15-2诊断试验设计

临床诊断试验赵华硕诊断试验的研究设计诊断试验(diagnostictest)是确定疾病的试验方法。确定金标准；选择合格的研究对象；盲法评价。确立金标准(goldstandard)诊断试验的优劣必须以金标准作为参照。金标准是指当前临床医学界所公认的诊断某病最为可靠的方法。临床诊断中常用的金标准包括病理学诊断(组织活检和尸检)、外科手术发现、特殊的影像学诊断(如用冠状动脉造影术诊断冠心病等)，以及目前尚无特异诊断方法而采用的国际公认的综合诊断标准(如诊断风湿热的Johes标准等)。金标准选择不当，就会造成分类错误，从而影响诊断试验正确性的评价。研究对象的选择病例组应是按金标准确诊的病人；病例组的选择，应包括各种类型的病例，即典型和不典型，早、中、晚各期，病情轻、中、重，有、无并发症等，这样试验的结果才具有普遍意义。对照组则可选用经金标准证实无该病的其他病例或正常人；特别应当包括确实无该病，但易与该病相混淆的其他病例，这样选择的对照才具有临床意义，才具备鉴别诊断方法的价值。盲法观察诊断试验的评价应采用盲法，尤其是试验的操作者和报告者应处于盲态，避免主观因素对结果的干扰。诊断试验的评价指标灵敏度与特异度误诊率与漏诊率阳性预测值与阴性预测值诊断试验四格表试验金标准结果有病D+无病D-合计阳性T+aba+b阴性T-cdc+d合计a+cb+dN真阳性假阳性假阴性真阴性灵敏度与特异度灵敏度(sensitivity)，又称真阳性率，是实际患病且被试验诊断为患者的概率，即患者被诊断为阳性的概率。Se=P(T+|D+)=a/(a+c)(15.7)特异度(specificity)，又称真阴性率，是实际未患病而被试验诊断为非患者的概率，即非患者被诊断为阴性的概率。Sp=P(T-|D-)=d/(b+d)(15.9)误诊率与漏诊率误诊率(mistakediagnosticrate)又称假阳性率，表示实际未患病，但被试验诊断为患者的概率，反映非患者被错误诊断为可能性。误诊率=b/(b+d)(15.11)漏诊率(omissiondiagnosticrate)又称假阴性率，表示实际为患病，但被试验诊断为非患病的概率，反映患者被错误诊断为可能性。漏诊率=c/(a+c)(15.12)关系灵敏度＝1－假阴性率＝1－特异度＝1－假阳性率＝1－。诊断试验的灵敏度,特异度,假阴性率,假阳性率图示特异度(1-)对照组病例组灵敏度(1-)截断点预测指标阳性预测值(positivepredictvalue，PV+)阴性预测值(negativepredictvalue，PV-)阳性预测值：试验诊断为阳性者，确为患者的概率：PV+=a/(a+b)(15.13)阴性预测值：试验诊断为阴性者，确为非患者的概率：PV-=d/(c+d)(15.14)综合评价指标总符合率，正确率Youden指数比数积阳性似然比与阴性似然比定义总符合率＝(a+d)/NYouden指数＝灵敏性＋特异性－1比数积OP＝ad/bc阳性似然比LR+=P(T+|D+)/P(T+|D-)阴性似然比LR-=P(T-|D+)/P(T-|D-)一个有趣的例子某病发病率为1％。用该人是否吃饭作为诊断标准。如果吃饭，则认为他非患者；否则为患者。则灵敏度＝真阳性率＝0特异度＝真阴性率＝99％正确率＝99％ROC曲线受试者工作特征曲线，ROC：(receiveroperatorcharacteristiccurve)例15.4为评价红细胞平均容积（MCV）对缺铁性贫血患者的诊断价值，以100例可疑为缺铁性贫血患者作诊断，并以骨髓诊断作为金标准。将金标准确诊为缺铁性贫血的34例作为病例组，其余66例作为对照组。然后对每组的每一例测量红细胞平均容积（MCV），其测量值列于表骨髓诊断(金标准)MCV结果正常组60666869717173747474767777777778787979808081818182828383838383838384848484858586868687888888898989909091919293939394949494969798100103异常组52586265676869717272737374757677777879808081818182838485858688889092在用MCV作为诊断指标时，需要确定一个截断点(cutoff)。从本资料来看，病例组的MCV比对照组的MCV分布位置偏小，因此当MCV小于截断点时判断为阳性，反之判断为阴性。诊断试验的灵敏度,特异度,假阴性率,假阳性率图示特异度(1-)对照组病例组灵敏度(1-)截断点ROC曲线以不同截断点时的1－特异度为横轴，灵敏度为纵轴，作真阳性率与假阳性率曲线，该曲线称之为受试者工作特征曲线(receiveroperatorcharacteristiccurve)例15.4资料的原始的ROC曲线1－特异度灵敏度0.00.20.40.60.81.00.00.20.40.60.81.0ROC分析优点ROC曲线采用共同的、容易解释的尺度，对诊断系统的准确性提供了直观的视觉印象，该曲线体现了不同截断点值对应的灵敏度与特异度，并与患病率无关其曲线下面积描述了诊断系统对正反两种状态的判别能力ROC分析被公认为衡量诊断信息和诊断决策质量的最佳方法ROC曲线下面积S的意义理论上，0.5≤S≤1其值越大，说明试验的诊断价值越大当S接近0.5时，即ROC曲线接近对角线，则该诊断试验就失去临床意义ROC曲线下面积小于0.70，表示诊断准确度较低在0.70～0.90之间表示诊断准确度为中等0.90以上表示诊断准确度较高ROC曲线拟和如果对灵敏度Se和1－特异度(1－Sp)作概率单位变换(probittransformation)，则相应的散点趋势就近似线性趋势，对变换后的散点以灵敏度的概率单位作为因变量，以(1－特异度)的概率单位作为自变量，作线性回归，将相应的估计值作反概率单位变换，即得光滑的ROC曲线。见图15.6。例15.4资料拟合的ROC曲线1－特异度灵敏度0.00.20.40.60.81.00.00.20.40.60.81.0诊断试验的联合应用平行试验：只要有一个试验认为是阳性，即判断为阳性；平行试验提高了试验的敏感性及阴性预测值；但却降低了特异性和阳性预测值系列诊断试验(serialtests)系列诊断试验(serialtests)试验均为阳性才判断该受试者为患者提高了试验的特异性及阳性预测值；却降低了敏感性和阴性预测值正确应用(1)金标准(2)盲法观察(3)研究对象应具有代表性(4)实用性