الانتقال إلى المحتوى
العودة إلى نتائج البحث

تصميم دراسة الدقة التشخيصية

قدّمه
Bossuyt, Reitsma, and STARD group (2003); clinical epidemiology pioneers
السنة
2003-2015
النوع
Research Design
العائلة
diagnostic evaluation

هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية

حجم الخط

ماذا تفعل؟

تقيّم دراسة الدقة التشخيصية مدى جودة اختبار تشخيصي جديد (أو واسم حيوي، أو وسيلة تصوير، أو تقييم سريري) في الكشف عن وجود المرض أو غيابه مقارنة بمعيار مرجعي (المعيار الذهبي). أصبحت دراسات الدقة التشخيصية، التي تم توحيدها منذ عام 2003 بمبادرة STARD (معايير الإبلاغ عن دراسات الدقة التشخيصية)، أساسية في الطب السريري، حيث تحدد ما إذا كانت الاختبارات الجديدة يمكن أن تحسن تشخيص المرضى وعلاجهم وكيف يمكنها ذلك.

الفكرة الحدسية وراء الطريقة

تخيل اختبار دم جديد يدعي اكتشاف السرطان مبكرًا. تقوم دراسة دقة تشخيصية بتجنيد 500 مريض: 250 مصابًا بالسرطان المؤكد (بالخزعة) و 250 غير مصابين بالسرطان. يخضع الجميع لاختبار الدم الجديد. النتائج: اكتشف الاختبار 240 من أصل 250 حالة سرطان (حساسية 96% - جيد في اكتشاف السرطان) ولكنه أشار بشكل خاطئ إلى 50 من أصل 250 شخصًا سليمًا (نوعية 20% - العديد من الإنذارات الكاذبة). يستخدم الطبيب نسب الاحتمالات: إذا كان الاختبار إيجابيًا، فما مدى احتمالية الإصابة بالسرطان؟ إذا كان سلبيًا، فما مدى احتمالية الإصابة بالمرض؟ الحساسية العالية تعني 'الاختبار السلبي يستبعد المرض' (اختبار فحص جيد). النوعية العالية تعني 'الاختبار الإيجابي يؤكد المرض' (اختبار تأكيدي جيد). المقايضة بين الحساسية والنوعية أمر أساسي: لا يمكنك تعظيم كليهما في وقت واحد.

التاريخ

تطورت دراسات الدقة التشخيصية من علم الأوبئة في أوائل القرن العشرين (تم تعريف الحساسية والنوعية بواسطة يروشاليمي عام 1947). اكتسب المجال دقة في التسعينيات عندما نشر ساكيت وجايشكي وآخرون أدلة المستخدمين التي تؤكد على الصلاحية والفائدة السريرية. قدمت مبادرة STARD (معايير الإبلاغ عن دراسات الدقة التشخيصية)، التي أطلقها بوسويست وزملاؤه عام 2003، مبادئ توجيهية منهجية لتصميم الدراسات والإبلاغ عنها. أصبحت STARD المعيار الذهبي، واعتمدتها المجلات الرئيسية والممولون (NIH، الاتحاد الأوروبي). تشمل التطورات الأساليب البايزية، والتحليل التلوي للدراسات التشخيصية (المراجعات المنهجية)، والتركيز على التنفيذ العملي.

متى تُستخدم

استخدام دراسات الدقة التشخيصية عند: (1) تطوير أو تقييم اختبار تشخيصي جديد، أو وسيلة تصوير، أو واسم حيوي، (2) مقارنة اختبارين تشخيصيين لتحديد أيهما أفضل، (3) تحديد ما إذا كان الاختبار يمكنه اكتشاف المرض بدقة في المجموعات السريرية، (4) تقييم ما إذا كان الاختبار يؤدي بشكل مشابه في المجموعات الفرعية (حسب العمر، الجنس، مرحلة المرض، الأمراض المصاحبة)، (5) إبلاغ المبادئ التوجيهية للممارسة السريرية بشأن اعتماد الاختبار، (6) تقييم اختبارات الفحص في السكان الذين لا يعانون من أعراض، (7) تقييم الاختبارات التشخيصية في اتخاذ القرارات السريرية (هل توجه خيارات العلاج؟).

