诊断性试验Meta分析.docx
- 文档编号:24067554
- 上传时间:2023-05-23
- 格式:DOCX
- 页数:47
- 大小:2.05MB
诊断性试验Meta分析.docx
《诊断性试验Meta分析.docx》由会员分享,可在线阅读,更多相关《诊断性试验Meta分析.docx(47页珍藏版)》请在冰豆网上搜索。
诊断性试验Meta分析
Revman,Stata,Meta-disc在诊断试验准确性(DTA)
系统评价中的应用
文献数据摘自《ProGRP与NSE对小细胞肺癌诊断价值的meta分析》文中提取数据
作者
国家
研究
盲
研究
金标
病
阳性界值
TP
FP
FN
TN
方法
法
对象
准
例
(pg/ml)
数
a
b
a
b
a
b
a
b
a
b
Schneider
德国
前瞻
--
连续
病理
298
29.1
9.6
35
38
18
35
16
13
229
212
Stieber
德国
回顾
--
--
病理
314
38.3
11.941399444648218183
Molina
西班牙
前瞻
--
连续
病理
802
50
25
134
114
79
50
41
61
548
577
Nissan
以色列
前瞻
--
连续
病理
162
48
22
29
18
6
12
8
19
119
113
Shibayama
日本
--
--
连续
病理
359
49
7.5
74
49
11
10
40
65
234
235
Lamy
法国
回顾
是
--
病理
245
53
17
117
110
2
4
29
36
97
95
Takada
日本
回顾
是
连续
病理
326
33.8
10.6
73
63
22
43
28
38
203
182
Yamaguchi
日本
--
是
连续
--
602
50
8,180796264748469449
Sun
中国
--
--
--
病理
100
50
16.32519689156058
Yang
中国
--
--
--
病理
144
46
16.3
46
40
9
16
17
23
72
65
注:
表中10个原始研究均使用酶联免疫吸附测定法检测阳性界值;TP=真阳性数;FP=假阳性数;FN=
假阴性数;TN=真阴性数a:
ProGRP,b:
NSE
Revman5.2
新建诊断试验准确性(DTA)系统评价模板
添加所有纳入研究
此处对每篇文献QUADAS质2量特征进行描述,以便探讨异质性来源及作表图
数据分析里面添加所要研究的待评价诊断试验
可计算相关指标(似然比及诊断比值比和单独在干预系统评价里面作森林图)
添加分析里面制作SEN和SPE森林图及SROC曲线,可对数据进行重新制定
Study
TP
FP
FN
TN
Sensitivity(95%CI)
Specificity(95%CI)
Sensitivity(95%CI)
Specificity(95%CI)
Lamy2000
35
18
16
229
0.69[0.54,0.81]
0.93[0.89,0.96]
Molina2009
41
9
46
218
0.47[0.36,0.58]
0.96[0.93,0.98]
Nissan2009
134
79
41
548
0.77[0.70,0.83]
0.87[0.85,0.90]
Schneider2003
29
6
8
119
0.78[0.62,0.90]
0.95[0.90,0.98]
Shibayama2001
74
11
40
234
0.65[0.55,0.74]
0.96[0.92,0.98]
Stieber1999
117
2
29
97
0.80[0.73,0.86]
0.98[0.93,1.00]
Sun2005
73
22
28
203
0.72[0.62,0.81]
0.90[0.86,0.94]
Takada1996
80
6
47
469
0.63[0.54,0.71]
0.99[0.97,1.00]
Yamaguchi1995
25
6
9
60
0.74[0.56,0.87]
0.91[0.81,0.97]
Yang2005
46
9
17
72
0.73[0.60,0.83]
0.89[0.80,0.95]
0
0.2
0.4
0.6
0.8
1
0
0.2
0.4
0.6
0.8
1
设置参数
若用户对上图窗口中的统计分析显示的结果不满意,可点击右上角的属性按钮
);或依次展开树形目录分支"DataandAnalyses→Analyses→ProGRP",选
中"ProGRP"并单击右键,选择"Properties",弹出属性设置对话框。
在图对话框中,可对统计指标(General)、SROC图、森林图和异质性来源的参数进行设
置,并点击"Apply"使其生效,见下图。
亚组分析(假如,原文没做)
ProGRP(高质量)
StudyLamy2000
TPFP
3518
FNTN
16229
Sensitivity(95%CI)
0.69[0.54,0.81]
Specificity(95%CI)
0.93[0.89,0.96]
