Skip to content
بازگشت به نتایج جست‌وجو

مطالعه بیزی دقت تشخیصی

معرفی‌شده توسط
Joseph, Gyorkos & Coupal; Dendukuri & Joseph (formal Bayesian DTA framework)
سال
1995–2001
نوع
Bayesian inferential study design
خانواده
Clinical / epidemiology

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

مطالعه بیزی دقت تشخیصی، با استفاده از روش‌های آماری بیزی که دانش پیشین را به طور رسمی در برآورد حساسیت (sensitivity)، ویژگی (specificity) و معیارهای مرتبط با آنها وارد می‌کنند، ارزیابی می‌کند که یک آزمایش پزشکی تا چه حد می‌تواند افراد دارای یک بیماری را از افراد فاقد آن متمایز کند. برخلاف رویکردهای کلاسیک که صرفاً به نمونه مشاهده‌شده متکی هستند، استنباط بیزی یک مدل درست‌نمایی (likelihood model) از داده‌ها را با توزیع‌های احتمال پیشین (prior probability distributions) ترکیب می‌کند تا برآوردهای پسین (posterior estimates) را با فواصل اعتبار (credible intervals) قابل درک تولید کند.

شهود پشت روش

تصور کنید در حال ارزیابی یک آزمایش سریع جدید برای سل هستید. آمار کلاسیک حساسیت و ویژگی را صرفاً از داده‌های نمونه شما برآورد می‌کند و گاهی اوقات با نمونه‌های کوچک یا عدم وجود یک استاندارد مرجع کامل دچار مشکل می‌شود. یک رویکرد بیزی به شما امکان می‌دهد آنچه را که از قبل می‌دانید – از مطالعات قبلی، پانل‌های تخصصی یا داده‌های اپیدمیولوژیک تثبیت‌شده – به عنوان توزیع‌های پیشین به طور رسمی وارد کنید. سپس تحلیل، این پیشین‌ها را با داده‌های جدید شما به‌روزرسانی می‌کند و توزیع‌های پسین برای حساسیت و ویژگی به دست می‌آورد. نتیجه تصویری غنی‌تر است: نه فقط برآوردهای نقطه‌ای، بلکه توزیع‌های احتمال کامل که عدم قطعیت را به طور صادقانه کمی‌سازی می‌کنند و می‌توانند اطلاعات مربوط به شیوع بیماری، استانداردهای مرجع ناقص و آزمایش‌های همبسته را در یک مدل منسجم واحد بگنجانند.

تاریخ

روش‌های رسمی بیزی برای ارزیابی آزمایش تشخیصی در دهه 1990 پدیدار شدند. جوزف، گیورکوس و کوپال (1995) برآورد بیزی Se و Sp را بدون استاندارد طلایی با استفاده از مدل‌های کلاس پنهان معرفی کردند. دندو کوری و جوزف (2001) این چارچوب را برای مدیریت وابستگی مشروط بین چندین آزمایش گسترش دادند، که یک مشارکت برجسته بود و مدل‌سازی واقع‌بینانه پانل‌های آزمایش را امکان‌پذیر ساخت. کار همزمان واسک (1985) پیش از این رویکردهای کلاس پنهان فراوانی‌گرا را نشان داده بود که الهام‌بخش اصلاحات بیزی شد. پذیرش با در دسترس قرار گرفتن نرم‌افزار MCMC (BUGS, JAGS, Stan) در دهه 2000 و افزایش شناخت این موضوع که استانداردهای مرجع ناقص در تشخیص بالینی قاعده هستند نه استثنا، تسریع شد.

چه زمانی استفاده شود

از مطالعه بیزی دقت تشخیصی در موارد زیر استفاده کنید: (1) یک استاندارد مرجع کامل در دسترس نیست و مدل‌های بیزی کلاس پنهان برای برآورد همزمان Se و Sp بدون استاندارد طلایی مورد نیاز است؛ (2) اطلاعات پیشین از فراتحلیل‌ها یا دانش تخصصی به اندازه کافی قوی است که دقت را نسبت به یک تحلیل صرفاً فراوانی‌گرا به طور معنی‌داری بهبود بخشد؛ (3) اندازه نمونه محدود است و روش‌های مجانبی کلاسیک فواصل نامطمئن تولید می‌کنند؛ یا (4) چندین آزمایش بالقوه وابسته در حال مقایسه هستند و پیچیدگی مدل مشترک رویکردهای کلاسیک را غیرقابل اجرا می‌کند. در مواردی که تیم تحقیقاتی به نرم‌افزار MCMC یا تخصص مدل‌سازی بیزی دسترسی ندارد، زمانی که ارائه‌های نظارتی به ویژگی‌های عملیاتی صرفاً فراوانی‌گرا نیاز دارند (بسیاری از نهادهای فناوری سلامت هنوز فواصل اطمینان کلاسیک را مطالبه می‌کنند)، یا زمانی که پیشین به خوبی توجیه نشده و نتایج ممکن است به عنوان ذهنی رد شوند، از آن استفاده نکنید.

