2011年4月28日题记.docVIP

2011年4月28日题记：1，这个帖子已经写了两年多了，期间于2009年7月6日进行了一次补充说明。今日又对帖子内容进行了部分修改，包括帖子标题。原帖中的表述有部分是错误的，可能会误导大家，在此向大家致歉。本次修改我主要是把帖子标题进行了修改。以往的标题过于强调ROC分析，实际上，在诊断性试验中，ROC分析只是统计学处理方法，不应该成为一个研究类型的名称；而且，ROC分析也只适合于定量资料。2，关于诊断性试验的设计要点，关键是要按照STAED报告规范撰写论文，按照QUADAS规范进行试验设计，这对于这两个文件的解读可以参阅本人博客，详见：对QUADAS标准的认识和理解诊断试验准确性研究的报告规范（STARD规范）的个人学习心得 如何开展一个高质量的诊断性试验 hzdlj 近期园子里讨论了两篇诊断性试验的文章，虽然出自国内知名杂志，但是都不同程度地存在问题，结合自己最近学习诊断性试验的体会，打算写一篇关于如何开展高质量诊断性试验临床研究的文章，供同行参考以及斧正。本人乃检验界无名小卒，文章中有不妥之处，恳请大家批评指正。一， 诊断性试验与检验医学检验医学的论文大题可以分为两类，一类是方法学论文，只要是质量控制，方法学评价，对比等，另一类就是实验室指标的应用，使用指标诊断疾病，观察指标与疾病预后和病理分期的关系等。诊断性试验研究就属于后者，其目的主要是评价某指标对某种疾病的诊断意义。如“AFP在肝癌诊断中的作用”，“CEA，NSE联合诊断肺癌”等。众所周知，用单一实验室指标去诊断疾病，单独提高敏感性必然会降低特异性，反之亦然；换句话说，减少误诊必然增加漏诊。比如，某医师欲采用AFP诊断肝癌，该医师制定的诊断标准是AFP大于10mmol/L，显然按照此标准诊断肝癌，具有很高的敏感性，是不会漏诊肝癌的的，因为几乎所有的肝癌患者AFP都大于10 mmol/L。但是另一方面，依据此标准却容易造成误诊，因为AFP大于10 mmol/L的病人中，除了肝癌还有肝炎和肝硬化等肝脏疾病。该医师意识到这个问题后，将肝癌诊断标准从10 mmol/L提高到1000 mmol/L，并以此作为诊断肝癌的标准，显然，以此为标准，自然是不会误诊病人，因为AFP大于1000 mmol/L几乎就可以肯定是肝癌了。但是另一方面，却增加了漏诊，因为不是所有的肝癌患者AFP都大于1000 mmol/L的。由此可见，漏诊和误诊之间是相互矛盾的，减少误诊必然以增加漏诊为代价，减少漏诊又必然以增加误诊为代价，敏感性与特异性始终是鱼与熊掌不可兼得的矛盾。那么该如何协调灵敏度和特异性呢？最好的方法就是做ROC分析。将病例组和与之难以鉴别诊断的疾病放在一起，采用需要研究的指标去诊断疾病，以1-特异度为横坐标，敏感性为纵坐标。观察指标变化时，敏感性与特异性的关系，绘制ROC曲线（具体程序都有SPSS，sigmaplot,graphpid,oringe等软件完成）。然后根据曲线的结果对指标进行判断。ROC 有什么用途呢？大体上说，主要有以下几种用途：1，判断单一指标的诊断效力，曲线下面积越大，指标的诊断效力越大；2，比较不同指标的诊断效力。这里需要特别强调的一点，ROC曲线分析只是针对定量资料，比如AFP，RF，CRP等指标，对于定性指标，比如HIV抗体，3P试验等，则不法进行ROC曲线分析。二， 如何设计一个高质量的诊断性试验2．1．样本例数的估计大部分研究，在开展之前，一定要进行样本数的估计，样本量太少，统计效率低下，容易犯2类错误。样本量太高，不仅造成经济上的浪费，还增加了很多不可控制的因素，降低了实验质量。国内部分医务人员单纯认为样本量越大，研究结果越可靠，这是片面的。实际上，个人认为，一般研究，把样本量控制在最小估计样本量的上限再加20％就可以了（主要是在前瞻性的研究中防止脱落）。样本量的估计由于园子里无法打公式，我就不写了，具体可以参考相关书籍。2．2 对照组和实验组的设置一个实验室指标，要不仅要强调其敏感性，还要强调其特异性，对照组的设置主要是为了体现指标的特异性，即鉴别诊断的能力。基于此，对照组的设置应该是和疾病组症状相似，如果不采用实验室诊断指标是很难进行鉴别的疾病。比如肝硬化和肝癌。国内部分文章，在设立对照组时加入了健康人群组，这是不科学的。因为健康人群和有疾病的人群通过症状体征基本就能鉴别，何需实验室指标。当然，如果一个指标是很新颖的指标，或者无症状疾病的诊断（这类疾病很少），在首次或者最初的研究中可以加入健康对照组，以观察疾病组和健康对照组之间是否具有差别，这是可以理解的，但是对于研究有明显症状，可以轻而易举和健康人区分的疾病，是不需要设立健康对照组的。实验组和对照组应该充分体现在均质上面，就是不采用实验室指标，光凭症状病