ارزیابی آزمون غربالگری — ارزیابی آزمونها و برنامههای غربالگری
- معرفیشده توسط
- Wilson & Jungner (WHO criteria, 1968); foundational work by Pepe, Altman, and others in statistical test evaluation
- سال
- 1968 (Wilson-Jungner principles); statistical framework developed 1970s–2000s
- نوع
- Observational diagnostic / epidemiological evaluation design
- خانواده
- Clinical / epidemiology
این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید
چه کاری انجام میدهد؟
ارزیابی آزمون غربالگری یک رویکرد اپیدمیولوژیک سیستماتیک برای سنجش اینکه آیا یک آزمون یا برنامه میتواند افراد مبتلا به یک بیماری را قبل از ظهور علائم، به طور دقیق و مقرون به صرفه شناسایی کند. این رویکرد معیارهای عملکرد تشخیصی — حساسیت، ویژگی، مقادیر پیشبین، و منحنی ROC — را کمیسازی میکند و ارزیابی میکند که آیا یک برنامه غربالگری معیارهای بهداشت عمومی تثبیت شده برای پذیرش و تعادل سود-ضرر را برآورده میکند.
شهود پشت روش
آزمون غربالگری را مانند توری در نظر بگیرید که بر روی جمعیت انداخته میشود: هدف، گرفتن افرادی است که واقعاً بیماری را دارند، به اندازهی کافی زود برای بهبود نتایج، ضمن به حداقل رساندن هشدارهای کاذب که منجر به اضطراب و رویههای پیگیری غیرضروری میشود. ارزیابی چنین آزمونی صرفاً پرسیدن «آیا دقیق است؟» نیست — بلکه این سوال را نیز میپرسد که آیا بیماری به اندازهی کافی جدی است که برای آن غربالگری انجام شود، آیا تشخیص زودهنگام نتایج را تغییر میدهد، و آیا فواید آن بیشتر از مضرات برچسب زدن به افراد سالم به عنوان بیمار بالقوه است. به همین دلیل ارزیابی غربالگری، معیارهای عملکرد آماری را با یک لنز گستردهتر هزینه-فایده در سطح جمعیت ترکیب میکند.
تاریخ
ارزیابی سیستماتیک غربالگری به عنوان یک رشته پس از مونوگراف تأثیرگذار سازمان بهداشت جهانی در سال ۱۹۶۸ توسط ویلسون و جونگنر ظهور کرد که ده معیار را برای واجد شرایط بودن یک بیماری و آزمون برای غربالگری در سطح جمعیت تدوین کرد. روشهای آماری برای ارزیابی آزمون از طریق کارهای ساکت، هینز و همکاران در اپیدمیولوژی بالینی در دهههای ۱۹۷۰-۱۹۸۰ رسمی شد. تحلیل ROC، که از نظریه تشخیص سیگنال رادار وام گرفته شده بود، توسط سوتس و همکاران برای آزمایش پزشکی اقتباس شد و تا دهه ۱۹۹۰ استاندارد شد. مونوگراف آماری مدرن مارگارت پپه در سال ۲۰۰۳ چارچوب کمی مدرن را سنتز کرد. دستورالعملهای گزارشدهی STARD (۲۰۰۳، بهروز شده ۲۰۱۵) و چارچوب شواهد UK NSC روششناسی ارزیابی را بیشتر استاندارد کردند.
چه زمانی استفاده شود
هنگامی که نیاز دارید تعیین کنید که آیا یک آزمون یا برنامه باید برای تشخیص یک بیماری در جمعیت بدون علامت یا پیشعلامتی پذیرفته، ادامه یافته یا اصلاح شود، از ارزیابی آزمون غربالگری استفاده کنید. این زمانی مناسب است که یک استاندارد مرجع تثبیت شده وجود داشته باشد و زمانی که سوال تحقیق فراتر از دقت تشخیصی ساده باشد تا تأثیر در سطح جمعیت را شامل شود. از آن به عنوان جایگزینی برای مطالعه دقت تشخیصی زمانی که هدف صرفاً اندازهگیری عملکرد آزمون در بیماران علامتدار است، استفاده نکنید — در آن زمینه، طرح مطالعه دقت تشخیصی استاندارد (دستورالعملهای STARD) مناسبتر است. ارزیابی غربالگری همچنین زمانی که مداخله زودهنگام مؤثری وجود ندارد، مناسب نیست، زیرا تشخیص دقیق بدون منفعت درمانی، برنامه غربالگری را توجیه نمیکند.
