筛检和诊断试验的评价.ppt

筛检和诊断试验的评价 诊断试验的定义 指应用各种试验、医疗仪器等手段对病人进行检查，以确定或排除疾病的试验方法。 评价的意义 1 对诊断试验的应用价值进行科学评估 2 为临床医生合理选择诊断试验并正确解释其结果提供科学依据。 （一） 真实性的评价 真实性，Accuracy, Validity 测定值与真值的符合程度。 1.真实性的评价指标： 灵敏度 特异度 其它评价指标 灵敏度（Sensitivity，真阳性率） 能将实际有病的人正确地判定为患者的能力。 灵敏度=a/(a+c) ×100% 漏诊率（False negative rate，假阴性率） 将实际有病的患者错误判定为非患者的比例。 漏诊率=c/(a+c)=1-灵敏度 特异度（Specificity，真阴性率） 能将实际无病的人正确判定为非患者的能力。 =d/(b+d) ×100% 误诊率（False positive rate，假阳性率） 将实际无病的人错误判定为患者的比例。 =b/(b+d) ×100%=1-特异度 其它评价真实性的指标 符合率, Crude agreement rate =(a+d)/(a+b+c+d) ×100% 正确诊断（约登）指数, Yoden’s index =灵敏度+特异度-1 阳性似然比, Positive likelihood ratio =真阳性率/假阳性率 阴性似然比, Negative likelihood ratio =假阴性率/真阴性率 选择筛检试验阳性界限时，可参考： 1.疾病预后的严重性和现有治疗措施的效果 2.若假阳性进一步诊断费用太贵，阳性界限提高 3.若假阳性和假阴性同等重要，可定在曲线交界处。 似然比的应用 根据试验前的的患病率（验前概率）和做了该项试验后得出的似然比，求出试验结果为阳性时患病的概率（验后概率）。 受试者工作特征曲线（ROC曲线） 用于最佳的诊断试验分界值的选择（曲线最接近图的左上角的一点） 比较几种诊断试验的诊断价值 ROC曲线下面积（AUC）：0.5-1.0之间 0.5-0.7 较低的准确性 0.7-0.9 中度的准确性 大于0.9 高准确性 指标 1 .变异系数 2.符合率和调整一致率 3.诊断试验的一致性分析（Kappa分析） kappa取值范围为-1到1，小于0.4 一致性差，0.4-0.75为中高度一致性，大于0.75为极好的一致性 Kappa分析 观察一致性（Po）=(a+d)/n*100% 机遇一致性（Pc）=(r1c1/n1+r2c2/n2)/n 非机遇一致性=1-Pc 实际一致性=Po-Pc Kappa=实际一致性/非机遇一致性 3. 收益的评价 预测值, Predictive value 阳性预测值, Positive predictive value: 指诊断试验阳性患该病的可能性。 阴性预测值, Negative predictive value：指诊断试验阴性未患该病的可能性。 5. 成本效益 成本效果分析 (cost-effectiveness analysis)：指实施筛检计划投入的费用及其获得的生物学效果（病死率、患病率、生存率） 成本效益分析 (cost-benefit analysis)：指实施筛检计划投入的费用及其获得的经济效益比值。 成本效用分析 (cost-utility analysis)?：指实施筛检计划投入的费用及其获得的生命治疗改善之间的分析评价方法。 诊断试验评价的设计 1 确定金标准 2 研究对象的选择：病例组 对照组 3 样本含量的估计 4 确定诊断试验的分界值 5 与金标准同步盲法比较 影响预测值的因素： 灵敏度、特异度、患病率。 (1)患病率与预测值的关系（灵敏度和特异度均为95%） 阳性预测值（%） 99.9 99.7 99.4 99 98 97 95 93 89 83 68 50 16 9 2 阴性预测值（%） 16 50 68 83 89 93 95 97 98 99 99.4 99.97 99.9 99.9 99.9 患病率（%） 99 95 9