计软件中的实现
3
单个诊断性试验四格表
金标准
某诊断试验
阳性
阴性
合计
阳性
TP（a） FP（b）
a+b
阴性
FN（c） TN（d）
c+d
单个诊断性试验的评价指标
灵敏度
指标
特异度
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
诊断性试验的Meta分析
1
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 ，需要采用诊断性试验的Meta分析
灵敏度
0.6
机会线
0.4
0.2
0
0
0.2
0.4
0.6
0.8
1
1-特异度
2.1 文献检索
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
2.2 对纳入的研究进行方法学质量评分
• QUADAS标准(quality assessment of diagnostic accuracy studies)来评价纳入诊断试验的质量
作者
Schneider Stieber Molina Nissan Shibayama Lamy Takada Yamaguchi Sun Yang
国家
德国 德国 西班牙 以色列 日本 法国 日本 日本 中国 中国
研究方法 盲法 研究对 金标准 象
病例 数
前瞻
--
连续Leabharlann Baidu
病理
298
阳性界值（pg/ml）
ROC曲线
• 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，以灵敏度为纵坐标，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
• 灵敏度增高，则特异度降低，反之亦然 0.8
a
b
29.1
9.6
TP
a
b
35
38
FP
a
b
18
35
FN
a
b
16
13
TN
a
b
229
212
回顾
--
--
病理
314
38.3
11.9
41
39
9
44
46
48
218
183
前瞻
--
连续
病理
802
50
25
134
114
79
50
41
61
548
577
前瞻
--
连续
病理
162
48
22
29
18
6
12
8
19
119
113
--
--
连续
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
病理
359
49
7.5
74
49
11
10
40
65
234
235
回顾 回顾
是
--
病理
是
连续
病理
245
53
326
33.8
17 10.6
117
110
2
4
29
36
97
95
73
63
22
43
28
38
203
182
--
是
连续
--
602
50
8,1
80
79
6
26
47
48
469
449
--
--
--
病理
100
50
16.3
25
19
6
8
9
15
60
58
--
--
--
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 关），其结果在SROC 曲线平面图上呈“肩臂状”点分布 。
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
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
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
3. 诊断性试验meta分析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
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 处理后仍然有异质，可使用随机效应模型合并。
• 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） 、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。
目录
• 1.单个诊断性试验 • 2.诊断性试验meta分析 • 3.统计软件中的实现
3
单个诊断性试验四格表
金标准
某诊断试验
阳性
阴性
合计
阳性
TP（a） FP（b）
a+b
阴性
FN（c） TN（d）
c+d
单个诊断性试验的评价指标
灵敏度
指标
特异度
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
诊断性试验的Meta分析
1
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 ，需要采用诊断性试验的Meta分析
灵敏度
0.6
机会线
0.4
0.2
0
0
0.2
0.4
0.6
0.8
1
1-特异度
2.1 文献检索
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
2.2 对纳入的研究进行方法学质量评分
• QUADAS标准(quality assessment of diagnostic accuracy studies)来评价纳入诊断试验的质量
作者
Schneider Stieber Molina Nissan Shibayama Lamy Takada Yamaguchi Sun Yang
国家
德国 德国 西班牙 以色列 日本 法国 日本 日本 中国 中国
研究方法 盲法 研究对 金标准 象
病例 数
前瞻
--
连续Leabharlann Baidu
病理
298
阳性界值（pg/ml）
ROC曲线
• 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，以灵敏度为纵坐标，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
• 灵敏度增高，则特异度降低，反之亦然 0.8
a
b
29.1
9.6
TP
a
b
35
38
FP
a
b
18
35
FN
a
b
16
13
TN
a
b
229
212
回顾
--
--
病理
314
38.3
11.9
41
39
9
44
46
48
218
183
前瞻
--
连续
病理
802
50
25
134
114
79
50
41
61
548
577
前瞻
--
连续
病理
162
48
22
29
18
6
12
8
19
119
113
--
--
连续
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
病理
359
49
7.5
74
49
11
10
40
65
234
235
回顾 回顾
是
--
病理
是
连续
病理
245
53
326
33.8
17 10.6
117
110
2
4
29
36
97
95
73
63
22
43
28
38
203
182
--
是
连续
--
602
50
8,1
80
79
6
26
47
48
469
449
--
--
--
病理
100
50
16.3
25
19
6
8
9
15
60
58
--
--
--
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 关），其结果在SROC 曲线平面图上呈“肩臂状”点分布 。
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
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
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