محدودیت‌ها و ملاحظات

  • مشخصات پیشین نیاز به توجیه دارد؛ پیشین‌های بد انتخاب شده یا فاش نشده می‌توانند نتایج را سوگیری کرده و اعتبار را تضعیف کنند.
  • پیاده‌سازی MCMC در مقایسه با تحلیل جدول 2×2 کلاسیک، از نظر محاسباتی و فنی دشوار است.
  • بسیاری از نهادهای نظارتی و دستورالعمل‌های بالینی هنوز به ویژگی‌های عملیاتی فراوانی‌گرا نیاز دارند که کاربرد مستقیم در ارائه‌های نظارتی را محدود می‌کند.
  • نیاز به شفافیت در مورد تحلیل‌های حساسیت پیشین دارد؛ مطالعاتی که این موارد را حذف می‌کنند، انتقادات معتبر در مورد ذهنی‌گرایی را به دنبال دارند.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • شواهد پیشین — از مطالعات قبلی، فراتحلیل‌ها یا دانش تخصصی — را به طور رسمی ادغام می‌کند و عدم قطعیت را فراتر از آنچه که نمونه فعلی به تنهایی می‌تواند به دست آورد، کاهش می‌دهد.
  • استانداردهای مرجع ناقص را از طریق مدل‌های کلاس پنهان مدیریت می‌کند و امکان برآورد بی‌طرفانه Se/Sp را بدون استاندارد طلایی فراهم می‌آورد.
  • فواصل اعتبار را با تفسیری احتمالی مستقیم تولید می‌کند ('95% احتمال دارد که حساسیت واقعی بین a و b باشد')، برخلاف فواصل اطمینان فراوانی‌گرا.
  • به طور طبیعی نمونه‌های کوچک و زمینه‌های بیماری نادر را که در آنها تقریب‌های کلاسیک نمونه بزرگ از کار می‌افتند، در خود جای می‌دهد.
  • می‌تواند چندین آزمایش وابسته و شیوع بیماری را در یک چارچوب احتمالی منسجم به طور مشترک مدل‌سازی کند.

کاربردها

  • ارزیابی آزمایش‌های تشخیصی سریع برای بیماری‌های عفونی (سل، کووید-19، مالاریا) زمانی که مراجع کشت یا PCR در محیط‌های میدانی ناقص یا در دسترس نیستند.
  • مقایسه چندین سنجش سرولوژیک برای بیماری‌های خودایمنی یا انگلی با استفاده از مدل‌های کلاس پنهان در صورت عدم وجود استاندارد طلایی.
  • ترکیب دقت تشخیصی در مطالعات در یک فراتحلیل بیزی دقت آزمایش تشخیصی (مدل‌های دومتغیره یا HSROC با پیشین‌های آموزنده).
  • ارزیابی روش‌های تصویربرداری (MRI، CT، سونوگرافی) برای تشخیص سرطان در محیط‌هایی با اندازه نمونه کوچک یا محدودیت‌های اخلاقی در بیوپسی به عنوان استاندارد مرجع.
  • گنجاندن دانش بالینی متخصص در برآورد Se/Sp برای شرایط نادر که ثبت‌نام در کارآزمایی برای دقت کلاسیک کافی نیست.
  • ارزیابی آزمایش‌های نقطه مراقبت (point-of-care) در محیط‌های کم‌منابع که آزمایش استاندارد مرجع از نظر لجستیکی برای همه شرکت‌کنندگان غیرممکن است.

چگونه کار می‌کند

چگونه کار می‌کند

1

قبل از جمع‌آوری داده‌ها، توزیع‌های پیشین برای پارامترهای کلیدی — حساسیت (Se)، ویژگی (Sp) و شیوع بیماری — مشخص می‌شوند. پیشین‌ها می‌توانند آموزنده (بر اساس مطالعات قبلی یا نظر متخصص) یا ضعیفاً آموزنده (توزیع‌های بتای پراکنده) باشند. انتخاب پیشین باید به طور شفاف مستند شود و یک تحلیل حساسیت برنامه‌ریزی گردد.

2

طراحی مطالعه تعیین می‌شود: ثبت‌نام مقطعی شرکت‌کنندگانی که هم آزمایش شاخص (index test) و هم یک استاندارد مرجع (یا چندین آزمایش ناقص در صورت عدم وجود استاندارد طلایی) را انجام می‌دهند. برنامه‌ریزی اندازه نمونه از شبیه‌سازی یا معیارهای مطلوبیت مورد انتظار بیزی به جای فرمول‌های توان کلاسیک استفاده می‌کند که منعکس‌کننده اطلاعات پیشین موجود در مدل است.

3

شرکت‌کنندگان با آزمایش شاخص و استاندارد مرجع (یا آزمایش‌های مقایسه‌ای) آزمایش می‌شوند. نتایج به صورت یک جدول توافقی (contingency table) — یا به صورت داده‌های سطح فردی — ثبت می‌شوند که شامل مثبت‌های واقعی، مثبت‌های کاذب، منفی‌های واقعی و منفی‌های کاذب است. هنگامی که یک استاندارد مرجع کامل در دسترس نیست، می‌توان از یک ساختار کلاس پنهان (latent-class structure) برای مدل‌سازی وضعیت واقعی بیماری مشاهده‌نشده استفاده کرد.

4

یک تابع درست‌نمایی آماری — معمولاً چندجمله‌ای (multinomial) یا برنولی (Bernoulli) — برای الگوی مشاهده‌شده نتایج آزمایش به عنوان تابعی از Se، Sp و شیوع نوشته می‌شود. هنگامی که آزمایش‌ها ممکن است به طور مشروط وابسته باشند (مثلاً دو سنجش ایمونولوژیک که یک مسیر بیولوژیکی مشترک دارند)، درست‌نمایی به صراحت آن ساختار وابستگی را مدل‌سازی می‌کند تا اینکه استقلال را فرض کند.

فرمول
P(data | Se, Sp, prev)
5

نمونه‌برداری زنجیره مارکوف مونت کارلو (MCMC) — یا به‌روزرسانی مزدوج تحلیلی (analytic conjugate updating) برای مدل‌های دوجمله‌ای ساده — برای استخراج نمونه‌ها از توزیع پسین مشترک P(Se, Sp, prev | data) استفاده می‌شود. خلاصه‌های پسین شامل برآوردهای میانه یا میانگین با فواصل اعتبار 95% (فواصل چگالی پسین بالاترین)، که به طور مستقیم به عنوان گزاره‌های احتمالی در مورد مقادیر پارامتر واقعی قابل تفسیر هستند.

فرمول
P(Se, Sp | data) \propto P(data | Se, Sp) \cdot P(Se, Sp)
6

نتایج طبق دستورالعمل‌های STARD (استانداردهایی برای گزارش دقت تشخیصی) گزارش می‌شوند، که با عناصر خاص بیزی تکمیل می‌گردند: مشخصات پیشین و توجیه آنها، تشخیص همگرایی (convergence diagnostics) برای زنجیره‌های MCMC، تحلیل‌های حساسیت پیشین که نشان می‌دهد چگونه نتایج تحت پیشین‌های جایگزین تغییر می‌کنند، و بررسی‌های پیش‌بینی پسین (posterior predictive checks) که برازش مدل را ارزیابی می‌کنند.

دام‌های رایج

  • استفاده از پیشین‌های آموزنده بدون تحلیل حساسیت — اگر نتایج تحت پیشین‌های دفاع‌پذیر جایگزین به طور قابل توجهی تغییر کنند، یافته‌ها شکننده هستند و باید به این صورت گزارش شوند.
  • نادیده گرفتن وابستگی مشروط بین آزمایش‌ها — فرض استقلال زمانی که دو آزمایش مکانیسم بیولوژیکی مشترکی دارند، ویژگی ظاهری را افزایش می‌دهد و برآوردهای پسین گمراه‌کننده تولید می‌کند.
  • برخورد با فواصل اعتبار پسین به گونه‌ای که گویی فواصل اطمینان کلاسیک هستند — آنها به سؤالات متفاوتی پاسخ می‌دهند و نباید به طور متناوب برچسب‌گذاری یا تفسیر شوند.
  • عدم بررسی همگرایی MCMC — زنجیره‌های ناهمگرا خلاصه‌های پسین نامطمئن تولید می‌کنند؛ همیشه آمار R-hat و نمودارهای ردیابی (trace plots) را گزارش کنید.

پرسش‌های متداول

چه نرم‌افزاری برای مطالعات بیزی دقت تشخیصی استفاده می‌شود؟

رایج‌ترین پلتفرم‌ها JAGS (از طریق بسته R rjags یا R2jags)، Stan (از طریق RStan یا CmdStanR)، و مجموعه قدیمی WinBUGS/OpenBUGS هستند. بسته‌های تخصصی R مانند BLTM و TestaR مدل‌های کلاس پنهان را برای دقت تشخیصی پیاده‌سازی می‌کنند. STATA و SAS ماژول‌های تشخیصی بیزی محدودی دارند. Stan به دلیل کارایی و توسعه فعال آن به طور فزاینده‌ای ترجیح داده می‌شود.

