诊断性实验的Meta分析详细分析.ppt

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。 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。 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曲线。通过计算ROC曲线下面积，可以评定该诊断方法的准确性。 SPSS处理后的结果 2.1 文献检索的方法 EBM常用的中文数据库 EBM常用的外文数据库 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： 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。 Meta-Disc软件计算：通过spearman相关系统数分析，P0.05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。 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P0.10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P0.10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。 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。 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 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 诊断比值比DOR的Cochran-Q检验结果 3.1 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 诊断性试验meta分析方法在统计软件中的实现 数据录入 探讨异质性 * 模板来自于 * 模板来自于 * 模板来自于 * 模板来自于 * 模板来自于