柳叶刀临床研究基本概念 | 第8章 筛查试验的应用与滥用
文摘
2024-10-19 10:04
上海
重温经典，今天继续分享本人阅读《柳叶刀临床研究基本概念》第2版的读书笔记，今天分享第八章读书笔记，请大家指正。
![]()
本文深入探讨了筛查试验在现代医学实践中的应用与潜在危害。筛查试验是在外表健康的人群中识别疾病高风险个体的过程。其目的是通过早期诊断和治疗，降低疾病的发病率和死亡率，改善人群的健康状况。然而，并非所有筛查试验都值得推广，其有效性、安全性、成本效益以及伦理学问题都需要谨慎评估。- 灵敏度 (Sensitivity): 指试验正确识别患病人群的能力。公式为：灵敏度 = 真阳性人数 / (真阳性人数 + 假阴性人数)。例如，一项检测100名患者，其中95名被正确诊断为阳性，则灵敏度为95%。灵敏度越高，漏诊的可能性越小，但假阳性的可能性也越大。
- 特异度 (Specificity): 指试验正确识别健康人群的能力。公式为：特异度 = 真阴性人数 / (真阴性人数 + 假阳性人数)。例如，一项检测100名健康人群，其中95名被正确诊断为阴性，则特异度为95%。特异度越高，误诊的可能性越小，但漏诊的可能性也越大。
- 阳性预测值 (Positive Predictive Value): 指检测结果为阳性的人群中，实际患病人群的比例。公式为：阳性预测值 = 真阳性人数 / (真阳性人数 + 假阳性人数)。例如，一项检测100名人群，其中10名检测结果为阳性，经确诊后8名为真阳性，则阳性预测值为80%。阳性预测值受患病率和灵敏度的共同影响。
- 阴性预测值 (Negative Predictive Value): 指检测结果为阴性的人群中，实际健康人群的比例。公式为：阴性预测值 = 真阴性人数 / (真阴性人数 + 假阴性人数)。例如，一项检测100名人群，其中90名检测结果为阴性，经确诊后88名为真阴性，则阴性预测值为97.8%。阴性预测值受患病率和特异度的共同影响。
疾病患病率对筛查试验的预测值有显著影响。即使在低患病率人群中，即使灵敏度和特异度都很高的试验，其阳性预测值也可能很低。这意味着大量假阳性结果，导致不必要的焦虑和进一步检查，甚至可能引发医源性伤害。对于连续性变量的试验，如血糖、血压等，灵敏度和特异度之间存在权衡关系。较低的临界值可以提高灵敏度，但会降低特异度，导致假阳性率增加；相反，较高的临界值可以提高特异度，但会降低灵敏度，导致假阴性率增加。选择合适的临界值需要权衡漏诊和误诊的风险，并考虑疾病的严重程度、治疗的有效性等因素。并非所有试验都适合作为筛查工具。理想的筛查试验应满足以下标准：- 疾病有明确定义，且患病率已知: 筛查的目标疾病应有明确的诊断标准和可靠的流行病学数据。例如，乳腺癌和宫颈癌的筛查。
- 疾病的自然病程已知，且存在有效的干预措施: 筛查发现的疾病应有明确的治疗方案，并能有效改善患者的预后。例如，高血压和糖尿病的筛查。
- 筛查项目经济有效，便于诊断: 筛查试验的成本应合理，且易于实施，以便于大规模人群筛查。例如，血压和血糖的筛查。
- 必须存在有效治疗: 筛查发现的疾病应有有效的治疗方法，才能发挥筛查的价值。例如，乳腺癌和宫颈癌的筛查。
- 阳性结果的后续措施已形成共识，并被筛查者接受: 筛查试验的阳性结果应有明确的处理流程，并被筛查者接受。例如，乳腺癌筛查的阳性结果需要进行活检。
- 筛查试验安全，有合理且明确定义的临界值，具有有效性 (validity) 和可靠性 (reliability): 筛查试验应安全可靠，且其结果具有准确性。例如，乳腺X光筛查的辐射剂量应控制在安全范围内。
- 过度诊断和过度治疗: 筛查可能发现一些早期病变，其自然病程可能不会导致临床症状，但患者仍可能接受不必要的治疗，甚至产生副作用。例如，乳腺导管原位癌的过度诊断和治疗。
- 假阳性和假阴性结果: 筛查试验并非完美，存在假阳性和假阴性结果，可能导致不必要的焦虑、治疗或延误诊断。例如，宫颈癌筛查可能导致一些假阳性结果，导致患者接受不必要的治疗。
- 心理负担: 筛查结果可能引发患者的焦虑、恐惧和压力，影响生活质量。例如，乳腺癌筛查可能导致一些假阳性结果，导致患者产生不必要的焦虑。
