مطالعه فراتحلیلی دقت تشخیصی
- معرفیشده توسط
- Moses, Shapiro & Littenberg (SROC framework, 1993); Reitsma et al. (bivariate model, 2005)
- سال
- 1993–2005 (foundational models)
- نوع
- Quantitative systematic synthesis
- خانواده
- Clinical / epidemiology
این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید
چه کاری انجام میدهد؟
یک مطالعه فراتحلیلی دقت تشخیصی به طور سیستماتیک دادههای حساسیت و ویژگی را از مطالعات متعدد اولیه دقت تشخیصی شناسایی و تجمیع میکند. با استفاده از مدل دو متغیره یا مدل فرایند تحلیل سلسله مراتبی منحنی مشخصه عملکرد گیرنده (HSROC)، خلاصهای مشترک از توانایی یک آزمون در طبقهبندی صحیح افراد بیمار و غیربیمار در محیطهای بالینی متنوع تولید میکند و مبادله ذاتی بین حساسیت و ویژگی را در نظر میگیرد.
شهود پشت روش
هنگامی که یک مطالعه واحد میپرسد 'این آزمایش خون چقدر خوب سرطان را تشخیص میدهد؟'، پاسخ به آستانه انتخاب شده، جمعیت بیمار و تغییرات تصادفی بستگی دارد. یک مطالعه فراتحلیلی دقت تشخیصی تمام مطالعات اولیه قابل مقایسه را جمعآوری میکند، جداول ۲×۲ آنها را استخراج میکند و یک مدل آماری را برازش میدهد که حساسیت و ویژگی را به طور مشترک تخمین میزند و در عین حال اذعان دارد که مطالعات به ناچار در آستانه و جمعیت متفاوت هستند. نتیجه یک منحنی مشخصه عملکرد گیرنده (ROC) خلاصه و یک نقطه عملیاتی تجمیع شده است - که به پزشکان و توسعهدهندگان دستورالعملها بهترین شواهد موجود در مورد ارزش تشخیصی واقعی یک آزمون را ارائه میدهد.
تاریخ
تجمیع آماری دادههای دقت آزمون تشخیصی با روش منحنی مشخصه عملکرد گیرنده (SROC) در فضای نسبت شانس تشخیصی در سال ۱۹۹۳ توسط Moses, Shapiro, و Littenberg آغاز شد. Irwig et al. (1994) و Lijmer et al. (1999) تأثیر نقصهای طرح مطالعه بر تخمینهای دقت را مستند کردند. Rutter و Gatsonis (2001) مدل سلسله مراتبی SROC را پیشنهاد کردند. یک پیشرفت مهم با Reitsma et al. (2005) رخ داد که مدل اثرات تصادفی دو متغیره آنها به رویکرد استاندارد تبدیل شد. همکاری کاکرین یک گروه کاری اختصاصی دقت آزمون تشخیصی تأسیس کرد و اولین فصل راهنمای خود را در سال ۲۰۱۰ منتشر کرد. دستورالعملهای گزارشدهی PRISMA-DTA در سال ۲۰۱۸ منتشر شد و این حوزه را بیشتر استاندارد کرد.
چه زمانی استفاده شود
هنگامی که مطالعات دقت تشخیصی اولیه متعدد از یک آزمون شاخص و وضعیت هدف یکسان وجود دارند و یک تخمین خلاصه از عملکرد آزمون برای دستورالعملهای بالینی، ارزیابی فناوری سلامت، یا توصیههای مبتنی بر شواهد مورد نیاز است، از مطالعه فراتحلیلی دقت تشخیصی استفاده کنید. این روش نیازمند دسترسی به دادههای جدول ۲×۲ (یا اطلاعات کافی برای بازسازی آن) از حداقل سه تا پنج مطالعه اولیه است؛ مطالعات کمتر باعث ناپایداری مدل دو متغیره میشود. زمانی که مطالعات اولیه در جمعیت بیمار، استاندارد مرجع یا زمینه بالینی بیش از حد ناهمگون هستند که توجیه تجمیع را میدهند، از این رویکرد استفاده نکنید - در عوض، یک مرور سیستماتیک روایی انجام دهید. از تجمیع سادهتر تک متغیره حساسیت و ویژگی به طور جداگانه اجتناب کنید، زیرا این کار همبستگی حیاتی ناشی از آستانه بین دو معیار را نادیده میگیرد.
