Skip to content
Назад к результатам поиска

Дизайн исследования диагностической точности

Автор метода
Bossuyt, Reitsma, and STARD group (2003); clinical epidemiology pioneers
Год
2003-2015
Тип
Research Design
Семейство
diagnostic evaluation

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

Размер шрифта

Что он делает?

Исследование диагностической точности оценивает, насколько новый диагностический тест (или биомаркер, метод визуализации, клиническая оценка) обнаруживает наличие или отсутствие заболевания по сравнению с эталонным стандартом (золотым стандартом).

Стандартизированные с 2003 года инициативой STARD (Standards for Reporting of Diagnostic Accuracy Studies), исследования диагностической точности являются фундаментальными для клинической медицины, определяя, могут ли новые тесты улучшить диагностику и лечение пациентов и как именно.

Интуиция метода

Представьте себе новый анализ крови, который якобы позволяет рано выявить рак. В исследовании диагностической точности участвуют 500 пациентов: 250 с подтвержденным раком (по биопсии) и 250 без рака. Все проходят новый анализ крови. Результаты: тест обнаруживает 240 из 250 случаев рака (чувствительность 96% — хорошо выявляет рак), но ошибочно помечает 50 из 250 здоровых людей (специфичность 20% — много ложных срабатываний). Клиницист использует отношения правдоподобия: если тест положительный, насколько более вероятен рак? Если отрицательный, насколько менее вероятен? Высокая чувствительность означает «отрицательный тест исключает заболевание» (хороший скрининговый тест). Высокая специфичность означает «положительный тест подтверждает заболевание» (хороший подтверждающий тест). Компромисс между чувствительностью и специфичностью является центральным: вы не можете максимизировать оба одновременно.

История

Исследования диагностической точности развились из эпидемиологии начала 20-го века (чувствительность и специфичность, определенные Yerushalmy в 1947 году). Область получила строгость в 1990-х годах, когда Sackett, Jaeschke и другие опубликовали руководства для пользователей, подчеркивающие валидность и клиническую полезность. Инициатива STARD (Standards for Reporting of Diagnostic Accuracy Studies), запущенная в 2003 году Bossuyt и его коллегами, предоставила систематические руководства по дизайну и отчетности исследований. STARD стала золотым стандартом, принятым ведущими журналами и финансирующими организациями (NIH, EU). Достижения включают байесовские подходы, мета-анализ диагностических исследований (систематические обзоры) и акцент на практической реализации.

Когда применять

Используйте исследования диагностической точности, когда: (1) разрабатывается или оценивается новый диагностический тест, метод визуализации или биомаркер, (2) сравниваются два диагностических теста для определения, какой из них превосходит, (3) определяется, может ли тест точно выявлять заболевание в клинических популяциях, (4) оценивается, одинаково ли работает тест в подгруппах (по возрасту, полу, стадии заболевания, сопутствующим заболеваниям), (5) формируются клинические рекомендации по внедрению тестов, (6) оцениваются скрининговые тесты в бессимптомных популяциях, (7) оцениваются диагностические тесты в клинических решениях (направляет ли он выбор лечения?).

Ограничения и замечания

  • Определение эталонного стандарта: «золотой стандарт» может быть несовершенным или не иметь общепринятого определения. Если эталонный стандарт ошибочен, все исследование ошибочно.
  • Спектральная предвзятость: если популяция исследования не отражает клинический спектр заболевания (например, только тяжелые случаи, пропущены легкие случаи), оценки точности не обобщаются.
  • Выбор порогового значения: для непрерывных тестов (например, уровни биомаркеров) выбор порогового значения определяет компромисс между чувствительностью и специфичностью. Различные пороговые значения дают разную точность. Исследование должно тестировать диапазон пороговых значений или обосновывать одно значение.
  • Несовершенное слепое исследование: если оператор теста знает статус заболевания, или оценщик эталонного стандарта знает результат индексного теста, предвзятость завышает точность.
  • Публикационная предвзятость: отрицательные или неубедительные исследования точности могут не публиковаться, завышая опубликованные оценки точности.

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

Сильные стороны

  • Прямота и прозрачность: четко отвечает на вопрос «Точно ли этот тест выявляет заболевание?»
  • Стандартизированная методология: руководства STARD обеспечивают последовательное представление данных и предотвращают предвзятость.
  • Практическая релевантность: результаты напрямую влияют на принятие клинических решений и внедрение тестов.
  • Множественные метрики: чувствительность, специфичность, прогностические значения, LR и ROC-кривые дают nuanced картину производительности теста.
  • Оценка подгрупп: позволяет оценить, одинаково ли хорошо работает тест в различных популяциях (важно для справедливости).