چگونه یک پیشین برای حساسیت و ویژگی مشخص کنم؟

توزیع‌های بتا انتخاب طبیعی هستند زیرا Se و Sp احتمالات محدود هستند. یک پیشین Beta(alpha, beta) را می‌توان با استفاده از میانگین (alpha/(alpha+beta)) و اندازه نمونه مؤثر (alpha+beta) پارامترسازی کرد. به عنوان مثال، اگر یک مطالعه قبلی Se ≈ 0.85 را بر اساس 40 مشاهده یافته باشد، Beta(34, 6) آن پیشین را کدگذاری می‌کند. هنگامی که شواهد پیشین ضعیف است، یک پیشین یکنواخت Beta(1,1) یا پیشین جفریز Beta(0.5, 0.5) قابل دفاع است. همیشه نتایج را تحت دو یا سه پیشین جایگزین به عنوان تحلیل حساسیت مقایسه کنید.

چه زمانی باید به جای یک جدول 2×2 استاندارد از مدل کلاس پنهان استفاده کنم؟

هر زمان که استاندارد مرجع کاملی وجود ندارد — یعنی خود آزمایش مرجع حساسیت یا ویژگی کمتر از 1.0 دارد. این در عمل بسیار رایج است (مثلاً کشت برای سل حساس است اما کند؛ تشخیص بالینی متخصص ناقص است). نادیده گرفتن خطای استاندارد مرجع ناقص، ویژگی ظاهری را افزایش می‌دهد و حساسیت را دست‌کم می‌گیرد. یک مدل کلاس پنهان بیزی، وضعیت واقعی بیماری را به عنوان یک متغیر مشاهده‌نشده (پنهان) در نظر می‌گیرد و آن را در کنار Se و Sp برآورد می‌کند و برآوردهای بی‌طرفانه را به قیمت نیاز به چندین آزمایش یا پیشین‌های آموزنده برای دستیابی به قابلیت شناسایی (identifiability) تولید می‌کند.

آیا چک‌لیست STARD برای گزارش یک مطالعه DTA بیزی کافی است؟

STARD ساختار اصلی یک مطالعه دقت تشخیصی را پوشش می‌دهد اما به عناصر خاص بیزی نمی‌پردازد. گزارش STARD را با موارد زیر تکمیل کنید: (1) بیانیه واضحی از تمام توزیع‌های پیشین و منابع آنها؛ (2) تشخیص همگرایی MCMC (R-hat، اندازه نمونه مؤثر، نمودارهای ردیابی)؛ (3) تحلیل‌های حساسیت پیشین؛ و (4) بررسی‌های پیش‌بینی پسین. برخی مجلات همچنین کد تحلیل و داده‌ها را به عنوان مواد تکمیلی برای امکان‌پذیری بازتولید درخواست می‌کنند.

برنامه‌ریزی اندازه نمونه چگونه با مطالعات تشخیصی کلاسیک متفاوت است؟

فرمول‌های اندازه نمونه DTA کلاسیک، عرض مطلوب یک فاصله اطمینان فراوانی‌گرا یا توان کلاسیک برای آزمون Se/Sp در برابر یک آستانه را هدف قرار می‌دهند. برنامه‌ریزی بیزی به جای آن، عرض فاصله اعتبار پسین مطلوب را مشخص می‌کند و مجموعه‌داده‌ها را تحت پیشین شبیه‌سازی می‌کند تا ثبت‌نام مورد نیاز برای دستیابی به آن به طور متوسط (واریانس پسین مورد انتظار یا معیار طول متوسط) را بیابد. این رویکرد به طور خودکار اطلاعات موجود در پیشین را در نظر می‌گیرد و اغلب زمانی که شواهد پیشین قوی است، اندازه‌های نمونه مورد نیاز کمتری را به دست می‌دهد.

روش‌های مرتبط

منابع

  1. Dendukuri, N., & Joseph, L. (2001). Bayesian approaches to modeling the conditional dependence between multiple diagnostic tests. Biometrics, 57(1), 158–167.

    باز کردن مرجع DOI
    کپی شد.
  2. Gatsonis, C., & Paliwal, P. (2006). Meta-analysis of diagnostic and screening test accuracy evaluations: Methodologic primer. American Journal of Roentgenology, 187(2), 271–281.

    باز کردن مرجع DOI
    کپی شد.