محدودیتها و ملاحظات
- به یک استاندارد مرجع قابل اعتماد نیاز دارد که خود ممکن است پرهزینه، تهاجمی یا ناقص باشد — استانداردهای مرجع ناقص، تخمینهای حساسیت و ویژگی را دچار سوگیری میکنند.
- مقادیر پیشبین (PPV، NPV) وابسته به جمعیت هستند و با شیوع بیماری تغییر میکنند؛ مقادیر یک جمعیت ممکن است به جمعیت دیگر منتقل نشوند.
- سوگیری زمان پیشرو میتواند باعث شود غربالگری بقا را طولانیتر نشان دهد، حتی اگر اینطور نباشد؛ سوگیری زمان طولانی، منفعت ظاهری تشخیص موارد با پیشرفت آهسته را افزایش میدهد.
- تشخیص بیش از حد — تشخیص بیماریهایی که هرگز علائمی ایجاد نمیکردند — کمیسازی دشوار است و اغلب در ارزیابیها کمتر از حد واقعی برآورد میشود.
- ارزیابی کامل برنامه نیاز به پیگیری طولانی و نمونههای بزرگ دارد و آن را پرهزینه میسازد.
شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.
نقاط قوت
- یک چارچوب آماری جامع را پوشش میدهد که تمام ابعاد اصلی عملکرد را شامل میشود: حساسیت، ویژگی، مقادیر پیشبین، و ROC-AUC.
- به صراحت تحلیل سود-ضرر در سطح جمعیت را در بر میگیرد، نه فقط دقت آزمون، و یافتهها را برای سیاستگذاری بهداشت عمومی قابل اجرا میسازد.
- معیارهای ویلسون-جونگنر یک چکلیست اصولی و شناخته شده بینالمللی برای تصمیمگیری در مورد مناسب بودن غربالگری ارائه میدهند.
- با استفاده از تحلیل ROC برای انتخاب آستانه بهینه، میتواند نشانگرهای زیستی پیوسته، امتیازات تصویربرداری، یا ابزارهای پرسشنامه را در خود جای دهد.
- از مدلسازی اثربخشی هزینه به عنوان یک توسعه طبیعی ارزیابی در سطح برنامه پشتیبانی میکند.
کاربردها
- ارزیابی برنامههای غربالگری سرطان مانند ماموگرافی، آزمایش ایمونوشیمی مدفوع برای سرطان روده بزرگ، یا غربالگری پروستات مبتنی بر PSA.
- ارزیابی پانلهای غربالگری خون نوزادان برای اختلالات متابولیک و ژنتیکی.
- ارزیابی امتیازات ریسک قلبی عروقی (مانند فرامینگهام، SCORE2) که برای غربالگری افراد پرخطر در مراقبتهای اولیه استفاده میشود.
- ارزیابی برنامههای غربالگری بیماریهای عفونی مانند HIV، سل، یا هپاتیت B در جمعیتهای پرخطر تعریف شده.
- ارزیابی آزمونهای غربالگری پیش از تولد برای ناهنجاریهای کروموزومی، از جمله غربالگری ترکیبی سهماهه اول.
- تعیین مقادیر برش بهینه برای نشانگرهای زیستی پیوسته (مانند HbA1c برای غربالگری دیابت) با استفاده از تحلیل ROC.
چگونه کار میکند
چگونه کار میکند
ارزیاب، بیماری هدف، جمعیت غربالگری مورد نظر (محدوده سنی، گروه پرخطر) و هدف غربالگری (تشخیص زودهنگام، طبقهبندی ریسک، تریاژ) را تعریف میکند. معیارهای ویلسون-جونگنر معمولاً به عنوان چکلیست اعمال میشوند: بیماری باید مهم باشد، مرحله نهفته قابل تشخیص داشته باشد، و پس از تشخیص، درمان قابل قبول و مؤثری برای آن در دسترس باشد.
آزمون غربالگری بر روی نمونهای از جمعیت هدف، یا بر روی یک گروه مطالعاتی شامل موارد مثبت و منفی، اجرا میشود. نتیجه آزمون به صورت مثبت یا منفی (دودویی) یا به عنوان یک امتیاز پیوسته ثبت میشود. کورسازی مدیر آزمون نسبت به وضعیت بیماری از سوگیری تأیید جلوگیری میکند.