Применение

  • Сердечно-сосудистые заболевания: оценка анализов тропонина для диагностики острого инфаркта миокарда; оценка кальциевого индекса коронарных артерий для прогнозирования ИБС.
  • Диагностика рака: оценка новых опухолевых маркеров, методов визуализации (МРТ, ПЭТ) или методов биопсии для раннего выявления.
  • Инфекционные заболевания: оценка экспресс-диагностических тестов (например, экспресс-тесты на грипп, COVID-19, малярию) по сравнению с золотыми стандартами (ПЦР, посев).
  • Неврологические заболевания: оценка диагностических тестов на болезнь Альцгеймера, Паркинсона или рассеянный склероз (биомаркеры спинномозговой жидкости, визуализация).
  • Клинические шкалы и прогностические модели: валидация систем диагностических оценок (например, CURB-65 для оценки тяжести пневмонии) по сравнению с эталонными стандартами клинических исходов.

Как это работает

Как это работает

1

Определите целевое заболевание или состояние (например, рак предстательной железы, ишемическая болезнь сердца, сахарный диабет 2 типа). Определите индексный тест: новый оцениваемый тест (например, новый маркер крови, результаты визуализации, клиническая оценка). Определите эталонный стандарт: принятый «золотой стандарт» для диагностики заболевания (например, биопсия для рака, ангиография для ИБС, пероральный тест на толерантность к глюкозе для диабета). Наберите репрезентативную выборку индивидуумов: смесь людей с заболеванием и без него, разных возрастов, стадий заболевания и сопутствующих заболеваний, отражающих клиническую практику. Слепое исследование: лицо, проводящее индексный тест, должно быть не осведомлено о статусе заболевания (чтобы избежать неосознанной предвзятости при интерпретации). Лицо, оценивающее эталонный стандарт, должно быть не осведомлено о результатах индексного теста. Проведите оба теста для всех участников (или репрезентативной подвыборки). Зафиксируйте и проверьте статус заболевания. Используйте объективные, стандартизированные критерии интерпретации для обоих тестов. Документируйте всех участников, которые не могут пройти ни один из тестов (отказ, противопоказание).

Формула
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

Постройте таблицу сопряженности 2×2: строки = индексный тест (положительный/отрицательный), столбцы = заболевание присутствует/отсутствует. Подсчитайте истинно положительные результаты (TP: тест положительный, заболевание присутствует), ложноположительные результаты (FP: тест положительный, заболевание отсутствует), истинно отрицательные результаты (TN: тест отрицательный, заболевание отсутствует), ложноотрицательные результаты (FN: тест отрицательный, заболевание присутствует). Рассчитайте ключевые метрики: Чувствительность (Sn) = TP / (TP + FN) = вероятность положительного теста при наличии заболевания. Специфичность (Sp) = TN / (TN + FP) = вероятность отрицательного теста при отсутствии заболевания. Отношение правдоподобия положительного результата (LR+) = Sn / (1 − Sp) = насколько результат теста увеличивает вероятность заболевания. Отношение правдоподобия отрицательного результата (LR−) = (1 − Sn) / Sp = насколько результат теста уменьшает вероятность заболевания. Положительная прогностическая ценность (PPV) = TP / (TP + FP) = вероятность заболевания при положительном тесте (зависит от распространенности). Отрицательная прогностическая ценность (NPV) = TN / (TN + FN) = вероятность отсутствия заболевания при отрицательном тесте. Рассчитайте 95% доверительные интервалы, используя биномиальный метод или метод Вильсона. Постройте характеристическую кривую приёмника (ROC) (чувствительность против 1−специфичности при различных пороговых значениях теста); вычислите площадь под кривой (AUC): 0,5 = случайное угадывание, 0,7–0,8 = приемлемо, 0,8–0,9 = отлично, >0,9 = выдающеся.

Формула
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

Высокая чувствительность (например, >95%) желательна для скрининговых тестов: отрицательный результат надежно исключает заболевание (высокая NPV). Высокая специфичность (например, >95%) желательна для подтверждающих тестов: положительный результат надежно подтверждает заболевание (высокая PPV). LR+ >10 является сильным положительным свидетельством (существенно увеличивает вероятность заболевания). LR− <0,1 является сильным отрицательным свидетельством (существенно уменьшает вероятность заболевания). Интерпретируйте в клиническом контексте: какова предтестовая вероятность (распространенность заболевания в популяции)? Результат теста изменяет ее согласно теореме Байеса: послетестовая вероятность = (LR+ × предтестовое отношение шансов) / (1 + LR+ × предтестовое отношение шансов). Например, если распространенность заболевания составляет 10%, тест с LR+ = 10 повышает послетестовую вероятность примерно до 50%. AUC >0,8 предполагает, что тест имеет клиническую полезность. Сообщайте точность для подгрупп: отличается ли производительность теста у мужчин и женщин, молодых и пожилых? Клиническая полезность также зависит от стоимости, безопасности и доступности теста.

Формула
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.

