Skip to content
Назад к результатам поиска

Оценка скрининговых тестов — Оценка скрининговых тестов и программ

Автор метода
Wilson & Jungner (WHO criteria, 1968); foundational work by Pepe, Altman, and others in statistical test evaluation
Год
1968 (Wilson-Jungner principles); statistical framework developed 1970s–2000s
Тип
Observational diagnostic / epidemiological evaluation design
Семейство
Clinical / epidemiology

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

Размер шрифта

Что он делает?

Оценка скринингового теста — это систематический эпидемиологический подход для определения того, может ли тест или программа точно и экономически эффективно выявлять лиц с заболеванием до появления симптомов.

Он количественно определяет показатели диагностической эффективности — чувствительность, специфичность, прогностические значения и ROC-кривую — и оценивает, соответствует ли программа скрининга установленным критериям общественного здравоохранения для принятия и баланса пользы и вреда.

Интуиция метода

Представьте себе скрининговый тест как сеть, заброшенную в популяцию: цель состоит в том, чтобы поймать людей, у которых действительно есть заболевание, на ранней стадии, чтобы улучшить исходы, минимизируя ложные тревоги, которые приводят к ненужному беспокойству и последующим процедурам. Оценка такого теста — это не просто вопрос «точен ли он?» — он также спрашивает, достаточно ли серьезно заболевание для скрининга, меняет ли раннее выявление исходы и перевешивают ли преимущества вред от маркировки здоровых людей как потенциально больных. Вот почему оценка скрининга сочетает статистические показатели эффективности с более широкой перспективой анализа затрат и выгод на уровне популяции.

История

Систематическая оценка скрининга возникла как дисциплина после влиятельной монографии ВОЗ 1968 года Уилсона и Юнгнера, которая кодифицировала десять критериев для квалификации заболевания и теста для популяционного скрининга. Статистические методы оценки тестов были формализованы благодаря работе Sackett, Haynes и их коллег в области клинической эпидемиологии в 1970-х-1980-х годах. ROC-анализ, заимствованный из теории обнаружения радиолокационных сигналов, был адаптирован для медицинского тестирования Swets и его коллегами и стал стандартом к 1990-м годам. Монография Margaret Pepe 2003 года по статистике обобщила современную количественную основу. Руководства по отчетности STARD (2003, обновлено в 2015 г.) и система оценки доказательств UK NSC далее стандартизировали методологию оценки.

Когда применять

Используйте оценку скрининговых тестов, когда вам нужно определить, следует ли принять, продолжить или изменить тест или программу для выявления заболевания у бессимптомной или досимптомной популяции. Это уместно, когда существует установленный эталонный стандарт и когда исследовательский вопрос выходит за рамки простой диагностической точности и включает влияние на уровне популяции. Не используйте его в качестве замены исследования диагностической точности, когда цель состоит исключительно в измерении эффективности теста у симптоматических пациентов — в этом контексте более подходящим является стандартный дизайн исследования диагностической точности (рекомендации STARD). Оценка скрининга также не подходит, когда нет эффективного раннего вмешательства, поскольку точное выявление без пользы от лечения не оправдывает программу скрининга.

Ограничения и замечания

  • Требует надежного эталонного стандарта, который сам по себе может быть дорогостоящим, инвазивным или несовершенным — несовершенные эталонные стандарты искажают оценки чувствительности и специфичности.
  • Прогностические значения (PPV, NPV) специфичны для популяции и меняются с распространенностью заболевания; значения из одной популяции могут не переноситься в другую.
  • Смещение по времени упреждения может создать впечатление, что скрининг продлевает выживаемость, даже если это не так; смещение по времени течения преувеличивает кажущуюся пользу от выявления медленно прогрессирующих случаев.
  • Гипердиагностика — выявление состояний, которые никогда не вызвали бы симптомов — трудно поддается количественной оценке и часто недооценивается в оценках.
  • Полная оценка программы требует длительного наблюдения и больших выборок, что делает ее ресурсоемкой.