الحدود والاعتبارات

  • تعريف المعيار المرجعي: قد لا يكون 'المعيار الذهبي' مثاليًا أو متفقًا عليه عالميًا. إذا كان المعيار المرجعي معيبًا، فإن الدراسة بأكملها معيبة.
  • تحيز الطيف: إذا لم تمثل مجموعة الدراسة الطيف السريري للمرض (مثل الحالات الشديدة فقط، مع فقدان الحالات الخفيفة)، فإن تقديرات الدقة لا يمكن تعميمها.
  • اختيار العتبة: بالنسبة للاختبارات المستمرة (مثل مستويات الواسمات الحيوية)، يحدد اختيار العتبة المقايضة بين الحساسية والنوعية. عتبات مختلفة تعطي دقة مختلفة. يجب أن تختبر الدراسة نطاقًا من العتبات أو تبرر عتبة واحدة.
  • التعمية غير الكاملة: إذا كان مشغل الاختبار يعرف حالة المرض، أو مقيم المعيار المرجعي يعرف نتيجة الاختبار الدليلي، فإن التحيز يضخم الدقة.
  • تحيز النشر: قد لا تُنشر دراسات الدقة السلبية أو غير الحاسمة، مما يضخم تقديرات الدقة المنشورة.

لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.

نقاط القوة

  • مباشرة وشفافة: تجيب بوضوح على سؤال 'هل يكشف هذا الاختبار المرض بدقة؟'
  • منهجية موحدة: تضمن مبادئ STARD الإبلاغ المتسق وتمنع التحيز.
  • أهمية عملية: النتائج تبلغ بشكل مباشر عن اتخاذ القرارات السريرية واعتماد الاختبارات.
  • مقاييس متعددة: الحساسية، النوعية، القيم التنبؤية، نسب الاحتمالات، ومنحنيات ROC توفر صورة دقيقة لأداء الاختبار.
  • تقييم المجموعات الفرعية: يمكن تقييم ما إذا كان الاختبار يعمل بنفس الجودة عبر مجموعات سكانية متنوعة (مهم للإنصاف).

التطبيقات

  • أمراض القلب والأوعية الدموية: تقييم فحوصات التروبونين لتشخيص احتشاء عضلة القلب الحاد؛ تقييم الكالسيوم التاجي للتنبؤ بمرض الشريان التاجي.
  • تشخيص السرطان: تقييم واسمات الأورام الجديدة، أو التصوير (الرنين المغناطيسي، التصوير المقطعي بالإصدار البوزيتروني)، أو تقنيات الخزعة للكشف المبكر.
  • الأمراض المعدية: تقييم الاختبارات التشخيصية السريعة (مثل الاختبارات السريعة للإنفلونزا، كوفيد-19، الملاريا) مقارنة بالمعايير الذهبية (PCR، المزرعة).
  • الأمراض العصبية: تقييم الاختبارات التشخيصية لمرض الزهايمر، باركنسون، أو التصلب المتعدد (واسمات حيوية للسائل النخاعي، التصوير).
  • الدرجات السريرية ونماذج التنبؤ: التحقق من صحة أنظمة الدرجات التشخيصية (مثل CURB-65 لشدة الالتهاب الرئوي) مقابل معايير مرجعية للنتائج السريرية.

