诊断试验准确性研究设计及临床应用 1.7绘制四格表,评价诊断准确性 率的比值,PLR=Sen/(1-spe)=[a/(a+c)]/ 依据金标准诊断可将研究对象划分为“有病”[b(b+d)];阴性似然比( negative lr,NLR)是 或“无病”;依据待评价诊断试验的结果可将研究对假阴性率和真阴性率的比值,NLR=(1-Sen)/Spe 象划分为检测“阳性”或检测“阴性”。以金标准诊=[e/(a+e)]/[d(b+d)]。似然比利用了诊 断为列,待评价的诊断试验结果为行,可绘制四格表断试验的全部信息,不受患病率影响,可用于估计单 (表1)。 个患者的疾病概率 1.8论文报告 表1诊断试验四格表 诊断试验的结果解释应结合临床实际,结论 金标准诊断 诊断试验 合计 要客观真实。推荐遵循诊断准确性研究报告规范 Standards for Reporting of Diagnostic Accuracy, STARD) 真阳性(a)假阳性(b) 进行论文报告。 STARD于2003年发表,旨在提高诊断 假阴性(c)真阴性(d) 试验的报告质量;2015年发布了更新版本,对2003 合计 a+b+e+d 版 STARD的清单条目和流程图进行了修订增补。 a.真阳性,指金标准诊断为“有病”且诊断试验结果是“阳性”的例其中文译文和相关解读也已发表2。 数;b.假阳性,指金标准诊断为“无病”但诊断试验结果是“阳性” 性”的例数;d真阴性,指金标淮诊断为“无病”且诊断试验结果是2诊断试验结果的临床应用 “阴性”的例数 对于临床医生而言,非常重要的问题是:如何 灵敏度(以Sen表示),即真阳性率,是金标准将某项诊断试验准确性研究的结果应用于自己的患 诊断为“有病”的研究对象中,诊断试验结果是者?回答这个问题之前,需要明确两点:(1)该诊 阳性”的比例,反映了诊断试验识别疾病的能力。断试验的结果是否准确可靠?如研究问题明确、设 灵敏度只与病例组有关,Sen=a(a+c)。特异度计科学严谨、金标准和研究对象选择合理、采用盲 (以spe表示),即真阴性率,是金标准诊断为“无法、检测结果稳定可重复,则较为准确可靠。可应 病”的研究对象中,诊断试验结果是“阴性”的比用诊断试验准确性研究的质量评价工具( Quality 例,反映识别无病的能力。特异度只与对照组有关, Assessment of Diagnostic Accuracy Studies, QUADAS) pe=d(b+d)。一项汇总了23项Mea分析的研究对偏倚风险进行评估{2)。(2)该诊断试验是否 显示,诊断试验的灵敏度和特异度会随疾病患病率而适用于自己的患者?如所处的医疗环境与该诊断试 变化,特异度会随着患病率的升高而降低。灵敏验实施的环境相似,且患者符合该研究的纳入标 度和特异度是诊断试验的重要指标,但无法帮助临床准,则较为适用。 医生估计单个患者的疾病概率。 2.1由验前概率获得验后概率 PV,是应用诊断试验的结果来估计研究对象有 当医生接诊一例患者,综合病史、体格检查以及 病或无病可能性的大小。阳性预测值( positive PV,已有的化验结果会形成初步诊断,此时临床分析估计 PPⅤ)是诊断试验结果为阳性者中“有病”者所占所得的疾病概率称之为验前概率( pretest probabili 的比例,PPⅤ=a/(a+b);阴性预测值( negative ty)2],在此基础上,医生进行某项诊断试验,检测 PV,NPV)是诊断试验结果为阴性者中“无病”者结果可能会提高或降低初步诊断的可能性,此时的疾 的比例,NPⅤ=d(c+d)。