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

Сильные стороны

  • Предоставляет комплексную статистическую основу, охватывающую все основные аспекты эффективности: чувствительность, специфичность, прогностические значения и ROC-AUC.
  • Явно включает анализ пользы и вреда на уровне популяции, а не только точность теста, что делает выводы практически применимыми для политики общественного здравоохранения.
  • Критерии Уилсона-Юнгнера представляют собой принципиальный, международно признанный контрольный список для принятия решения о целесообразности скрининга.
  • Может использоваться для непрерывных биомаркеров, результатов визуализации или опросников путем использования ROC-анализа для выбора оптимального порога.
  • Поддерживает моделирование экономической эффективности как естественное расширение оценки на уровне программы.

Применение

  • Оценка программ скрининга рака, таких как маммография, фекальный иммунохимический тест на колоректальный рак или скрининг рака предстательной железы на основе ПСА.
  • Оценка панелей скрининга новорожденных на метаболические и генетические нарушения.
  • Оценка шкал сердечно-сосудистого риска (например, Framingham, SCORE2), используемых для скрининга лиц из групп высокого риска в первичной медико-санитарной помощи.
  • Оценка программ скрининга инфекционных заболеваний, таких как ВИЧ, туберкулез или гепатит B, в определенных группах риска.
  • Оценка пренатальных скрининговых тестов на хромосомные аномалии, включая комбинированный скрининг первого триместра.
  • Определение оптимальных пороговых значений для непрерывных биомаркеров (например, HbA1c для скрининга диабета) с использованием ROC-анализа.

Как это работает

Как это работает

1

Оценщик определяет целевое заболевание, предполагаемую популяцию скрининга (возрастной диапазон, группа риска) и цель скрининга (раннее выявление, стратификация риска, сортировка). Критерии Уилсона-Юнгнера обычно применяются в виде контрольного списка: заболевание должно быть важным, иметь распознаваемую латентную стадию и иметь доступное эффективное лечение после выявления.

2

Скрининговый тест проводится на выборке целевой популяции или на когорте исследования, включающей как случаи, так и неслучаи. Результат теста записывается как положительный или отрицательный (бинарный) или как непрерывный показатель. Ослепление администратора теста относительно статуса заболевания позволяет избежать смещения верификации.

3

Каждый участник также оценивается с помощью эталонного стандарта (золотого стандарта) — независимой, окончательной диагностической процедуры, которая определяет истинный статус заболевания. Эталонный стандарт должен применяться независимо от результата скринингового теста, чтобы избежать частичного смещения верификации. Результаты заносятся в таблицу сопряженности 2×2: истинно положительные, ложноположительные, ложноотрицательные, истинно отрицательные.

4

Рассчитываются основные показатели эффективности: чувствительность (доля истинно положительных), специфичность (доля истинно отрицательных), положительное прогностическое значение (PPV), отрицательное прогностическое значение (NPV), отношения правдоподобия и общая точность. Это прямые результаты таблицы 2×2. Каждую оценку должны сопровождать доверительные интервалы.

Формула
Sensitivity = TP/(TP+FN); Specificity = TN/(TN+FP); PPV = TP/(TP+FP); NPV = TN/(TN+FN)
5

Для непрерывных показателей теста строится рабочая характеристическая кривая (ROC) путем варьирования порогового значения. Площадь под кривой (AUC, или c-статистика) обобщает дискриминацию по всем пороговым значениям. Оптимальный порог выбирается путем балансировки чувствительности и специфичности относительно клинического контекста — предпочтительны пороги с высокой чувствительностью, когда пропуск случая дорогостоящ; пороги с высокой специфичностью, когда ложноположительные результаты вредны.

Формула
AUC = \int_0^1 ROC(t)\,dt
6

Помимо точности теста, оценка включает факторы на уровне программы: охват населения, показатели участия, интервал между скринингами, пути последующей диагностики, смещение по времени упреждения и времени течения, риск гипердиагностики и экономическая эффективность. Полная оценка скрининга завершается суждением о том, приносят ли программа пользу целевой популяции при приемлемом вреде и затратах.