كيف يعمل

كيف يعمل

1

تحديد المرض أو الحالة المستهدفة (مثل سرطان البروستاتا، مرض الشريان التاجي، داء السكري من النوع الثاني). تحديد الاختبار الدليلي: الاختبار الجديد الذي يتم تقييمه (مثل واسم دم جديد، نتائج التصوير، درجة سريرية). تحديد المعيار المرجعي: 'المعيار الذهبي' المقبول لتشخيص المرض (مثل الخزعة للسرطان، تصوير الأوعية التاجية لمرض الشريان التاجي، اختبار تحمل الجلوكوز الفموي لمرض السكري). تجنيد عينة تمثيلية من الأفراد: مزيج من المصابين وغير المصابين بالمرض، من مختلف الأعمار، ومراحل المرض، والأمراض المصاحبة التي تعكس الممارسة السريرية. التعمية: يجب أن يكون الشخص الذي يجري الاختبار الدليلي معميًا عن حالة المرض (لتجنب التحيز غير الواعي في التفسير). يجب أن يكون الشخص الذي يقيم المعيار المرجعي معميًا عن نتائج الاختبار الدليلي. إجراء كلا الاختبارين على جميع المشاركين (أو عينة فرعية تمثيلية). تسجيل حالة المرض والتحقق منها. استخدام معايير تفسير موضوعية وموحدة لكلا الاختبارين. توثيق أي مشاركين لا يمكنهم إجراء أي من الاختبارين (رفض، موانع).

الصيغة
Recruit representative sample of individuals (both with and without target disease); administer index test (new test) and reference standard (gold standard) to all; ensure blinding: test operator blind to disease status, reference standard assessor blind to index test result.
2

إنشاء جدول توافقي 2×2: الصفوف = الاختبار الدليلي (إيجابي/سلبي)، الأعمدة = المرض موجود/غائب. عد الإيجابيات الحقيقية (TP: اختبار إيجابي، المرض موجود)، الإيجابيات الكاذبة (FP: اختبار إيجابي، المرض غائب)، السلبيات الحقيقية (TN: اختبار سلبي، المرض غائب)، السلبيات الكاذبة (FN: اختبار سلبي، المرض موجود). حساب المقاييس الرئيسية: الحساسية (Sn) = TP / (TP + FN) = احتمال الاختبار الإيجابي في وجود المرض. النوعية (Sp) = TN / (TN + FP) = احتمال الاختبار السلبي في غياب المرض. نسبة الاحتمال الإيجابية (LR+) = Sn / (1 − Sp) = مقدار زيادة نتيجة الاختبار لاحتمالية المرض. نسبة الاحتمال السلبية (LR−) = (1 − Sn) / Sp = مقدار انخفاض نتيجة الاختبار لاحتمالية المرض. القيمة التنبؤية الإيجابية (PPV) = TP / (TP + FP) = احتمال المرض في وجود اختبار إيجابي (يعتمد على الانتشار). القيمة التنبؤية السلبية (NPV) = TN / (TN + FN) = احتمال عدم وجود المرض في وجود اختبار سلبي. حساب فترات الثقة 95% باستخدام طرق الثنائية أو ويلسون. رسم منحنى خصائص التشغيل للمستقبل (ROC) (الحساسية مقابل 1−النوعية عند عتبات اختبار مختلفة)؛ حساب المساحة تحت المنحنى (AUC): 0.5 = تخمين عشوائي، 0.7–0.8 = مقبول، 0.8–0.9 = ممتاز، >0.9 = استثنائي.

الصيغة
Construct 2×2 table (index test × disease presence). Calculate Sensitivity = TP/(TP+FN), Specificity = TN/(TN+FP), LR+ = Sensitivity/(1-Specificity), LR− = (1-Sensitivity)/Specificity, AUC of ROC curve.
3

تُفضل الحساسية العالية (مثل >95%) لاختبارات الفحص: النتيجة السلبية تستبعد المرض بشكل موثوق (NPV عالية). تُفضل النوعية العالية (مثل >95%) للاختبارات التأكيدية: النتيجة الإيجابية تؤكد المرض بشكل موثوق (PPV عالية). LR+ >10 هو دليل إيجابي قوي (يزيد بشكل كبير من احتمالية المرض). LR− <0.1 هو دليل سلبي قوي (يقلل بشكل كبير من احتمالية المرض). التفسير في السياق السريري: ما هي احتمالية ما قبل الاختبار (انتشار المرض في السكان)؟ نتيجة الاختبار تغير هذه الاحتمالية عبر نظرية بايز: احتمالية ما بعد الاختبار = (LR+ × احتمالية ما قبل الاختبار) / (1 + LR+ × احتمالية ما قبل الاختبار). على سبيل المثال، إذا كان انتشار المرض 10%، فإن اختبارًا بـ LR+ = 10 يرفع احتمالية ما بعد الاختبار إلى حوالي 50%. تشير AUC >0.8 إلى أن الاختبار له فائدة سريرية. الإبلاغ عن الدقة للمجموعات الفرعية: هل يؤدي الاختبار بشكل مختلف لدى الرجال مقابل النساء، الشباب مقابل كبار السن؟ تعتمد الفائدة السريرية أيضًا على تكلفة الاختبار وسلامته وتوافره.