预测值可用于估计疾病的病概率称之为验后概率( posttest probability)。诊断 概率,但会随患病率的变化而变化。因此,当临床医试验的LR3帮助医生从验前概率得到验后概率,IR 生面临的患者群体与已发表文献中研究对象的患病率的大小表明某个诊断试验的结果将会提高或降低目标 不同时,不可将文献中的预测值数据直接应用于自己疾病验前概率的程度。 的患者 应用LR由验前概率获得验后概率包括以下几 LR,是诊断试验的某种结果(阳性或阴性)在种方法:(1)计算法:验前比值=验前概率′(1 有病”组中出现的概率与“无病”组中岀现的概率验前概率),验后比值=验前比值ⅹ似然比,验后概 之比。是患者“有病”与“无病”概率的比值。阳率=验后比值/(1+验后比值);(2)诺模图法[21 性似然比( positive LR,PLR)是真阳性率和假阳性左栏代表验前概率,中间栏代表LR,右栏代表验 VoL. 11 No. 1 99诊断试验准确性研究设计及临床应用 Ｖｏｌ􀆰 １１ Ｎｏ􀆰 １ ９９ １􀆰 ７ 绘制四格表ꎬ 评价诊断准确性 依据金标准诊断可将研究对象划分为 “ 有病” 或 “无病”ꎻ 依据待评价诊断试验的结果可将研究对 象划分为检测 “阳性” 或检测 “阴性”ꎮ 以金标准诊 断为列ꎬ 待评价的诊断试验结果为行ꎬ 可绘制四格表 (表 １)ꎮ 表 １ 诊断试验四格表 诊断试验 金标准诊断 有病 无病 合计 阳性 真阳性 (ａ) 假阳性 (ｂ) ａ＋ｂ 阴性 假阴性 (ｃ) 真阴性 (ｄ) ｃ＋ｄ 合计 ａ＋ｃ ｂ＋ｄ ａ＋ｂ＋ｃ＋ｄ ａ􀆰 真阳性ꎬ 指金标准诊断为 “有病” 且诊断试验结果是 “阳性” 的例 数ꎻ ｂ􀆰 假阳性ꎬ 指金标准诊断为 “无病” 但诊断试验结果是 “阳性” 的例数ꎻ ｃ􀆰 假阴性ꎬ 指金标准诊断为 “有病” 但诊断试验结果是 “阴 性” 的例数ꎻ ｄ􀆰 真阴性ꎬ 指金标准诊断为 “无病” 且诊断试验结果是 “阴性” 的例数 灵敏度 (以 Ｓｅｎ 表示)ꎬ 即真阳性率ꎬ 是金标准 诊断为 “ 有病” 的研究对象中ꎬ 诊断试验结果是 “阳性” 的比例ꎬ 反映了诊断试验识别疾病的能力ꎮ 灵敏度只与病例组有关ꎬ Ｓｅｎ ＝ ａ / ( ａ ＋ ｃ)ꎮ 特异度 (以 Ｓｐｅ 表示)ꎬ 即真阴性率ꎬ 是金标准诊断为 “无 病” 的研究对象中ꎬ 诊断试验结果是 “阴性” 的比 例ꎬ 反映识别无病的能力ꎮ 特异度只与对照组有关ꎬ Ｓｐｅ ＝ ｄ / (ｂ＋ｄ)ꎮ 一项汇总了 ２３ 项 Ｍｅｔａ 分析的研究 显示ꎬ 诊断试验的灵敏度和特异度会随疾病患病率而 变化ꎬ 特异度会随着患病率的升高而降低[１４] ꎮ 灵敏 度和特异度是诊断试验的重要指标ꎬ 但无法帮助临床 医生估计单个患者的疾病概率[１５] ꎮ ＰＶꎬ 是应用诊断试验的结果来估计研究对象有 病或无病可能性的大小ꎮ 阳性预测值 ( ｐｏｓｉｔｉｖｅ ＰＶꎬ ＰＰＶ) 是诊断试验结果为阳性者中 “有病” 者所占 的比 例ꎬ ＰＰＶ ＝ ａ / ( ａ ＋ ｂ)ꎻ 阴 性 预 测 值 ( ｎｅｇａｔｉｖｅ ＰＶꎬ ＮＰＶ) 是诊断试验结果为阴性者中 “无病” 者 的比例ꎬ ＮＰＶ＝ ｄ / (ｃ＋ｄ)ꎮ 预测值可用于估计疾病的 概率ꎬ 但会随患病率的变化而变化ꎮ 因此ꎬ 当临床医 生面临的患者群体与已发表文献中研究对象的患病率 不同时ꎬ 不可将文献中的预测值数据直接应用于自己 的患者[１５] ꎮ ＬＲꎬ 是诊断试验的某种结果 (阳性或阴性) 在 “有病” 组中出现的概率与 “无病” 组中出现的概率 之比ꎮ 是患者 “有病” 与 “无病” 概率的比值ꎮ 阳 性似然比 ( ｐｏｓｉｔｉｖｅ ＬＲꎬ ＰＬＲ) 是真阳性率和假阳性 率的比值ꎬ ＰＬＲ ＝ Ｓｅｎ / (１－Ｓｐｅ) ＝ [ ａ / ( ａ＋ｃ) ] / [ｂ / (ｂ＋ｄ) ]ꎻ 阴性似然比 ( ｎｅｇａｔｉｖｅ ＬＲꎬ ＮＬＲ) 是 假阴性率和真阴性率的比值ꎬ ＮＬＲ ＝ (１－Ｓｅｎ) / Ｓｐｅ ＝ [ｃ / (ａ＋ｃ) ] / [ ｄ / ( ｂ＋ｄ) ]ꎮ 似然比利用了诊 断试验的全部信息ꎬ 不受患病率影响ꎬ 可用于估计单 个患者的疾病概率[１６] ꎮ １􀆰 ８ 论文报告 诊断试验 的 结 果 解 释 应 结 合 临 床 实 际ꎬ 结 论 要客观真实ꎮ 推荐遵循诊断准确性研究报告规范 (Ｓｔａｎｄａｒｄｓ ｆｏｒ Ｒｅｐｏｒｔｉｎｇ ｏｆ Ｄｉａｇｎｏｓｔｉｃ Ａｃｃｕｒａｃｙꎬ ＳＴＡＲＤ) 进行论文报告ꎮ ＳＴＡＲＤ 于 ２００３ 年发表ꎬ 旨在提高诊断 试验的报告质量[１７] ꎻ ２０１５ 年发布了更新版本ꎬ 对 ２００３ 版 ＳＴＡＲＤ 的清单条目和流程图进行了修订增补[１８] ꎮ 其中文译文和相关解读也已发表[１９￣２１] ꎮ ２ 诊断试验结果的临床应用 对于临床医生而言ꎬ 非常重要的问题是: 如何 将某项诊断试验准确性研究的结果应用于自己的患 者? 回答这个问题之前ꎬ 需要明确两点: (１) 该诊 断试验的结果是否准确可靠? 如研究问题明确、 设 计科学严谨、 金标准和研究对象选择合理、 采用盲 法、 检测结果稳定可重复ꎬ 则较为准确可靠ꎮ 可应 用诊断试验准确 性 研 究 的 质 量 评 价 工 具 ( Ｑｕａｌｉｔｙ Ａｓｓｅｓｓｍｅｎｔ ｏｆ Ｄｉａｇｎｏｓｔｉｃ Ａｃｃｕｒａｃｙ Ｓｔｕｄｉｅｓꎬ ＱＵＡＤＡＳ) 对偏倚风险进行评估[２２￣２３] ꎮ ( ２) 该诊断试验是否 适用于自己的患者? 如所处的医疗环境与该诊断试 验实施的环境相似ꎬ 且患者符合该研究的纳入标 准ꎬ 则较为适用ꎮ ２􀆰 １ 由验前概率获得验后概率 当医生接诊一例患者ꎬ 综合病史、 体格检查以及 已有的化验结果会形成初步诊断ꎬ 此时临床分析估计 所得的疾病概率称之为验前概率 ( ｐｒｅｔｅｓｔ ｐｒｏｂａｂｉｌｉ￣ ｔｙ) [２５] ꎬ 在此基础上ꎬ 医生进行某项诊断试验ꎬ 检测 结果可能会提高或降低初步诊断的可能性ꎬ 此时的疾 病概率称之为验后概率 ( ｐｏｓｔｔｅｓｔ ｐｒｏｂａｂｉｌｉｔｙ)ꎮ 诊断 试验的 ＬＲ [３]帮助医生从验前概率得到验后概率ꎬ ＬＲ 的大小表明某个诊断试验的结果将会提高或降低目标 疾病验前概率的程度ꎮ 应用 ＬＲ 由验前概率获得验后概率包括以下几 种方法: ( １) 计算法: 验前比值 ＝ 验前概率 / ( １ － 验前概率) ꎬ 验后比值 ＝ 验前比值×似然比ꎬ 验后概 率 ＝ 验后比值 / (１＋验后比值) ꎻ (２) 诺模图法[２６] : 左栏代表验前概率ꎬ 中间栏代表 ＬＲꎬ 右栏代表验