Частые ошибки

  • Частичное смещение верификации — применение эталонного стандарта только к лицам с положительным результатом теста завышает чувствительность и искажает специфичность; все участники должны пройти верификацию.
  • Представление чувствительности и специфичности без прогностических значений — в популяциях с низкой распространенностью даже специфичный тест будет иметь низкий PPV; всегда сообщайте прогностические значения наряду с чувствительностью и специфичностью.
  • Выбор порога путем максимизации точности без учета клинических последствий — оптимальный порог зависит от относительной стоимости ложноположительных и ложноотрицательных результатов, которые различаются для разных заболеваний.
  • Игнорирование гипердиагностики и смещения по времени упреждения при представлении данных о выживаемости — кажущееся улучшение выживаемости у скрининговых случаев может быть статистическим артефактом, а не реальным снижением смертности.
  • Смешение диагностической точности (эффективность у симптоматических пациентов) с эффективностью скрининга (эффективность у бессимптомных популяций) — различия в распространенности делают эти два контекста существенно разными.

Часто задаваемые вопросы

В чем разница между оценкой скринингового теста и исследованием диагностической точности?

Исследование диагностической точности оценивает эффективность теста у пациентов, у которых уже есть симптомы или клиническое подозрение на заболевание. Оценка скринингового теста применяется к бессимптомным или общим популяциям и добавляет соображения на уровне программы — влияние распространенности на прогностические значения, смещение по времени упреждения и времени течения, гипердиагностику, охват и экономическую эффективность. Оба используют одни и те же основные метрики (чувствительность, специфичность, AUC), но контекст, дизайн исследования и интерпретация существенно различаются.

Почему положительные прогностические значения важнее чувствительности в популяциях с низкой распространенностью?

В популяции с низкой распространенностью даже тест с 95% специфичностью даст много ложноположительных результатов, поскольку большинство населения на самом деле отрицательно. PPV сообщает пациентам и врачам вероятность того, что положительный результат теста отражает истинное заболевание — что и имеет клиническое значение. Тест с 90% чувствительностью и 90% специфичностью, примененный к популяции с 1% распространенностью, дает PPV всего около 8%; девять из десяти положительных результатов будут ложными срабатываниями.

Что такое смещение по времени упреждения и почему оно важно?

Время упреждения — это интервал между диагностикой, выявленной при скрининге, и временем, когда заболевание было бы диагностировано клинически из-за симптомов. Если выживаемость измеряется от момента постановки диагноза, у скрининговых пациентов наблюдается более длительная выживаемость, даже если они умирают в то же время, что и нескрининговые пациенты — их кажущаяся более длительная выживаемость является лишь артефактом раннего выявления, а не истинной пользой. Оценки должны использовать смертность от конкретного заболевания в скрининговой и контрольной группах, а не выживаемость от момента постановки диагноза, чтобы избежать этого смещения.

Как выбрать лучший порог на ROC-кривой?

Универсально оптимального порога не существует — выбор зависит от относительных клинических и социальных издержек ложноположительных и ложноотрицательных результатов. Распространенные подходы включают индекс Юдена (максимизирует чувствительность + специфичность − 1), анализ затрат и выгод с взвешиванием двух типов ошибок или выбор фиксированной чувствительности (например, 90%) с последующим определением соответствующей специфичности. Для серьезных заболеваний, где пропуск случая катастрофичен, обычно предпочтителен порог с высокой чувствительностью, даже ценой большего числа ложноположительных результатов.

Что такое критерии Уилсона-Юнгнера?

Критерии Уилсона-Юнгнера — это десять условий, предложенных в докладе ВОЗ 1968 года, которым должно соответствовать заболевание и тест перед введением программы популяционного скрининга. Ключевые критерии включают: заболевание должно быть важной проблемой здравоохранения; должно существовать принятое лечение для выявленного заболевания; должны быть доступны средства для диагностики и лечения; должно существовать распознаваемое латентное или раннее симптоматическое стадия; должен существовать подходящий тест или обследование; тест должен быть приемлем для населения; естественная история заболевания должна быть понятна; и затраты должны быть сбалансированы с общими расходами на медицинское обслуживание. Эти критерии остаются основополагающими для политики скрининга во всем мире.

Похожие методы

Источники

  1. Wilson, J. M. G., & Jungner, G. (1968). Principles and Practice of Screening for Disease. World Health Organization. Public Health Papers No. 34.

    Открыть ссылку на публикацию
    Скопировано.
  2. Pepe, M. S. (2003). The Statistical Evaluation of Medical Tests for Classification and Prediction. Oxford University Press.

    ISBN: 978-0198565826
    Скопировано.