诊断试验专栏|第6期. 诊断试验中常见评价指标的计算及解读

文摘   教育   2024-09-18 23:56   北京  
BE声明学写文章②



往期回顾

  Reviews  


1)诊断试验专栏|第1期. 诊断试验的设计要点
2)诊断试验专栏|第2期. 诊断试验的常见“设计范式”
3)诊断试验专栏|第3期. 诊断试验需要做多少例?(上)

4)诊断试验专栏|第4期. 诊断试验需要做多少例?(中)

5)诊断试验专栏|第5期. 诊断试验需要做多少例?(下)


前面我们介绍了诊断试验常见的设计范式及不同样本量估算的思路。这一期我们来学习下诊断试验中常见的评价指标,这些指标是如何计算的以及如何解读。与前面样本量估算类似,定性和定量诊断试验有其各自常用的评价指标,我们来逐一介绍。 


MASCU

诊断试验


1.定性诊断试验评价指标



说到定性诊断试验的评价指标,离不开下面这个“经典”的四格表,即将待测方法和金标准方法对同一个体/样本的检测结果进行罗列,其常见的评价指标均可基于该四个表计算得到。



(1)灵敏度:金标准诊断为阳性的个体/样本中待测方法诊断为阳性的比例,即a/(a+b),也被称为真阳性率(True positive rate)。其对立面为假阴性率,为实际是阳性但待测方法诊断为阴性的比例,即漏诊的比例,也被称为“漏诊率”


(2)特异度:金标准诊断为阴性的个体/样本中待测方法诊断为阴性的比例,即d/(c+d),也被称为真阴性率(True negative rate)。其对立面为假阳性率,为实际是阴性但待测方法诊断为阳性的比例,即误诊的比例,也被称为“误诊率”


(3)约登指数:反映待测方法诊断性能的一个综合指标,为灵敏度+特异度-1。越大代表待测方法诊断准确度越高。


(4)阳性预测值:待测方法诊断为阳性的个体/样本中金标准诊断为阳性(实际为阳性)的比例,即a/(a+c)。


(5)阴性预测值:待测方法诊断为阴性的个体/样本中金标准诊断为阴性(实际为阴性)的比例,即d/(b+d)。


需要注意的是,阳性预测值和阴性预测值不仅与待测方法的灵敏度、特异度有关,还与研究人群中待检测疾病的患病率有关。


2.定量诊断试验评价指标



(1)ROC曲线下面积(AUC)


ROC曲线也称为受试者工作特征(Receiver Operating Characteristic )曲线以(1-特异度)横坐标(即假阳性),以灵敏度为纵坐标(即真阳性)绘制而成的曲线,它用线段连接每个诊断界值对应的[(1-特异度),灵敏度]点当待测方法的检测结果为定量指标时,每一个诊断界值均可计算其灵敏度和特异度。该曲线可以综合考虑待测方法在所有诊断界值时的灵敏度和特异度,常用其曲线下面积来综合反映待测方法的诊断准确性,AUC越接近于1,代表其诊断准确性越高。



(2)一致性界限(limits of agreement)



对于定量测量指标,可通过计算金标准与待测方法的测量差异来反映待测方法的测量准确性,最常用的就是计算一致性界限,绘制相应的Bland-Altman图(B-A,如下图)。一致性界限是指两种测量方法的平均差异加减1.96倍的差异的标准差,代表95%的个体两种测量方法间的差异在这个一致性界限范围内,很明显,该界限包含下限(差异均值-1.96*SD)和上限(差异均值+1.96*SD)。B-A图的纵坐标一般是两种测量方法的差值,横坐标为两种测量方法的均值或者为金标准测量的数值。如果一致性界限没有超过两种方法之间允许的最大差异Δ,则认为一致性界限内的差异在临床上不重要,待测方法与金标准可以互换使用。当然,有时候也可以通过计算差异的95%CI来评价待测方法的性能。



以上就是诊断试验中常见的评价指标了,大家是否对诊断试验有了更进一步的认识呢~快来学习点赞吧~


(封面图源网络,侵删)

今天的分享到这里就结束啦,你学会了吗?
大家对于推送内容有任何问题或建议可以在公众号菜单栏“更多--读者的话” 栏目中提出,我们会尽快回复!


参考文献:

Sedgwick P. Limits of agreement (Bland-Altman method). BMJ. 2013;346:f1630. Published 2013 Mar 15. doi:10.1136/bmj.f1630


期待已久~临床科研交流群来啦!


(欢迎大家入群交流~
若群满,请添加下方微信,备注:“进临床科研与统计_互助交流群” )





写在最后


“观科研”(点击进一步了解我们吧)是由一群北京协和医学院(清华大学医学部)的博士开创的公众号,初心是让医学科研有迹可循,帮助一线的医学科研人员更快地成长,希望大家支持与关注!

如果大家对分享医学科研知识感兴趣,特别欢迎加入我们,期待与您的相遇相识相知,也非常欢迎大家自主投稿,如果您有需要分享的内容或对我们有任何建议,可通过后台留言、
公众号菜单栏
“更多—读者的话”栏目进一步了解)或发送邮件至mascu_forever@163.com与我们交流并留下个人联系方式,我们会及时与您联系。

如果您觉得我们长期的干货推送对您的科研工作有所帮助,可以在合适的机会致谢(包括但不限于SCI论文、毕业论文等),格式如下:
 The authors thank the support of Skill Learning from Kaixin Doctor and MASCU (Medical Association with Science, Creativity, and Unity), Inc, Shenzhen, China (mascu_forever@163.com).

【大家的支持,是我们持续更新的动力!】



Pay attention!
微信公众号的推送规则发生改变(不再按照时间顺序来显示),如果没有将“观科研”设置为星标,你就可能错失里面的精彩推送。


点击“在看”,可参与讨论哦!


图文:途观

审核:美观

编辑:云观

编审:直观


观科研
让医学科研有迹可循
 最新文章