الصيغة
Interpret Sensitivity (ability to detect disease), Specificity (ability to exclude disease), LR+/LR− (how likelihood of disease shifts with test result); report confidence intervals; assess clinical utility and threshold selection.

الأخطاء الشائعة

  • استخدام انتشار المرض من مجموعة الدراسة عند التطبيق على مجموعات سريرية مختلفة: القيم التنبؤية (PPV، NPV) تعتمد على انتشار المرض. قد يكون للاختبار ذي PPV العالي في مجموعة ذات انتشار عالٍ PPV منخفض في مجموعات ذات انتشار منخفض. استخدم نسب الاحتمالات بدلاً من ذلك، فهي مستقلة عن الانتشار.
  • افتراض استقلالية الاختبار الدليلي عن المعيار المرجعي: إذا كان كلا الاختبارين يقيسان نفس الواسم الحيوي، فإن الدقة تتضخم بشكل مصطنع بسبب الارتباط، وليس الكشف المستقل الحقيقي. استخدم اختبارات مستقلة حقًا.
  • أحجام العينات الصغيرة: الدراسات التي تضم أقل من 100 مشارك غالبًا ما تكون لها فترات ثقة واسعة جدًا، ودقة غير كافية. استهدف ≥100 مصاب و 100 غير مصاب.
  • تجاهل تحيز الطيف: تضمين حالات المرض الشديدة فقط أو الحالات الخفيفة فقط يحيز الحساسية أو النوعية. قم بتجنيد حالات تمثيلية عبر طيف المرض.
  • الإفراط في تفسير الحساسية/النوعية: بدون معرفة الانتشار، لا تخبرك هذه المقاييس وحدها بالفائدة السريرية. أبلغ عن نسب الاحتمالات والقيم التنبؤية؛ استخدم المخططات الاحتمالية لترجمة نتائج الاختبار إلى احتمالية سريرية.

الأسئلة الشائعة

ما الفرق بين الحساسية والقيمة التنبؤية الإيجابية (PPV)؟

الحساسية = احتمال الاختبار الإيجابي في وجود المرض. تسأل: 'إذا كنت مصابًا بالمرض، فهل سيكتشفه الاختبار؟' الحساسية العالية تعني عددًا قليلاً من السلبيات الكاذبة (الاختبار نادرًا ما يفوت المرض). PPV = احتمال المرض في وجود اختبار إيجابي. تسأل: 'إذا كان اختباري إيجابيًا، فهل أنا مصاب بالمرض؟' يعتمد PPV على انتشار المرض: نفس الاختبار له PPV أعلى في المجموعات ذات الانتشار العالي و PPV أقل في المجموعات ذات الانتشار المنخفض. الحساسية ثابتة لاختبار وعتبة معينة. للممارسة السريرية، غالبًا ما يكون PPV أكثر أهمية (تريد أن تعرف ما إذا كانت النتيجة الإيجابية تعني المرض)، ولكنه يعتمد على السكان. أبلغ عن كليهما، واستخدم نسب الاحتمالات التي تكون أكثر استقرارًا عبر المجموعات السكانية.

