荟萃分析诊断准确性研究
- 提出者
- Moses, Shapiro & Littenberg (SROC framework, 1993); Reitsma et al. (bivariate model, 2005)
- 年份
- 1993–2005 (foundational models)
- 类型
- Quantitative systematic synthesis
- 类别
- Clinical / epidemiology
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
荟萃分析诊断准确性研究系统地识别并汇总来自多项初步诊断试验准确性研究的敏感性和特异性数据。该研究利用双变量或分层汇总受试者操作特征(HSROC)模型,对试验在不同临床环境中正确分类患病和未患病个体的能力进行联合汇总,并考虑了敏感性和特异性之间固有的权衡关系。
方法背后的直觉
当一项研究询问“这种血液检测能多好地检测癌症?”时,答案取决于所选的阈值、患者人群和随机变异性。荟萃分析诊断准确性研究收集所有可比的初步研究,提取其 2×2 列联表,并拟合一个统计模型,该模型在承认研究在阈值和人群方面不可避免地存在差异的同时,联合估计敏感性和特异性。其结果是汇总的受试者操作特征曲线和汇总的操作点——为临床医生和指南制定者提供关于试验真实诊断价值的最佳可用证据。
历史学
诊断试验准确性数据的统计汇总始于 Moses、Shapiro 和 Littenberg 于 1993 年提出的汇总受试者操作特征(SROC)方法,该方法在诊断优势比空间中拟合回归线。Irwig 等人(1994 年)和 Lijmer 等人(1999 年)记录了研究设计缺陷对准确性估计的影响。Rutter 和 Gatsonis(2001 年)提出了分层 SROC 模型。Reitsma 等人(2005 年)提出的双变量随机效应模型成为标准方法,这是一个里程碑式的进展。Cochrane 协作组织成立了一个专门的诊断试验准确性工作组,并于 2010 年发布了其第一本手册章节。PRISMA-DTA 报告指南于 2018 年发布,进一步标准化了该领域。
何时使用
当存在多项关于同一指标试验和目标病症的初步诊断准确性研究,并且需要汇总试验性能估计值以用于临床指南、卫生技术评估或循证实践建议时,使用荟萃分析诊断准确性研究。该方法需要访问至少三到五项初步研究的 2×2 列联表数据(或足够重建它所需的信息);研究数量较少会使双变量模型不稳定。当初步研究在患者人群、参考标准或临床背景方面过于异质,无法进行汇总时,不要使用此方法——而是进行叙述性系统评价。避免单独汇总敏感性和特异性,因为它忽略了由阈值变化引起的两种度量之间的关键相关性。
局限与注意事项
- 需要至少 5-10 项具有可提取 2×2 数据的初步研究;双变量模型在研究数量较少时会变得不稳定。
- 结果仅与其纳入的初步研究一样有效——初步研究中的高偏倚风险(例如,病例对照设计、不完善的参考标准)会夸大估计的准确性。
- 敏感性和特异性之间存在显著的跨研究异质性,通常由患者谱和阈值差异引起,这常常使单一汇总估计值产生误导。
- 无法调整研究内协变量;荟萃回归仅限于研究水平变量,并且容易产生生态学偏倚。
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
- 通过整合多项独立研究的数据,为诊断试验的准确性提供最高级别的证据。
- 双变量和 HSROC 模型正确地考虑了由研究之间的阈值变化引起的敏感性-特异性权衡。
- 量化研究间的异质性,并通过亚组分析和荟萃回归探索其来源。
- 生成一个预测区域,该区域传达了在新临床环境中可预期的准确性——对于实践而言,比单独的置信区域更有用。
- 符合既定的报告标准(PRISMA-DTA)和 Cochrane DTA 审查所需的方法学。
应用
- 评估用于传染病的即时检测(例如,流感、SARS-CoV-2 或疟疾的快速抗原检测)的准确性。
- 评估用于检测癌症、血管疾病或器官病理学的影像学模式(CT、MRI、超声)。
- 比较用于确诊或排除败血症、急性心肌梗死或肺栓塞等病症的生物标志物阈值。
- 为临床指南推荐提供证据,说明在不同患病率水平或临床风险分层下应使用哪种检测方法。
- 需要估计敏感性和特异性以填充决策分析模型的卫生技术评估。
- 识别初步诊断准确性研究中的差距,这些差距在方法学限制或缺失人群方面需要进一步的研究。
使用方式
使用方式
进行全面的文献检索,跨多个数据库(MEDLINE、Embase 等),使用结构化策略,结合指标试验、目标病症和研究设计的术语。根据预先设定的纳入标准筛选研究,这些标准定义了患者人群、参考标准和可接受的研究设计。通常使用 QUADAS-2 来评估每项纳入研究的偏倚风险和适用性。
从每项符合条件的 Study 中,审阅者提取在报告阈值下的 2×2 列联表(真阳性、假阳性、假阴性、真阴性)。当报告多个阈值时,选择临床上最相关或最接近预定目标的阈值。还记录了 Study 水平协变量——例如 Study 设计(前瞻性 vs. 回顾性)、患者谱和参考标准——用于潜在的亚组或荟萃回归分析。