محدودیتها و ملاحظات
- حداقل ۵ تا ۱۰ مطالعه اولیه با دادههای ۲×۲ قابل استخراج مورد نیاز است؛ مدل دو متغیره با مطالعات کمتر ناپایدار میشود.
- نتایج تنها به اندازه مطالعات اولیه گنجانده شده معتبر هستند - خطر بالای سوگیری در مطالعات اولیه (به عنوان مثال، طرح مورد-شاهدی، استاندارد مرجع ناقص) دقت تخمینی را افزایش میدهد.
- ناهمگونی قابل توجه بین مطالعات، که اغلب ناشی از تفاوت در طیف بیمار و آستانه است، اغلب یک تخمین تجمیع شده واحد را گمراهکننده میکند.
- قادر به تنظیم برای متغیرهای درون مطالعه نیست؛ فراتحلیل رگرسیون به متغیرهای سطح مطالعه محدود است و مستعد سوگیری اکولوژیکی است.
شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.
نقاط قوت
- بالاترین سطح شواهد را برای دقت یک آزمون تشخیصی با ترکیب دادهها از مطالعات مستقل متعدد فراهم میکند.
- مدلهای دو متغیره و HSROC به درستی مبادله حساسیت-ویژگی ناشی از تغییرات آستانه در بین مطالعات را در نظر میگیرند.
- ناهمگونی بین مطالعات را کمیسازی میکند و امکان بررسی منابع آن را از طریق تحلیلهای زیرگروهی و فراتحلیل رگرسیون فراهم میکند.
- یک ناحیه پیشبینی تولید میکند که نشان میدهد در یک محیط بالینی جدید چه دقتی را میتوان انتظار داشت - برای عمل مفیدتر از صرفاً ناحیه اطمینان است.
- همسو با استانداردهای گزارشدهی تثبیت شده (PRISMA-DTA) و روششناسی مورد نیاز برای مرورهای Cochrane DTA.
کاربردها
- ارزیابی دقت آزمونهای نقطه مراقبت برای بیماریهای عفونی (به عنوان مثال، تستهای آنتیژن سریع برای آنفولانزا، SARS-CoV-2، یا مالاریا).
- ارزیابی روشهای تصویربرداری (CT، MRI، اولتراسوند) برای تشخیص سرطان، بیماری عروقی، یا آسیبشناسی اندام.
- مقایسه آستانههای بیومارکر برای رد یا تأیید قطعی شرایطی مانند سپسیس، انفارکتوس میوکارد حاد، یا آمبولی ریه.
- ارائه شواهد برای توصیههای دستورالعمل بالینی در مورد اینکه کدام آزمون در سطوح مختلف شیوع یا طبقههای خطر بالینی استفاده شود.
- ارزیابیهای فناوری سلامت که نیازمند تخمین حساسیت و ویژگی برای پر کردن مدلهای تحلیلی تصمیمگیری هستند.
- شناسایی شکافها در تحقیقات اولیه دقت تشخیصی که محدودیتهای روششناختی یا جمعیتهای از دست رفته مطالعات بیشتر را توجیه میکنند.
چگونه کار میکند
چگونه کار میکند
یک جستجوی جامع ادبیات در پایگاههای داده متعدد (MEDLINE، Embase و غیره) با استفاده از یک استراتژی ساختاریافته که اصطلاحات مربوط به آزمون شاخص، وضعیت هدف و طرح مطالعه را ترکیب میکند، انجام میشود. مطالعات بر اساس معیارهای واجد شرایط بودن از پیش تعیین شده که جمعیت بیمار، استاندارد مرجع و طرحهای مطالعه قابل قبول را تعریف میکنند، غربالگری میشوند. QUADAS-2 معمولاً برای ارزیابی خطر سوگیری و قابلیت کاربرد هر مطالعه گنجانده شده استفاده میشود.
از هر مطالعه واجد شرایط، بازبینان جدول ۲×۲ (مثبتهای واقعی، مثبتهای کاذب، منفیهای کاذب، منفیهای واقعی) را در آستانه گزارش شده استخراج میکنند. هنگامی که چندین آستانه گزارش میشود، مرتبطترین آستانه بالینی یا آستانهای که به آستانه هدف از پیش تعیین شده نزدیکتر است، انتخاب میشود. متغیرهای سطح مطالعه - مانند طرح مطالعه (پروسپکتیو در مقابل رتروسپکتیو)، طیف بیمار و استاندارد مرجع - نیز برای تحلیلهای زیرگروهی یا فراتحلیلی رگرسیون بالقوه ثبت میشوند.