Sensitivity(95%CI)
Specificity(95%CI)
Molina2009
41
9
46
218
0.47[0.36,0.58]
0.96[0.93,0.98]
Nissan2009
134
79
41
548
0.77[0.70,0.83]
0.87[0.85,0.90]
Schneider2003
29
6
8
119
0.78[0.62,0.90]
0.95[0.90,0.98]
Shibayama2001
74
11
40
234
0.65[0.55,0.74]
0.96[0.92,0.98]
00.2
0.4
0.6
0.8
1
00.2
0.4
0.6
0.8
1
ProGRP(低质量)
Study
TPFPFN
TNSensitivity(95%CI)
Specificity(95%CI)
Sensitivity(95%CI)
Specificity(95%CI)
Stieber1999
117
2
29
97
0.80[0.73,0.86]
0.98[0.93,1.00]
Sun2005
73
22
28
203
0.72[0.62,0.81]
0.90[0.86,0.94]
Takada1996
80
6
47
469
0.63[0.54,0.71]
0.99[0.97,1.00]
Yamaguchi1995
25
6
9
60
0.74[0.56,0.87]
0.91[0.81,0.97]
Yang2005
46
9
17
72
0.73[0.60,0.83]
0.89[0.80,0.95]
0
0.2
0.4
0.6
0.8
1
0
0.2
0.4
0.6
0.8
1
QUADAS-偏2倚表(图)制作
PatientSelection14463
IndexTest424451
ReferenceStandard24446
FlowandTiming253
0%25%50%75%100%0%25%50%75%100%
RiskofBiasApplicabilityConcerns
HighUnclearLow
RiskofBiasApplicabilityConcerns
noit
e
celets
StnT
a
n
e
d
eitx
PI
dradnat
Se
cn
eref
eR
gnimiTdnawolF
noit
e
s
celet
StnT
a
n
e
d
eitx
PI
drd
t
n
a
aS
c
e
e
n
ref
eR
?
–
?
?
–
?
–
?
?
?
?
?
+
+
+
+
–
–
–
?
–
–
?
?
?
?
+
+
+
?
–
–
–
–
–
?
–
–
?
?
+
–
–
–
–
+
?
?
?
?
?
?
?
?
+
+
+
+
–
–
–
?
+
+
+
?
–
?
?
Unclear
+Low
Lamy2000
Molina2009
Nissan2009
Schneider2003
Shibayama2001
Stieber1999
Sun2005
Takada1996
Yamaguchi1995
Yang2005
–High
异质性来源
在DTA系统评价里面不能直接进行似然比、诊断比值比的森林图以及各指标漏斗图制作,但可以改变四个表数据模式或直接计算相关指标,添加入干预性系统评价模板中进行制作及查看异质性、发表偏倚(漏斗图)。
Stata12
一拟合双变量混合效应模型:
midas命令
SUMMARYDATAANDPERFORMANCEESTIMATES
BivariateBinomialMixedModel
Numberofstudies=10
Reference-positiveSubjects=935
Reference-negativeSubjects=2417
PretestProbofDisease=0.279
Between-studyvariance(varlogitSEN)=0.136,95%CI=[0.041-0.452]
Between-studyvariance(varlogitSPE)=0.406,95%CI=[0.133-1.241]
Correlation(MixedModel)=-0.491
ROCArea,AUROC=0.89[0.86-0.92]
Heterogeneity(Chi-square):
LRT_Q=55.419,df=2.00,LRT_p=0.000
Inconsistency(I-square):
LRT_I2=96.39,95%CI=[93.72-99.06]
ParameterEstimate95%CI
Sensitivity0.702[0.641,0.756]
Specificity0.943[0.913,0.963]
PositiveLikelihoodRatio12.348[8.245,18.494]
NegativeLikelihoodRatio0.316[0.262,0.381]
DiagnosticScore3.665[3.229,4.102]
DiagnosticOddsRatio39.071[25.251,60.456]
2.