ما هو منحنى ROC، وماذا يعني AUC؟

منحنى ROC (خصائص التشغيل للمستقبل) يرسم الحساسية (معدل الإيجابيات الحقيقية) مقابل 1−النوعية (معدل الإيجابيات الكاذبة) أثناء تغيير عتبة التشخيص. بالنسبة للاختبارات المستمرة (مثل مستويات ضغط الدم، الواسمات الحيوية)، ينتج عن كل عتبة ممكنة حساسية/نوعية مختلفة. يوضح منحنى ROC هذه المقايضة. AUC (المساحة تحت المنحنى) هي المساحة تحت منحنى ROC. AUC = 0.5 تعني تخمينًا عشوائيًا (خط قطري). AUC = 1.0 هو تمييز مثالي. المبادئ التوجيهية: AUC 0.5–0.7 = مقبول، 0.7–0.8 = مقبول، 0.8–0.9 = ممتاز، >0.9 = استثنائي. AUC مستقل عن العتبة ويأخذ في الاعتبار النطاق الكامل لمقايضة الحساسية/النوعية، وهو مفيد لمقارنة الاختبارات.

ما هي نسبة الاحتمال (LR)، ولماذا يجب أن أستخدمها؟

نسبة الاحتمال (LR) هي نسبة الحساسية إلى النوعية (أو 1−النوعية). LR+ = الحساسية / (1−النوعية) تخبرنا بمقدار زيادة الاختبار الإيجابي لاحتمالية المرض. LR− = (1−الحساسية) / النوعية تخبرنا بمقدار انخفاض الاختبار السلبي لاحتمالية المرض. على سبيل المثال، LR+ = 10 تعني أن الاختبار الإيجابي يجعل المرض أكثر احتمالًا بـ 10 مرات. LR− = 0.1 تعني أن الاختبار السلبي يجعل المرض أقل احتمالًا بـ 10 مرات. لماذا نسب الاحتمالات؟ إنها مستقلة عن العتبة والانتشار: تنطبق نفس LR في أي مجموعة سكانية، على عكس PPV/NPV التي تتغير مع الانتشار. باستخدام نظرية بايز، يمكنك تحويل احتمالية ما قبل الاختبار (الانتشار) إلى احتمالية ما بعد الاختبار عبر LR، مما يجيب مباشرة على سؤال 'هل يجب أن أطلب هذا الاختبار؟' و 'ماذا تعني النتيجة لمريضي؟'

ما هو المعيار المرجعي، ولماذا يجب أن يكون مثاليًا؟

المعيار المرجعي هو 'المعيار الذهبي' المقبول لتشخيص المرض: الخزعة للسرطان، تصوير الأوعية التاجية لمرض الشريان التاجي، PCR لكوفيد-19. يتم مقارنة الاختبار الدليلي به. إذا كان المعيار المرجعي غير مثالي (يعطي أحيانًا إجابات خاطئة)، فإن الدراسة بأكملها تتعرض للخطر: لا يمكنك معرفة ما إذا كانت الخلافات في الاختبار الدليلي تعني أن الاختبار الدليلي خاطئ أو أن المعيار المرجعي خاطئ. المعيار المرجعي المثالي هو المثالي ولكنه غالبًا ما يكون مستحيلاً. إذا كان المعيار المرجعي به عيب معروف، فقم بتوثيقه وناقش تأثيره على النتائج. الحساسية والنوعية المقدرة هما تقنيًا نسبيتان للمعماري المرجعي غير المثالي، وليس للمرض الحقيقي. كن شفافًا بشأن قيود المعيار المرجعي.

طرق ذات صلة

المصادر

  1. Bossuyt, P. M., Reitsma, J. B., Bruns, D. E., Gatsonis, C. A., Glasziou, P. P., Irwig, L. M., ... & de Vet, H. C. (2003). Towards complete and accurate reporting of studies of diagnostic accuracy: the STARD initiative. Annals of Internal Medicine, 138(1), 40–44.

    افتح مرجع DOI
    تم النسخ.
  2. Cohen, J. F., Korevaar, D. A., Altman, D. G., Bruns, D. E., Gatsonis, C. A., Hooft, L., ... & Bossuyt, P. M. (2016). STARD 2015 guidelines for reporting diagnostic accuracy studies: explanation and elaboration. BMJ Open, 6(11), e012799.

    افتح مرجع DOI
    تم النسخ.
  3. Jaeschke, R., Guyatt, G. H., & Sackett, D. L. (1994). Users' guides to the medical literature. III. How to use an article about a diagnostic test. A. Are the results of the study valid? JAMA, 271(5), 389–391.

    افتح مرجع DOI
    تم النسخ.