هر شرکتکننده همچنین توسط یک استاندارد مرجع (استاندارد طلایی) — یک روش تشخیصی مستقل و قطعی که وضعیت واقعی بیماری را تعیین میکند — ارزیابی میشود. استاندارد مرجع باید صرف نظر از نتیجه آزمون غربالگری اعمال شود تا از سوگیری تأیید جزئی جلوگیری شود. نتایج یک جدول توافقی ۲×۲ را پر میکنند: موارد مثبت واقعی، موارد مثبت کاذب، موارد منفی کاذب، موارد منفی واقعی.
معیارهای اصلی عملکرد محاسبه میشوند: حساسیت (نرخ مثبت واقعی)، ویژگی (نرخ منفی واقعی)، ارزش پیشبین مثبت (PPV)، ارزش پیشبین منفی (NPV)، نسبتهای احتمال، و دقت کلی. اینها خروجیهای مستقیم جدول ۲×۲ هستند. فواصل اطمینان باید همراه هر تخمین باشد.
فرمول
Sensitivity = TP/(TP+FN); Specificity = TN/(TN+FP); PPV = TP/(TP+FP); NPV = TN/(TN+FN)
برای امتیازات پیوسته آزمون، یک منحنی مشخصه عملکرد گیرنده (ROC) با تغییر آستانه برش رسم میشود. مساحت زیر منحنی (AUC، یا آماره c) تمایز را در تمام آستانهها خلاصه میکند. برش بهینه با متعادل کردن حساسیت و ویژگی نسبت به زمینه بالینی انتخاب میشود — برشهای با حساسیت بالا زمانی ترجیح داده میشوند که از دست دادن یک مورد پرهزینه باشد؛ برشهای با ویژگی بالا زمانی که مثبتهای کاذب مضر هستند.
فرمول
AUC = \int_0^1 ROC(t)\,dt
فراتر از دقت آزمون، ارزیابی عوامل در سطح برنامه را ارزیابی میکند: پوشش جمعیتی، نرخ مشارکت، فاصله بین غربالگریها، مسیرهای تشخیصی پاییندستی، سوگیری زمان پیشرو و زمان طولانی، خطر تشخیص بیش از حد، و اثربخشی هزینه. یک ارزیابی کامل غربالگری با قضاوت در مورد اینکه آیا برنامه به جمعیت هدف با هزینه و ضرر قابل قبول سود میرساند، نتیجهگیری میکند.
دامهای رایج
- سوگیری تأیید جزئی — اعمال استاندارد مرجع فقط بر روی افراد با تست مثبت، حساسیت را افزایش داده و ویژگی را تحریف میکند؛ همه شرکتکنندگان باید تأیید شوند.
- گزارش حساسیت و ویژگی بدون مقادیر پیشبین — در جمعیتهای با شیوع پایین، حتی یک آزمون با ویژگی بالا نیز مثبتهای کاذب زیادی ایجاد خواهد کرد؛ همیشه مقادیر پیشبین را در کنار حساسیت و ویژگی گزارش دهید.
- انتخاب برش با حداکثر کردن دقت بدون در نظر گرفتن پیامدهای بالینی — آستانه بهینه به هزینههای نسبی مثبتهای کاذب در مقابل منفیهای کاذب بستگی دارد که در شرایط مختلف متفاوت است.
- نادیده گرفتن تشخیص بیش از حد و سوگیری زمان پیشرو هنگام ارائه منفعت بقا — بهبودهای ظاهری در بقا از موارد غربالگری شده ممکن است مصنوعات آماری باشند تا کاهش واقعی مرگ و میر.
- درهم آمیختن دقت تشخیصی (عملکرد در بیماران علامتدار) با عملکرد غربالگری (عملکرد در جمعیتهای بدون علامت) — تفاوتهای شیوع، این دو زمینه را به طور قابل توجهی متفاوت میکند.
پرسشهای متداول
تفاوت بین ارزیابی آزمون غربالگری و مطالعه دقت تشخیصی چیست؟
مطالعه دقت تشخیصی، عملکرد آزمون را در بیمارانی که قبلاً علائم یا سوء ظن بالینی به یک بیماری دارند، ارزیابی میکند. ارزیابی آزمون غربالگری بر روی جمعیتهای بدون علامت یا عمومی اعمال میشود و ملاحظات سطح برنامه را اضافه میکند — اثرات شیوع بر مقادیر پیشبین، سوگیری زمان پیشرو و زمان طولانی، تشخیص بیش از حد، پوشش، و اثربخشی هزینه. هر دو از معیارهای اصلی یکسان (حساسیت، ویژگی، AUC) استفاده میکنند، اما زمینه، طرح مطالعه و تفسیر به طور قابل توجهی متفاوت است.
