Skip to content
Назад к результатам поиска

Байесовское исследование диагностической точности

Автор метода
Joseph, Gyorkos & Coupal; Dendukuri & Joseph (formal Bayesian DTA framework)
Год
1995–2001
Тип
Bayesian inferential study design
Семейство
Clinical / epidemiology

Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском

Размер шрифта

Что он делает?

Байесовское исследование диагностической точности оценивает, насколько хорошо медицинский тест различает людей, имеющих заболевание, и тех, кто его не имеет, используя байесовские статистические методы, которые формально включают априорные знания в оценку чувствительности, специфичности и связанных с ними показателей.

В отличие от классических подходов, которые полагаются исключительно на наблюдаемую выборку, байесовское статистическое выведение объединяет модель правдоподобия данных с априорными распределениями вероятностей для получения апостериорных оценок с интуитивно понятными доверительными интервалами.

Интуиция метода

Представьте, что вы оцениваете новый экспресс-тест на туберкулез. Классическая статистика оценила бы чувствительность и специфичность исключительно на основе ваших выборочных данных, иногда испытывая трудности с малыми выборками или отсутствием идеального эталонного стандарта. Байесовский подход позволяет формально включить уже известные сведения — из предыдущих исследований, экспертных групп или установленных эпидемиологических данных — в виде априорных распределений. Затем анализ обновляет эти априорные значения вашими новыми данными, получая апостериорные распределения для чувствительности и специфичности. Результатом является более полная картина: не просто точечные оценки, а полные распределения вероятностей, которые честно количественно оценивают неопределенность и могут включать информацию о распространенности заболевания, несовершенных эталонных стандартах и коррелированных тестах в рамках единой согласованной модели.

История

Формальные байесовские методы для оценки диагностических тестов появились в 1990-х годах. Joseph, Gyorkos & Coupal (1995) представили байесовскую оценку Se и Sp без золотого стандарта с использованием латентно-классовых моделей. Dendukuri & Joseph (2001) расширили эту структуру для обработки условной зависимости между несколькими тестами, что стало важным вкладом, позволившим реалистично моделировать панели тестов. Параллельная работа Vacek (1985) ранее демонстрировала частотные латентно-классовые подходы, мотивируя байесовские усовершенствования. Принятие ускорилось с появлением программного обеспечения MCMC (BUGS, JAGS, Stan) в 2000-х годах и растущим признанием того, что несовершенные эталонные стандарты являются скорее правилом, чем исключением в клинической диагностике.

Когда применять

Используйте байесовское исследование диагностической точности, когда: (1) идеальный эталонный стандарт недоступен и требуются байесовские латентно-классовые модели для одновременной оценки Se и Sp без золотого стандарта; (2) априорная информация из мета-анализов или экспертных знаний достаточно сильна, чтобы существенно повысить точность по сравнению с чисто частотным анализом; (3) размер выборки ограничен, а классические асимптотические методы дают ненадежные интервалы; или (4) сравниваются несколько потенциально зависимых тестов, и сложность совместной модели делает классические подходы невыполнимыми. Не используйте, когда исследовательская группа не имеет доступа к программному обеспечению MCMC или опыту байесовского моделирования, когда регуляторные представления требуют строго частотных рабочих характеристик (многие органы по оценке медицинских технологий по-прежнему требуют классических доверительных интервалов), или когда априорное значение плохо обосновано, и результаты могут быть отвергнуты как субъективные.

Ограничения и замечания

  • Спецификация априорных значений требует обоснования; плохо выбранные или нераскрытые априорные значения могут исказить результаты и подорвать доверие.
  • Реализация MCMC является вычислительно и технически сложной по сравнению с классическим анализом таблиц 2x2.
  • Многие регуляторные органы и руководящие органы по-прежнему требуют частотных рабочих характеристик, что ограничивает прямое применение в регуляторных представлениях.
  • Требует прозрачности в отношении анализов чувствительности к априорным значениям; исследования, которые их опускают, подвергаются обоснованной критике за субъективность.

Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.