Частые ошибки

  • Использование распространенности заболевания из популяции исследования при применении к другим клиническим популяциям: прогностические значения (PPV, NPV) зависят от распространенности заболевания. Тест с высоким PPV в популяции с высокой распространенностью может иметь низкий PPV в популяциях с низкой распространенностью. Вместо этого используйте LR, который не зависит от распространенности.
  • Предположение о независимости индексного теста от эталонного стандарта: если оба теста измеряют один и тот же биомаркер, точность искусственно завышается из-за корреляции, а не истинного независимого обнаружения. Используйте подлинно независимые тесты.
  • Малые размеры выборки: исследования с <100 участниками часто имеют очень широкие доверительные интервалы, недостаточную точность. Стремитесь к ≥100 больным и 100 здоровым.
  • Игнорирование спектральной предвзятости: включение только случаев тяжелого заболевания или только легких случаев искажает чувствительность или специфичность. Включайте репрезентативные случаи по всему спектру заболевания.
  • Чрезмерная интерпретация чувствительности/специфичности: без знания распространенности эти показатели сами по себе не говорят о клинической полезности. Сообщайте LR и прогностические значения; используйте номограммы правдоподобия для преобразования результатов теста в клиническую вероятность.

Часто задаваемые вопросы

В чем разница между чувствительностью и положительной прогностической ценностью (PPV)?

Чувствительность = вероятность положительного теста при наличии заболевания. Она отвечает на вопрос: «Если у меня есть заболевание, выявит ли его тест?» Высокая чувствительность означает мало ложноотрицательных результатов (тест редко пропускает заболевание). PPV = вероятность заболевания при положительном тесте. Она отвечает на вопрос: «Если мой тест положительный, есть ли у меня заболевание?» PPV зависит от распространенности заболевания: один и тот же тест имеет более высокий PPV в популяциях с высокой распространенностью и более низкий PPV в популяциях с низкой распространенностью. Чувствительность фиксирована для данного теста и порогового значения. Для клинической практики PPV часто имеет большее значение (вы хотите знать, означает ли положительный результат наличие заболевания), но он зависит от популяции. Сообщайте оба показателя и используйте отношения правдоподобия, которые более стабильны в разных популяциях.

Что такое ROC-кривая и что означает AUC?

ROC (Receiver Operating Characteristic) кривая отображает чувствительность (долю истинно положительных результатов) против 1−специфичности (долю ложноположительных результатов) при изменении диагностического порога. Для непрерывных тестов (например, артериальное давление, уровни биомаркеров) каждое возможное пороговое значение дает разную чувствительность/специфичность. ROC-кривая показывает этот компромисс. AUC (Area Under Curve) — это площадь под ROC-кривой. AUC = 0,5 означает случайное угадывание (диагональная линия). AUC = 1,0 — идеальная дискриминация. Руководства: AUC 0,5–0,7 = удовлетворительно, 0,7–0,8 = приемлемо, 0,8–0,9 = отлично, >0,9 = выдающеся. AUC не зависит от порогового значения и учитывает весь диапазон компромиссов между чувствительностью и специфичностью, что полезно для сравнения тестов.

Что такое отношение правдоподобия и почему его следует использовать?

Отношение правдоподобия (LR) — это отношение чувствительности к специфичности (или 1−специфичности). LR+ = Чувствительность / (1−Специфичность) показывает, насколько положительный тест увеличивает вероятность заболевания. LR− = (1−Чувствительность) / Специфичность показывает, насколько отрицательный тест уменьшает вероятность заболевания. Например, LR+ = 10 означает, что положительный тест делает заболевание в 10 раз более вероятным. LR− = 0,1 означает, что отрицательный тест делает заболевание в 10 раз менее вероятным. Почему LR? Они не зависят от порогового значения и распространенности: один и тот же LR применяется в любой популяции, в отличие от PPV/NPV, которые меняются с распространенностью. Используя теорему Байеса, вы преобразуете предтестовую вероятность (распространенность) в послетестовую вероятность с помощью LR, напрямую отвечая на вопросы «Стоит ли назначать этот тест?» и «Что означает результат для моего пациента?»

Что такое эталонный стандарт и почему он должен быть идеальным?

Эталонный стандарт — это принятый «золотой стандарт» для диагностики заболевания: биопсия для рака, ангиография для ИБС, ПЦР для COVID-19. Индексный тест сравнивается с ним. Если эталонный стандарт несовершенен (иногда дает неверные ответы), все исследование оказывается под угрозой: вы не можете знать, являются ли расхождения с индексным тестом ошибкой индексного теста или ошибкой эталонного стандарта. Идеальный эталонный стандарт — это идеал, но он часто недостижим. Если эталонный стандарт имеет известное несовершенство, задокументируйте его и обсудите влияние на результаты. Оцененные чувствительность и специфичность технически являются относительными к несовершенному эталону, а не к истинному заболеванию. Будьте прозрачны в отношении ограничений эталонного стандарта.

Похожие методы

Источники

  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.

    Открыть ссылку DOI
    Скопировано.
  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.

    Открыть ссылку DOI
    Скопировано.
  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.

    Открыть ссылку DOI
    Скопировано.