Skip to content
返回搜索结果

贝叶斯诊断准确性研究

提出者
Joseph, Gyorkos & Coupal; Dendukuri & Joseph (formal Bayesian DTA framework)
年份
1995–2001
类型
Bayesian inferential study design
类别
Clinical / epidemiology

本文为机器翻译,尚未经过审校。 阅读英文原文

字号

它有什么作用?

贝叶斯诊断准确性研究使用贝叶斯统计方法,通过正式地将先验知识纳入敏感性、特异性和相关度量的估计中,来评估医学检测区分患有某种疾病的人和未患该病的人的能力。与仅依赖观测样本的经典方法不同,贝叶斯推断将数据的似然模型与先验概率分布相结合,以产生具有直观可信区间的后验估计。

方法背后的直觉

设想您正在评估一种新的结核病快速检测试剂。经典统计学将仅根据您的样本数据估计敏感性和特异性,有时在样本量小或缺乏完美参考标准的情况下会遇到困难。贝叶斯方法允许您将已知信息——来自先前研究、专家小组或既定流行病学数据——正式地作为先验分布纳入。然后,分析将这些先验信息与您的新数据相结合,得出敏感性和特异性的后验分布。其结果是一个更丰富的图景:不仅有点估计,还有完整的概率分布,可以诚实地量化不确定性,并在一个连贯的模型中纳入疾病患病率、不完美的参考标准和相关测试的信息。

历史学

用于诊断测试评估的正式贝叶斯方法出现在20世纪90年代。Joseph等人(1995)引入了在没有金标准的情况下使用潜在类别模型估计Se和Sp的贝叶斯方法。Dendukuri & Joseph(2001)将该框架扩展到处理多个测试之间的条件依赖性,这是一项里程碑式的贡献,使得测试组合的现实建模成为可能。Vacek(1985)的同时期工作较早地展示了频率学潜在类别方法,启发了贝叶斯改进。随着2000年代MCMC软件(BUGS、JAGS、Stan)的可用性以及对不完美参考标准是临床诊断中常态而非例外的认识不断提高,其应用得到了加速。

何时使用

当出现以下情况时,请使用贝叶斯诊断准确性研究:(1)无法获得完美的参考标准,需要潜在类别贝叶斯模型在没有金标准的情况下同时估计Se和Sp;(2)来自荟萃分析或专家知识的先验信息足够强,可以显著提高纯粹频率学分析的精度;(3)样本量有限,经典渐近方法产生的区间不可靠;或(4)正在比较多个可能相关的测试,并且联合模型的复杂性使得经典方法难以处理。当研究团队无法获得MCMC软件或贝叶斯建模专业知识时,当监管机构的提交要求严格的频率学操作特征时(许多卫生技术机构仍要求经典的置信区间),或者当先验理由不充分且结果可能被视为主观时,请勿使用。

局限与注意事项

  • 先验规范需要理由;选择不当或未披露的先验会使结果产生偏差,并损害可信度。
  • MCMC实现相比于经典的2x2表格分析在计算和技术上要求更高。
  • 许多监管和临床指南机构仍要求频率学操作特征,这限制了其在监管提交中的直接适用性。
  • 需要对先验敏感性分析保持透明;省略这些分析的研究会招致关于主观性的合理批评。

来源中的条件不能替代独立的科学审查或分析引擎的验证。

优势

  • 正式整合先验证据——来自先前研究、荟萃分析或专家知识——超越当前样本本身所能达到的程度来减少不确定性。
  • 通过潜在类别模型处理不完美的参考标准,无需金标准即可实现无偏的Se/Sp估计。
  • 产生具有直接概率解释的可信区间(“真实敏感性有95%的概率介于a和b之间”),这与频率学置信区间不同。
  • 自然地适应小样本和罕见病背景,而经典大样本近似方法在此会失效。
  • 可以在一个连贯的概率框架内联合建模多个相关的测试和疾病患病率。

应用

  • 在参考标准(如培养或PCR)不完美或在现场环境中不可用时,评估传染病(结核病、COVID-19、疟疾)的快速诊断测试。
  • 在没有金标准的情况下,使用潜在类别模型比较自身免疫性或寄生虫病的多种血清学测定。
  • 在诊断测试准确性荟萃分析(双变量或HSROC模型,具有信息性先验)中综合跨研究的诊断准确性。
  • 在样本量小或因伦理限制无法进行活检作为参考标准的情况下,评估癌症检测的影像学模态(MRI、CT、超声)。
  • 在试验入组不足以获得经典精度的罕见病情况下,将专家临床知识纳入Se/Sp估计。
  • 在资源匮乏地区评估即时检测(point-of-care tests),因为对所有参与者进行参考标准检测在后勤上不可行。