از هر جدول ۲×۲، حساسیت (TP/(TP+FN)) و ویژگی (TN/(TN+FP)) به همراه فواصل اطمینان آنها محاسبه میشود. تبدیلهای لگیت برای تثبیت واریانس قبل از تجمیع اعمال میشود. نسبتهای درستنمایی مثبت و منفی و نسبتهای شانس تشخیصی نیز ممکن است به عنوان شاخصهای ثانویه محاسبه شوند.
فرمول
\text{Sensitivity} = TP/(TP+FN),\quad \text{Specificity} = TN/(TN+FP)مدل اثرات تصادفی دو متغیره (Reitsma et al., 2005) به طور مشترک لگیت-حساسیت و لگیت-ویژگی را در بین مطالعات مدلسازی میکند و به صراحت همبستگی آنها را در نظر میگیرد (که ناشی از تغییرات آستانه است). یک پارامترسازی جایگزین - مدل HSROC (Rutter and Gatsonis, 2001) - مستقیماً یک منحنی ROC خلاصه را تخمین میزند. هر دو مدل تحت شرایط خاصی معادل هستند؛ مدل دو متغیره زمانی ترجیح داده میشود که هدف، نقطه عملیاتی خلاصه باشد.
تخمینهای تجمیع شده از مدل دو متغیره به مقیاس حساسیت/ویژگی بازگردانده شده و به عنوان یک نقطه خلاصه با ناحیه اطمینان ۹۵٪ و ناحیه پیشبینی ۹۵٪ در فضای ROC ترسیم میشوند. منحنی HSROC برای انتقال چگونگی تغییر دقت در آستانههای مختلف، روی آن قرار میگیرد. این نمودار ابزار اصلی ارتباطی برای توسعهدهندگان دستورالعملها در ارزیابی یک آزمون است.
ناهمگونی در حساسیت و ویژگی با استفاده از اجزای واریانس از مدل دو متغیره کمیسازی میشود. منابع ناهمگونی از طریق تحلیلهای زیرگروهی از پیش تعیین شده (به عنوان مثال، بر اساس طرح مطالعه، طیف بیمار، استاندارد مرجع) یا فراتحلیل رگرسیون بر روی متغیرهای سطح مطالعه بررسی میشوند. سوگیری انتشار، اگرچه ارزیابی آن برای مطالعات تشخیصی دشوارتر از مداخلات است، ممکن است از طریق نمودارهای قیفی نسبت شانس تشخیصی بررسی شود.
دامهای رایج
- تجمیع حساسیت و ویژگی به طور جداگانه به گونهای که گویی مستقل هستند - این کار همبستگی منفی ناشی از تغییرات آستانه را نادیده میگیرد و تخمینهای خلاصه سوگیرانه تولید میکند؛ همیشه از مدل دو متغیره یا HSROC استفاده کنید.
- گنجاندن مطالعات اولیه با طرح مورد-شاهدی بدون تحلیل حساسیت - این مطالعات حساسیت و ویژگی را در مقایسه با طرحهای کوهورت افزایش میدهند و باید به طور جداگانه ارزیابی شوند.
- گزارش فقط ناحیه اطمینان در اطراف نقطه خلاصه بدون ناحیه پیشبینی - ناحیه پیشبینی نشان میدهد که یک مطالعه جدید به احتمال زیاد کجا قرار میگیرد و معیار عدم قطعیت بالینی مرتبط است.
- نادیده گرفتن نقش استاندارد مرجع - استانداردهای مرجع ناقص میتوانند حساسیت و ویژگی را در جهتهای غیرقابل اغماض سوگیر کنند؛ کیفیت استاندارد مرجع را در ارزیابی خطر سوگیری ارزیابی کنید و تأثیر آن را مورد بحث قرار دهید.
- عدم ثبت پروتکل به صورت پیشگیرانه - بدون پیشثبتنام، تصمیمات زیرگروهی پس از واقعه خطر افزایش یافته یافتههای مثبت کاذب را ایجاد میکند.
