潜在分类模型在无金标准诊断试验中的评价.pdfVIP

潜在分类模型在无金标准诊断试验中的评价拳 陈炳为1 郑水龙2 刘 沛1 陈启光1 【提要】 目的探讨无金标准诊断试验下灵敏度与特异度的估计方法。方法以三个诊断试验为例，利用潜在分 类模型估计无金标准诊断试验的灵敏度、特异度及其95％可信区间。并将潜在分类模型估计的结果与Bayesian方法估计 结果进行比较。结果三个诊断试验的灵敏度与特异度的95％可信区间均存在一定的重叠，表明两种方法估计结果较为 相似。结论诊断试验的灵敏度与特异度在无金标准时是无法直接计算的，可利用潜在分类模型与Bayesian方法估算诊 断试验的灵敏度与特异度。 【关键词】 潜在分类模型元金标准诊断试验灵敏度特异度 在当前的医学实践中，很多情况缺乏金标准，如精 是相互独立的，称之为局部独立性(10calindepend- 神病诊断评价中经常利用量表进行诊断。另外一种常 ence，LI)或条件独立性。联合概率可表达为如下式 见的情况是，虽然有些疾病诊断有金标准，但这些试验 子‘6·71： 有时不宜或根本不允许用于待评价的人群，如创伤性、 仃^丑a=仃^陇仃引x仃c哺仃x 侵人性试验(冠状动脉照影、肝穿刺等)，将其应用于 式中，仃嬲=P(ABCX)，qfA值=P(Alx)，其余的 对照人群有时是违背医学伦理原则。而诊断试验的两 表达式相似。 个评价指标(灵敏度与特异度)是基于金标准的情况 LCM的对数线性模型定义如下： 下计算得到。因此，无金标准条件下的诊断和筛检试 验评价的灵敏度与特异度不能直接利用公式计算。自 根据条件概率公式，P(AIx)可由下式计算： I P(A=i 20世纪90年代以来，有学者将Bayesian方法应用于 无金标准时的两个或多个诊断试验，进行了一系列的 =∑五∥町∑。∑工严=景等貉 研究‘1一引。 class 条件概率P(曰lx)与P(CIX)表达式相似。 潜在分类模型(1atentmethod，LCM)，又称为 隐分类模型，是社会学与心理学等领域强有力的研究 潜在分类变量的P(X)如下： 工具。其主要框架的建立是Goodman于1974年建立 的¨5】，思想是采用多个可直接观测变量去反映难以 exp(,C) 直接准确观测的潜在变量，同时可估计潜在变量问的 ∑，exp(A?) 潜在结构关系。对于诊断试验而言，诊断评价是可直 若A、B、C为三种诊断试验，用1代表“+”，0代 接观测的变量，在无金标准情况下，病人的真正情况是 表“一”。x代表真正患病的情况，为方便说明，用1代 未知的(潜在变量)，本文利用LCM模型对无金标准 表患病，0代表未患病。则对于诊试验A的灵敏度 诊断试验的灵敏度、特异度进行估计。 (Se)： Se=P(A=1 潜在分类模型原理 A管)+exp(A：+A警)) 为了简单说明，下面以3个显在变量(可观测变 同理，可得到诊断试验A的特异度(Sp)及诊断试 量)的例子来说明。设有3个显在变量A、B与C，其 验B、C的灵敏度与特异度。其患病率或检出率为： 对应值分别用f√与k表示，用x表示潜在变量(不可 直接观测的变量)，它具有未知丁个分类，利用t=1， 对于各有，、．，、足个水平的显变量A、占、c，所构成 2，…，