绘制敏感度、特异度森林图:
Yang2005
0.73[0.60-0.83]
Sun2005
0.74[0.56-0.87]
Yamaguchi1995
0.63[0.54-0.71]
Takada1996
0.72[0.62-0.81]
Lamy2000
0.80[0.73-0.86]
Shibayama2001
0.65[0.55-0.74]
Nissan2009
0.78[0.62-0.90]
Molina2009
0.77[0.70-0.83]
Stieber1999
0.47[0.36-0.58]
Schneider2003
0.69[0.54-0.81]
Yang2005
0.89[0.80-0.95]
Sun2005
0.91[0.81-0.97]
Yamaguchi1995
0.99[0.97-1.00]
Takada1996
0.90[0.86-0.94]
Lamy2000
0.98[0.93-1.00]
Shibayama2001
0.96[0.92-0.98]
Nissan2009
0.95[0.90-0.98]
Molina2009
0.87[0.85-0.90]
Stieber1999
0.96[0.93-0.98]
Schneider2003
0.93[0.89-0.96]
3.绘制ROC曲线图:
ti
ytivi
sneS
1.0
0.5
SROCwithConfidenceandPredictiveEllipses
ObservedData
SummaryOperatingPointSENS=0.70[0.64-0.76]
SPEC=0.94[0.91-0.96]
SROCCurve
AUC=0.89[0.86-0.92]
95%ConfidenceEllipse
95%PredictionEllipse
0.0
1.0
0.5
Specificity
0.0
4.绘制漏斗图,识别发表偏倚:
STATISTICALTESTSFORSMALLSTUDYEFFECTS/PUBLICATIOBNIAS
>
>al]
ybCoef.Std.Err.tP>|t|[95%Conf.Interv
>
Bias-.700537617.62442-0.040.969-41.3425339.94
>146
Intercept3.782341.1057513.420.0091.2324756.332
>206
0
0LogOddsRatioversus1/sqrt(EffectiveSampleSize)(Deeks)1
Study
RegressionLine
0
1
01
1
0.040.060.080.100.12
1/root(ESS)
5.绘制似然比森林图:
Yang2005
6.57[3.49-12.39]
Sun2005
8.09[3.67-17.81]
Yamaguchi1995
49.87[22.27-111.67]
Takada1996
7.39[4.88-11.19]
Lamy2000
39.67[10.04-156.77]
Shibayama2001
14.46[7.99-26.16]
Nissan2009
16.33[7.35-36.30]
Molina2009
6.08[4.87-7.59]
Stieber1999
11.89[6.03-23.41]
Schneider2003
9.42[5.82-15.25]
STUDY(YEAR)
COMBINED
Q=51.60,df=9.00,p=0.00
I2=72.67[72.67-92.45]
DLRPOSITIVE(95%CI)
12.35[8.24-18.49]
3.5156.8
DLRPOSITIVE
Yang2005
0.30[0.20-0.46]
Sun2005
0.29[0.17-0.51]
Yamaguchi1995
0.37[0.30-0.47]
Takada1996
0.31[0.22-0.42]
Lamy2000
0.20[0.15-0.28]
Shibayama2001
0.37[0.29-0.47]
Nissan2009
0.23[0.12-0.42]
Molina2009
0.27[0.20-0.35]
Stieber1999
0.55[0.45-0.67]
Schneider2003
0.34[0.23-0.51]
STUDY(YEAR)
COMBINEDQ=42.30,df=9.00,p=0.00
I2=78.72[66.00-91.44]
DLRNEGATIVE(95%CI)
0.32[0.26-0.38]
01
DLRNEGATIVE
6.绘制诊断比值比森林图:
Yang2005
21.65[8.90-52.64]
Sun2005
27.78[8.94-86.29]
Yamaguchi1995
133.05[55.07-321.46]
Takada1996
24.06[12.95-44.68]
Lamy2000
195.67[45.54-840.84]
Shibayama2001
39.35[19.22-80.58]
Nissan2009
71.90[23.14-223.38]
Molina2009
22.67[14.87-34.57]
Stieber1999
21.59[9.81-47.50]
Schneider2003
27.83[12.99-59.60]
STUDY(YEAR)
COMBINEDQ=10306.42,df=9.00,p=0.00
I2=99.91[99.90-99.92]
ODDSRATIO(95%CI)
39.07[25.25-60.46]
9841
ODDSRATIO
Yang2005
3.07[1.21-3.07]
Sun2005
3.32[1.21-3.32]
Yamaguchi1995
4.89[2.21-4.89]
Takada1996
3.18[1.41-3.18]
Lamy2000
5.28[2.11-5.28]
Shibayama2001
3.67[1.63-3.67]
Nissan2009
4.28[1.73-4.28]
Molina2009
3.12[1.49-3.12]
Stieber1999
3.07[1.26-3.07]
Schneider2003
3.33[1.41-3.33]
STUDY(YEAR)
COMBINEDQ=23.94,df=9.00,p=0.00
I2=62.41[36.63-88.18]
DIAGNOSTICSCORE(95%CI)
3.67[3.23-4.10]
1.25.3
DIAGNOSTICSCORE
7.绘制验前概率、验后概率图:
验前概率=患病率,验后概率=验前概率*似然比
.metanditpfpfntn
Refiningstartingvalues:
Iteration0:
loglikelihood=-73.728348(notconcave)Iteration1:
loglikelihood=-69.302533
Iteration2:
loglikelihood=-67.980313
Iteration3:
loglikelihood=-67.378598
Performinggradient-basedoptimization:
Iteration0:
loglikelihood=-67.378598
Iteration1:
loglikelihood=-67.370761
Iteration2:
loglikelihood=-67.370744
Iteration3:
loglikelihood=-67.370744
Meta-analysisofdiagnosticaccuracy
Loglikelihood=-67.370744Numberofstudies=
>10
yviti
eS
Meta-disc14
表2Meta-Disc软件的主要功能
主要功能说明
Describingprimaryresultsandexploringh
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 诊断 试验 Meta 分析