从每个 2×2 表中,计算敏感性(TP/(TP+FN))和特异性(TN/(TN+FP))及其置信区间。应用 logit 变换来稳定方差,然后进行汇总。阳性似然比和阴性似然比以及诊断优势比也可作为次要指标进行计算。
公式
\text{Sensitivity} = TP/(TP+FN),\quad \text{Specificity} = TN/(TN+FP)双变量随机效应模型(Reitsma 等人,2005)联合模拟研究之间的 logit-敏感性和 logit-特异性,明确考虑了它们之间的相关性(源于阈值变化)。另一种参数化方法——HSROC 模型(Rutter 和 Gatsonis,2001)——直接估计汇总的受试者操作特征曲线。在某些条件下,这两种模型是等效的;当目标是汇总操作点时,首选双变量模型。
从双变量模型中得到的汇总估计值被反变换回敏感性/特异性尺度,并在受试者操作特征空间中绘制为具有 95% 置信区域和 95% 预测区域的汇总点。HSROC 曲线叠加显示准确性如何随阈值变化。此图是评估试验的指南制定者进行评估的核心沟通工具。
通过双变量模型中的方差分量量化敏感性和特异性之间的异质性。通过预先设定的亚组分析(例如,按 Study 设计、患者谱、参考标准)或对 Study 水平协变量进行荟萃回归来探索异质性来源。尽管比干预措施更难评估诊断研究的发表偏倚,但可以通过诊断优势比的漏斗图来探索。
常见陷阱
- 分别汇总敏感性和特异性,就好像它们是独立的——这忽略了由阈值变化引起的负相关,并产生有偏的汇总估计值;务必使用双变量或 HSROC 模型。
- 纳入使用病例对照设计的初步诊断准确性研究而不进行敏感性分析——这些研究会夸大敏感性和特异性,与队列设计相比,应单独评估。
- 仅报告汇总点周围的置信区域而不报告预测区域——预测区域显示了新研究可能落在哪里的范围,并且是临床相关的测量不确定性的指标。
- 忽略参考标准的作用——不完善的参考标准可能在非微小方向上偏倚敏感性和特异性;在偏倚风险评估中评估参考标准质量并讨论其影响。
- 未能前瞻性注册方案——没有预先注册,事后亚组决策会增加假阳性结果的膨胀风险。
常见问题
双变量模型和 HSROC 模型之间有什么区别?
这两种模型都考虑了敏感性和特异性之间的相关性。双变量模型(Reitsma 2005)直接以 logit-敏感性和 logit-特异性进行参数化,当汇总操作点是主要目标时,首选该模型。HSROC 模型(Rutter 和 Gatsonis 2001)以准确性和阈值进行参数化,并自然地生成受试者操作特征曲线。在没有协变量的假设下,这两种模型在数学上是等效的,因此选择主要取决于侧重点和软件可用性。
我需要多少项研究来拟合双变量模型?
通常引用至少 5 项研究作为最低要求,但双变量模型有 5 个参数,在少于 10 项研究时可能不稳定,尤其是在异质性很高的情况下。研究数量非常少时,更诚实的方法是报告中位数敏感性和特异性及其范围,或分别拟合每种度量的单变量模型,同时承认其局限性。
我应该纳入使用病例对照设计的 Study 吗?
病例对照设计的诊断准确性研究——其中病例从已确诊疾病人群中招募,对照组从已确诊无病人群中招募——通常会夸大准确性,因为它们排除了临床实践中看到的具有诊断挑战性的中间患者。QUADAS-2 将此标记为高患者选择偏倚风险。最好进行敏感性分析,排除此类研究,而不是不加区分地汇总所有设计。
如何处理报告多个阈值的 Study?
如果 Study 在多个阈值下报告数据,您可以为每项 Study 选择一个阈值(最好在您的方案中预先指定),或者使用包含所有阈值点的多阈值双变量模型扩展。在没有原则性规则的情况下混合单阈值和多阈值方法会引入不一致,应避免。
我应该遵循哪个报告指南?
PRISMA-DTA(诊断试验准确性研究系统评价首选报告项目)声明,由 McInnes 等人于 2018 年在 JAMA 上发表,是标准的报告框架。它扩展了通用的 PRISMA 清单,增加了诊断准确性评价特有的项目,包括目标病症、指标试验、参考标准以及 QUADAS-2 偏倚风险评估的描述。
相关方法
参考文献
Reitsma, J. B., Glas, A. S., Rutjes, A. W., Scholten, R. J., Bossuyt, P. M., & Zwinderman, A. H. (2005). Bivariate analysis of sensitivity and specificity produces informative summary measures in diagnostic reviews. Journal of Clinical Epidemiology, 58(10), 982–990.
打开 DOI 文献已复制。Macaskill, P., Gatsonis, C., Deeks, J. J., Harbord, R. M., & Takwoingi, Y. (2010). Analysing and Presenting Results. In J. J. Deeks, P. M. Bossuyt, & C. Gatsonis (Eds.), Cochrane Handbook for Systematic Reviews of Diagnostic Test Accuracy. The Cochrane Collaboration.
打开出版物文献已复制。