Сильные стороны

  • Формально интегрирует априорные доказательства — из предыдущих исследований, мета-анализов или экспертных знаний — снижая неопределенность за пределы того, что может достичь только текущая выборка.
  • Обрабатывает несовершенные эталонные стандарты с помощью латентно-классовых моделей, позволяя проводить несмещенную оценку Se/Sp без золотого стандарта.
  • Производит доверительные интервалы с прямой вероятностной интерпретацией («95% вероятность того, что истинная чувствительность находится между a и b»), в отличие от частотных доверительных интервалов.
  • Естественно учитывает малые выборки и контексты редких заболеваний, где классические аппроксимации для больших выборок дают сбой.
  • Может совместно моделировать несколько зависимых тестов и распространенность заболевания в рамках единой согласованной вероятностной структуры.

Применение

  • Оценка экспресс-диагностических тестов на инфекционные заболевания (туберкулез, COVID-19, малярия), когда культуральные или ПЦР-референсы несовершенны или недоступны в полевых условиях.
  • Сравнение нескольких серологических анализов на аутоиммунные или паразитарные заболевания с использованием латентно-классовых моделей, когда золотой стандарт отсутствует.
  • Синтез диагностической точности между исследованиями в байесовском мета-анализе диагностической точности (бивариантные модели или модели HSROC с информативными априорными значениями).
  • Оценка методов визуализации (МРТ, КТ, УЗИ) для выявления рака в условиях малого размера выборки или этических ограничений на биопсию как эталонный стандарт.
  • Интеграция экспертных клинических знаний в оценку Se/Sp для редких состояний, когда набор участников для клинических испытаний недостаточен для классической точности.
  • Оценка экспресс-тестов в условиях ограниченных ресурсов, где тестирование по эталонному стандарту логистически невозможно для всех участников.

Как это работает

Как это работает

1

До сбора данных определяются априорные распределения для ключевых параметров — чувствительности (Se), специфичности (Sp) и распространенности заболевания. Априорные значения могут быть информативными (основанными на предыдущих исследованиях или экспертном мнении) или слабо информативными (разреженными бета-распределениями). Выбор априорного значения должен быть прозрачно задокументирован, и должен быть запланирован анализ чувствительности.

2

Определяется дизайн исследования: поперечное включение участников, которые проходят как индексное тестирование, так и эталонный стандарт (или несколько несовершенных тестов, когда нет золотого стандарта). Планирование размера выборки использует симуляцию или байесовские критерии ожидаемой полезности, а не классические формулы мощности, отражая априорную информацию, уже имеющуюся в модели.

3

Участники тестируются с помощью индексного теста и эталонного стандарта (или сравнительных тестов). Результаты записываются в виде таблицы сопряженности — или в виде данных на уровне отдельных лиц — фиксируя истинно положительные, ложно положительные, истинно отрицательные и ложно отрицательные результаты. Когда идеальный эталонный стандарт недоступен, может использоваться латентно-классовая структура для моделирования ненаблюдаемого истинного статуса заболевания.

4

Для наблюдаемого паттерна результатов теста пишется функция статистического правдоподобия — обычно мультиномиальная или бернуллиевская — как функция Se, Sp и распространенности. Когда тесты могут быть условно зависимыми (например, два иммунологических анализа, разделяющих биологический путь), функция правдоподобия явно моделирует эту структуру зависимости, а не предполагает независимость.

Формула
P(data | Se, Sp, prev)
5

Используется выборка Марковских цепей Монте-Карло (MCMC) — или аналитическое сопряженное обновление для простых биномиальных моделей — для получения выборок из совместного апостериорного распределения P(Se, Sp, prev | data). Апостериорные сводки включают медианные или средние оценки с 95% доверительными интервалами (интервалами наивысшей апостериорной плотности), которые напрямую интерпретируются как вероятностные утверждения об истинных значениях параметров.

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

Результаты сообщаются в соответствии с рекомендациями STARD (Standards for Reporting Diagnostic Accuracy), дополненными байесовскими элементами: спецификации априорных значений и их обоснование, диагностика сходимости цепей MCMC, анализы чувствительности к априорным значениям, показывающие, как выводы меняются при альтернативных априорных значениях, и апостериорные предиктивные проверки, оценивающие соответствие модели.

