诊断试验的meta分析

在诊断试验中，通过金标准诊断为患者和非患者，采用某种试验方法诊断为阳性或阴性，列成四格表的形式，计算相关指标评价该试验方法的价值。单个诊断试验中，常用灵敏度、特异度、似然比、预测值等评价诊断试验的价值。除上述我们熟悉的指标外，我们需要了解下列指标：诊断优势比(DOR)=真阳性*真阴性/(假阳性*假阴性)，主要用于诊断试验meta分析中，作为meta分析合并时每个诊断试验权重的依据。SROC曲线是根据单个诊断试验中的诊断优势比的权重，绘制的集成ROC曲线。从SROC曲线上可以得到每一个研究的灵敏度和特异度，在存在阈值效应时，该方法最适合。在绘制SROC曲线的基础上，可计算SROC曲线下面积以及Q指数。Q指数为在SROC曲线上，灵敏度=特异度，且最靠近左上角的坐标。

接下来，我们看看诊断试验meta分析的步骤。

诊断试验的meta分析-图片1

　　与其他类型的meta分析不同的是，诊断试验meta分析中，阈值效应是异质性的重要来源。阈值效应是因为单个诊断试验中采用不同的诊断界值引起的。当存在阈值效应时，随着灵敏度的增加，特异度逐渐减小，反之亦然。

我们常通过计算灵敏度与特异度的Spearman相关系数探讨阈值效应，二者之间若存在强负相关则提示存在阈值效应。但需要注意的是，灵敏度与特异度的相关并不一定都是由阈值效应引起。

当不存在阈值效应时，可以直接合并灵敏度、特异度等单一评价指标;当存在阈值效应时，应采用SROC曲线法，计算SROC曲线下面积和Q指数。

目前，可用来进行诊断试验meta分析的软件有RevMan、meta-DiSc、Stata、R软件等。今天，我们以R软件的meta4diag程序包为例，演示下如何做诊断试验的meta分析。

meta4diag程序包的功能是基于INLA实现的，因此在使用时还需同时安装相关程序包，即INLA 程序包和sp程序包，程序如下：

(1)下载程序包，若运行出错，可通过R/RStudio的工具栏，手动安装。

install.packages("meta4diag")

install.packages("INLA", repos="http://www.math.ntnu.no/inla/R/testing")

(2)加载程序包。library(meta4diag);library(INLA)。

(3)读取数据。mydata<-read.csv(file.choose())。数据至少应包括studynames，真阳性例数TP、假阴性例数FN、真阴性例数TN、假阳性例数FP。

诊断试验的meta分析-图片2

(4)整理数据。需要将录入的数据整理成函数要求的格式，这个不用担心，直接运行下列程序即可。将res<-meta4diag(mydata)中的mydata改成您自己的数据即可。

if(requireNamespace("INLA", quietly = TRUE)){

require("INLA", quietly = TRUE)

res <- meta4diag(mydata)

}

(5)探讨阈值效应。计算灵敏度(真阳性)与特异度(真阴性的)Spearman相关系数，若二者之间Spearman相关系数呈现强负相关，且p<0.05，提示存在阈值效应，则不适合合并灵敏度、特异度等，而应该拟合SROC曲线。cor.test(mydata$TP,mydata$TN,method = "spearman")。

(6)绘制森林图。可通过accuracy.type选择绘制哪个指标的森林图，如

"sens", "spec", 分别代表灵敏度、特异度。

forest(res, accuracy.type = "sens");forest(res, accuracy.type = "spec")。

(7)绘制SROC曲线，计算其曲线下面积。

SROC(res, est.type="mean");AUC(res,est.type="mean")。

诊断试验meta分析流程图

引自：刘鸿, 周洁, 冯巧灵, 顾海涛,基于检验效能的诊断性试验Meta分析及系统评价方法《转化医学杂志》2015年1期。

复制下列程序至R或RStudio软件，按要求整理数据，选择存储数据的路径即可。

#下载程序包

install.packages("meta4diag")

install.packages("INLA", repos="http://www.math.ntnu.no/inla/R/testing")

#加载程序包

library(meta4diag)

library(INLA)

#读取数据

mydata<-read.csv(file.choose())

mydata

#数据整理

if(requireNamespace("INLA", quietly = TRUE)){

require("INLA", quietly = TRUE)

res <- meta4diag(mydata)

}

#探讨阈值效应

cor.test(mydata$TP,mydata$TN,method = "spearman")

#绘制森林图

forest(res, accuracy.type = "sens")

forest(res, accuracy.type = "spec")

#拟合SROC曲线，计算其曲线下面积

SROC(res, est.type="mean")

AUC(res,est.type="mean")

发表评论