- 资源浪费: 筛查试验需要消耗大量的人力、物力和财力，可能导致医疗资源分配不均。例如，过度筛查可能导致医疗资源的浪费。
为了提高筛查试验研究的质量和透明度，STARD (Standards for Reporting of Diagnostic Accuracy Studies) 声明提出了30个评价要素，旨在规范诊断准确性研究的报告。这些要素涵盖了研究设计、参与者、指标试验、参照标准、结果评估、统计分析、结果报告等方面。QUADAS (Quality Assessment of Diagnostic Accuracy Studies) 工具则提供了14个条目清单，用于评估诊断准确性研究的质量，包括研究的内部和外部真实性、结果的准确性和可靠性等。筛查试验研究中存在一些常见的偏倚，可能影响结果的准确性，例如：- 领先时间偏倚 (Lead-time Bias): 筛查导致疾病诊断时间提前，但并不延长寿命。例如，乳腺癌筛查可能导致乳腺癌的早期诊断，但并不延长患者的生存时间。
- 病程长短偏倚 (Length-time Bias): 筛查发现的无症状患者可能比有症状患者寿命更长，但这并非筛查的功劳。例如，一些生长缓慢的肿瘤可能因筛查而早期发现，导致患者寿命延长，但这并非筛查的功劳。
- 合并偏倚 (Incorporation Bias): 指标试验对标准参照试验的执行产生影响。例如，如果指标试验结果阳性的人群更倾向于接受参照试验的检测，则会导致指标试验的灵敏度被高估。
- 差异核实偏倚 (Differential Verification Bias): 指标试验结果阳性的人群更倾向于接受参照试验的检测。例如，如果一个体征或症状作为指标试验，其阳性结果导致患者接受进一步的检查，则会导致指标试验的灵敏度被高估。
- 不完美“金标准”偏倚 (Imperfect Gold Standard Bias): 参照试验存在错误，导致指标试验的灵敏度或特异度被夸大或低估。例如，如果参照试验的假阴性率较高，则会导致指标试验的灵敏度被低估。
- 频谱偏倚 (Spectrum Bias): 指标试验的灵敏度或特异度受到研究人群疾病谱的影响。例如，如果研究人群的疾病谱较严重，则会导致指标试验的灵敏度被高估。
本文列举了宫颈癌、卵巢癌、乳腺癌、高血压、糖尿病、性传播疾病、胎儿染色体异常等筛查试验的应用实例，分析了其利弊和潜在危害。- 宫颈癌筛查: 宫颈癌筛查可以有效降低宫颈癌的死亡率，但可能导致过度诊断和治疗，以及心理负担。例如，宫颈细胞学筛查可能导致一些良性病变被过度诊断和治疗。
- 卵巢癌筛查: 目前尚无有效的卵巢癌筛查方法，且筛查试验的假阳性率较高，可能导致不必要的手术和并发症。例如，卵巢癌筛查可能导致一些假阳性结果，导致患者接受不必要的手术。
- 乳腺癌筛查: 乳腺X光筛查可以有效降低乳腺癌的死亡率，但可能导致过度诊断和治疗，以及心理负担。例如，乳腺X光筛查可能导致一些良性病变被过度诊断和治疗。
- 高血压筛查: 高血压筛查可以有效控制血压，降低心血管疾病的风险，但可能导致过度治疗。例如，高血压筛查可能导致一些血压正常的人群被过度诊断为高血压，并接受不必要的治疗。
- 糖尿病筛查: 糖尿病筛查可以有效控制血糖，降低糖尿病并发症的风险，但可能导致过度治疗。例如，糖尿病筛查可能导致一些血糖正常的人群被过度诊断为糖尿病，并接受不必要的治疗。
- 性传播疾病筛查: 性传播疾病筛查可以有效控制性传播疾病的传播，但可能导致过度治疗和歧视。例如，性传播疾病筛查可能导致一些假阳性结果，导致患者被过度治疗和歧视。
- 胎儿染色体异常筛查: 胎儿染色体异常筛查可以有效降低染色体异常胎儿的出生率，但可能导致不必要的流产和焦虑。例如，胎儿染色体异常筛查可能导致一些假阳性结果，导致孕妇选择不必要的流产。
筛查试验是一把双刃剑，正确应用可以改善健康，但不当应用也可能造成伤害。临床医生和公众需要了解筛查试验的原理和局限性，谨慎评估其利弊，并根据具体情况选择合适的筛查方案。临床研究基本概念（第2版）/ (美)肯尼思. F. 舒尔茨 (Kennel:h F. Schulz) 原著; 王吉耀 主译. 北京：人民卫生出版社，2020