Частые ошибки

  • Использование информативных априорных значений без анализа чувствительности — если выводы существенно меняются при альтернативных обоснованных априорных значениях, результаты являются хрупкими и должны быть представлены как таковые.
  • Игнорирование условной зависимости между тестами — предположение независимости, когда два теста разделяют биологический механизм, завышает кажущуюся специфичность и приводит к вводящим в заблуждение апостериорным оценкам.
  • Трактовка апостериорных доверительных интервалов как классических доверительных интервалов — они отвечают на разные вопросы и не должны маркироваться или интерпретироваться взаимозаменяемо.
  • Непроверка сходимости MCMC — несходящиеся цепи дают ненадежные апостериорные сводки; всегда сообщайте статистики R-hat и трассировочные графики.

Часто задаваемые вопросы

Какое программное обеспечение используется для байесовских исследований диагностической точности?

Наиболее распространенными платформами являются JAGS (через пакет R rjags или R2jags), Stan (через RStan или CmdStanR) и устаревший набор WinBUGS/OpenBUGS. Специализированные пакеты R, такие как BLTM и TestaR, реализуют латентно-классовые модели для диагностической точности. STATA и SAS имеют ограниченные байесовские модули. Stan все чаще предпочитается из-за его эффективности и активной разработки.

Как указать априорное значение для чувствительности и специфичности?

Бета-распределения являются естественным выбором, поскольку Se и Sp являются ограниченными вероятностями. Бета(альфа, бета) априорное значение может быть параметризовано с использованием среднего (альфа/(альфа+бета)) и эффективного размера выборки (альфа+бета). Например, если предыдущее исследование показало Se ≈ 0.85 на основе 40 наблюдений, Бета(34, 6) кодирует это априорное значение. Когда априорные доказательства слабы, обоснованным является равномерное Бета(1,1) или априорное значение Джеффриса Бета(0.5, 0.5). Всегда сравнивайте результаты при двух или трех альтернативных априорных значениях в качестве анализа чувствительности.

Когда мне следует использовать латентно-классовую модель вместо стандартной таблицы 2x2?

Всякий раз, когда нет идеального эталонного стандарта — то есть сам эталонный тест имеет чувствительность или специфичность ниже 1.0. Это чрезвычайно распространено на практике (например, культура туберкулеза чувствительна, но медленна; экспертная клиническая диагностика несовершенна). Игнорирование ошибки несовершенного эталонного стандарта завышает кажущуюся специфичность и недооценивает чувствительность. Байесовская латентно-классовая модель рассматривает истинный статус заболевания как ненаблюдаемую (латентную) переменную и оценивает его наряду с Se и Sp, производя несмещенные оценки ценой необходимости либо нескольких тестов, либо информативных априорных значений для достижения идентифицируемости.

Достаточно ли контрольного списка STARD для отчетности по байесовскому исследованию DTA?

STARD охватывает основную структуру исследования диагностической точности, но не затрагивает байесовские элементы. Дополните отчетность STARD: (1) четким указанием всех априорных распределений и их источников; (2) диагностикой сходимости MCMC (R-hat, эффективный размер выборки, трассировочные графики); (3) анализом чувствительности к априорным значениям; и (4) апостериорными предиктивными проверками. Некоторые журналы также запрашивают код анализа и данные в качестве дополнительных материалов для обеспечения воспроизводимости.

Чем планирование размера выборки отличается от классических диагностических исследований?

Классические формулы размера выборки для DTA нацелены на желаемую ширину частотного доверительного интервала или классическую мощность для теста Se/Sp относительно порога. Байесовское планирование вместо этого определяет желаемую ширину апостериорного доверительного интервала и моделирует наборы данных при априорном значении, чтобы найти необходимое количество участников для достижения этого в среднем (критерий ожидаемой апостериорной дисперсии или средней длины). Этот подход автоматически учитывает информацию, уже имеющуюся в априорном значении, часто приводя к меньшим требуемым размерам выборки, когда априорные доказательства сильны.

Похожие методы

Источники

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

    Открыть ссылку DOI
    Скопировано.
  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.

    Открыть ссылку DOI
    Скопировано.