使用方式

使用方式

1

在数据收集之前,需要指定关键参数——敏感性(Se)、特异性(Sp)和疾病患病率——的先验分布。先验可以是信息性的(基于先前研究或专家意见)或弱信息性的(弥散的Beta分布)。必须透明地记录先验的选择,并计划进行敏感性分析。

2

确定研究设计:对参与者进行横断面登记,这些参与者将接受指数测试和参考标准(或在没有金标准的情况下使用多个不完美的测试)。样本量规划使用模拟或贝叶斯期望效用标准,而不是经典的功效公式,这反映了模型中已有的先验信息。

3

参与者接受指数测试和参考标准(或比较测试)的检测。结果记录在列联表中——或作为个体级别数据——捕获真阳性、假阳性、真阴性和假阴性。当无法获得完美的参考标准时,可以使用潜在类别结构来模拟未观测到的真实疾病状态。

4

为观测到的测试结果模式编写一个统计似然函数——通常是多项式或伯努利分布——作为Se、Sp和患病率的函数。当测试可能条件依赖时(例如,两个免疫学测定共享一个生物学通路),似然函数会明确地模拟该依赖结构,而不是假设独立性。

公式
P(data | Se, Sp, prev)
5

使用马尔可夫链蒙特卡洛(MCMC)抽样——或简单的二项式模型的解析共轭更新——从联合后验分布P(Se, Sp, prev | data)中抽取样本。后验摘要包括中位数或均值估计以及95%的可信区间(最高后验密度区间),这些区间可以直接解释为关于真实参数值的概率陈述。

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

结果报告遵循STARD(诊断准确性报告标准)指南,并补充了贝叶斯特有的要素:先验规范及其理由、MCMC链的收敛诊断、显示结论在不同先验下如何变化的先验敏感性分析,以及评估模型拟合度的后验预测检查。

常见陷阱

  • 在没有敏感性分析的情况下使用信息性先验——如果结论在其他可辩护的先验下发生显著变化,则研究结果是脆弱的,必须如此报告。
  • 忽略测试之间的条件依赖性——在两个测试共享一个生物机制时假设独立性,会夸大表观特异性并产生误导性的后验估计。
  • 将后验可信区间视为经典置信区间——它们回答不同的问题,不应混淆或互换使用。
  • 未能检查MCMC收敛性——未收敛的链会产生不可靠的后验摘要;务必报告R-hat统计量和迹线图。

常见问题

用于贝叶斯诊断准确性研究的软件是什么?

最常见的平台是JAGS(通过R包rjags或R2jags)、Stan(通过RStan或CmdStanR)以及旧的WinBUGS/OpenBUGS套件。像BLTM和TestaR这样的专业R包实现了诊断准确性的潜在类别模型。STATA和SAS具有有限的贝叶斯诊断模块。Stan因其效率和活跃的开发而日益受到青睐。

如何为敏感性和特异性指定先验?

Beta分布是自然的选择,因为Se和Sp是概率且有界。Beta(alpha, beta)先验可以使用均值(alpha/(alpha+beta))和有效样本量(alpha+beta)进行参数化。例如,如果先前研究发现Se≈0.85,基于40个观测值,Beta(34, 6)编码了该先验。当先验证据较弱时,Beta(1,1)均匀分布或Beta(0.5, 0.5) Jeffreys先验是可辩护的。作为敏感性分析,务必比较在两个或三个不同先验下的结果。

何时必须使用潜在类别模型而不是标准的2x2表格?

当不存在完美的参考标准时——即参考测试本身具有低于1.0的敏感性或特异性。这在实践中极为常见(例如,结核病的培养敏感但缓慢;专家临床诊断不完美)。忽略不完美的参考标准误差会夸大表观特异性并低估敏感性。贝叶斯潜在类别模型将真实疾病状态视为一个未观测到的(潜在)变量,并与其Se和Sp一起估计它,从而在需要多个测试或信息性先验以实现可识别性的代价下,产生无偏估计。

STARD清单是否足以报告贝叶斯DTA研究?

STARD涵盖了诊断准确性研究的核心结构,但并未涉及贝叶斯特有的要素。请在STARD报告中补充:(1)所有先验分布及其来源的清晰陈述;(2)MCMC收敛诊断(R-hat、有效样本量、迹线图);(3)先验敏感性分析;(4)后验预测检查。一些期刊还要求提供分析代码和数据作为补充材料,以实现可重复性。

样本量规划与经典诊断研究有何不同?

经典的DTA样本量公式旨在达到频率学置信区间的期望宽度或Se/Sp相对于某个阈值的检验的经典功效。贝叶斯规划则指定期望的后验可信区间宽度,并模拟先验下的数据集,以找到平均所需的入组数量(期望后验方差或平均长度标准)。这种方法会自动考虑先验中已有的信息,当先验证据强时,通常需要较小的样本量。

相关方法

参考文献

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

    打开 DOI 文献
    已复制。
  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.

    打开 DOI 文献
    已复制。