پرسشهای متداول
تفاوت بین مدل دو متغیره و مدل HSROC چیست؟
هر دو مدل همبستگی بین حساسیت و ویژگی را در نظر میگیرند. مدل دو متغیره (Reitsma 2005) مستقیماً بر حسب لگیت-حساسیت و لگیت-ویژگی پارامترسازی میشود و زمانی ترجیح داده میشود که یک نقطه عملیاتی خلاصه هدف اصلی باشد. مدل HSROC (Rutter and Gatsonis 2001) بر حسب دقت و آستانه پارامترسازی میشود و به طور طبیعی یک منحنی ROC تولید میکند. تحت فرض عدم وجود متغیرها، این دو مدل از نظر ریاضی معادل هستند، بنابراین انتخاب عمدتاً به تأکید و در دسترس بودن نرمافزار بستگی دارد.
برای برازش یک مدل دو متغیره به چند مطالعه نیاز دارم؟
حداقل حدود ۵ مطالعه اغلب ذکر میشود، اما مدل دو متغیره دارای ۵ پارامتر است و با کمتر از ۱۰ مطالعه، به خصوص زمانی که ناهمگونی بالا باشد، ناپایدار است. با مطالعات بسیار کم، یک رویکرد سادهتر مانند گزارش حساسیت و ویژگی میانه با بازهها، یا برازش یک مدل تک متغیره برای هر معیار به طور جداگانه در حالی که محدودیت را تصدیق میکنید، صادقانهتر است.
آیا باید مطالعاتی را که از طرح مورد-شاهدی استفاده میکنند، بگنجانم؟
مطالعات دقت تشخیصی با طرح مورد-شاهدی - که در آن موارد از جمعیتهای با بیماری تأیید شده و شاهدان از جمعیتهای بدون بیماری تأیید شده استخدام میشوند - معمولاً دقت را بیش از حد تخمین میزنند زیرا بیماران میانی چالشبرانگیز تشخیصی را که در عمل بالینی دیده میشوند، حذف میکنند. QUADAS-2 این را به عنوان خطر بالای سوگیری انتخاب بیمار علامتگذاری میکند. بهترین روش این است که به جای تجمیع نامشخص همه طرحها، یک تحلیل حساسیت با حذف چنین مطالعاتی انجام شود.
چگونه با مطالعاتی که چندین آستانه را گزارش میکنند، برخورد کنم؟
اگر مطالعات دادهها را در چندین آستانه گزارش میکنند، میتوانید یا یک آستانه واحد در هر مطالعه انتخاب کنید (ترجیحاً از پیش تعیین شده در پروتکل خود) یا از افزونههای مدل دو متغیره چند آستانهای که تمام نقاط آستانه را در بر میگیرند، استفاده کنید. ترکیب رویکردهای تک آستانهای و چند آستانهای بدون یک قانون اصولی، ناسازگاری ایجاد میکند و باید از آن اجتناب شود.
از کدام دستورالعمل گزارشدهی باید پیروی کنم؟
بیانیه PRISMA-DTA (موارد ترجیحی برای گزارشدهی در مرورهای سیستماتیک و فراتحلیل مطالعات دقت آزمون تشخیصی)، که در سال ۲۰۱۸ توسط McInnes et al. در JAMA منتشر شد، چارچوب گزارشدهی استاندارد است. این بیانیه چک لیست عمومی PRISMA را با موارد خاص مرورهای دقت تشخیصی، از جمله شرح وضعیت هدف، آزمون شاخص، استاندارد مرجع، و ارزیابی خطر سوگیری QUADAS-2 گسترش میدهد.
روشهای مرتبط
منابع
Reitsma, J. B., Glas, A. S., Rutjes, A. W., Scholten, R. J., Bossuyt, P. M., & Zwinderman, A. H. (2005). Bivariate analysis of sensitivity and specificity produces informative summary measures in diagnostic reviews. Journal of Clinical Epidemiology, 58(10), 982–990.
باز کردن مرجع DOIکپی شد.Macaskill, P., Gatsonis, C., Deeks, J. J., Harbord, R. M., & Takwoingi, Y. (2010). Analysing and Presenting Results. In J. J. Deeks, P. M. Bossuyt, & C. Gatsonis (Eds.), Cochrane Handbook for Systematic Reviews of Diagnostic Test Accuracy. The Cochrane Collaboration.
باز کردن مرجع انتشارکپی شد.