چرا مقادیر پیشبین مثبت در جمعیتهای با شیوع پایین مهمتر از حساسیت هستند؟
در یک جمعیت با شیوع پایین، حتی یک آزمون با ۹۵٪ ویژگی نیز مثبتهای کاذب زیادی تولید خواهد کرد زیرا اکثریت جمعیت واقعاً منفی هستند. PPV به بیماران و پزشکان احتمال اینکه نتیجه مثبت آزمون نشاندهنده بیماری واقعی باشد را میگوید — که همان چیزی است که از نظر بالینی اهمیت دارد. آزمونی با ۹۰٪ حساسیت و ۹۰٪ ویژگی که بر روی جمعیتی با ۱٪ شیوع اعمال میشود، PPV تنها حدود ۸٪ را به دست میدهد؛ نه مورد از ده مورد مثبت، هشدارهای کاذب خواهند بود.
سوگیری زمان پیشرو چیست و چرا اهمیت دارد؟
زمان پیشرو، فاصله بین تشخیص تشخیص داده شده از طریق غربالگری و زمانی است که بیماری به دلیل علائم به صورت بالینی تشخیص داده میشد. اگر بقا از زمان تشخیص اندازهگیری شود، بیماران غربالگری شده حتی اگر در همان زمان بیماران غربالگری نشده بمیرند، طولانیتر زنده میمانند — بقای ظاهری طولانیتر آنها صرفاً یک مصنوع از تشخیص زودتر است، نه یک منفعت واقعی. ارزیابیها باید از مرگ و میر خاص بیماری در جمعیت غربالگری شده در مقابل جمعیت کنترل استفاده کنند، نه بقا از زمان تشخیص، تا از این سوگیری جلوگیری شود.
چگونه بهترین برش را در منحنی ROC انتخاب کنم؟
هیچ آستانه بهینه جهانی وجود ندارد — انتخاب به هزینههای نسبی بالینی و اجتماعی مثبتهای کاذب و منفیهای کاذب بستگی دارد. رویکردهای رایج شامل شاخص یودن (حساسیت + ویژگی - ۱ را حداکثر میکند)، تحلیل هزینه-فایده با وزندهی دو نوع خطا، یا انتخاب یک حساسیت ثابت (مثلاً ۹۰٪) و سپس خواندن ویژگی مربوطه است. برای بیماریهای جدی که از دست دادن یک مورد فاجعهبار است، آستانه حساسیت بالا معمولاً حتی به قیمت مثبتهای کاذب بیشتر ترجیح داده میشود.
معیارهای ویلسون-جونگنر چیستند؟
معیارهای ویلسون-جونگنر ده شرط پیشنهادی در گزارش سازمان بهداشت جهانی در سال ۱۹۶۸ هستند که قبل از معرفی یک برنامه غربالگری جمعیت باید برآورده شوند. معیارهای کلیدی عبارتند از: بیماری باید یک مشکل مهم بهداشتی باشد؛ باید یک درمان پذیرفته شده برای بیماری تشخیص داده شده وجود داشته باشد؛ امکانات تشخیص و درمان باید در دسترس باشد؛ باید یک مرحله نهفته یا علامتدار اولیه قابل تشخیص وجود داشته باشد؛ یک آزمون یا معاینه مناسب باید وجود داشته باشد؛ آزمون باید برای جمعیت قابل قبول باشد؛ تاریخچه طبیعی بیماری باید درک شود؛ و هزینه باید با کل هزینههای مراقبتهای پزشکی متعادل باشد. این معیارها همچنان مبنای سیاستگذاری غربالگری در سراسر جهان هستند.
روشهای مرتبط
منابع
Wilson, J. M. G., & Jungner, G. (1968). Principles and Practice of Screening for Disease. World Health Organization. Public Health Papers No. 34.
باز کردن مرجع انتشارکپی شد.Pepe, M. S. (2003). The Statistical Evaluation of Medical Tests for Classification and Prediction. Oxford University Press.
شابک: 978-0198565826کپی شد.