实验的诊断性能评价

实验的诊断性能评价——杨婷婷12级检验3班20120813161.前言本文系统阐述了诊断试验的评价方法、常用的评价指标——诊断灵敏度、诊断特异度、预测值、似然比等及其优缺点、ROC曲线在诊断试验评价中的应用情况及存在的问题,为诊断试验的进一步评价研究提供了依据。关键词：诊断试验,ROC曲线,阈值,灵敏度,特异度，预测值，似然比2.诊断实验诊断试验是指对疾病进行诊断的试验方法，它不仅包括各种实验室检查，还包括各种影像学诊断，如X线诊断、CT等。应用诊断试验有助于科学地选择诊断方法、正确地分析和评价诊断结果。此外，诊断试验还可用于病例随访、预后估计、疗效判断以及治疗的副作用检测等,而诊断试验提供的这些信息的可靠性大小依赖于诊断试验的准确度评价结果。2.1临床诊断试验的数据与患病情况的关系诊断试验分定性试验和定量试验。定性试验的结果分为阳性和阴性结果，定量试验的结果为一系列连续的计量数据，这些数据可被分界值将其分为两个部分，也可判断为阳性和阴性结果。一般情况下，诊断试验的结果和患某病的情况之间可能出现四种关系：①真阳性（Truepositive，TP）指经试验而被正确分类的患者的数目。②假阳性（Falsepositive，FP）指经试验而被错误分类的非患者的数目。③真阴性（Truenegative，TN）指经试验而被正确分类的非患者的数目。④假阴性（Falsenegative，FN）指经试验而被错误分类的患者的数目。2.2诊断性能评价实验的设计原理目前，诊断性能评价实验的研究设计大多采用横断面研究方案。在进行评价实验前，首先需确定一个疾病诊断的金标准，金标准是指当前为临床医学界公认的诊断某种疾病最可靠的诊断方法，可通过活检、尸检、外科手术、随访等所作出的决定性诊断，又称确诊试验，如诊断肿瘤的金标准一般是病理学检查，诊断冠心病的金标准是冠状动脉造影等；确立金标准后，再与诊断试验同步盲法测量研究对象，据金标准将研究对象划分为“有某病”、“无某病”，据诊断试验的临界值将其划分为“阳性”、“阴性”结果，然后整理出相应的四格表如表1计算准确性、有效性等评价指标。表1临床检验方法诊断性能评价试验结果四格表3.临床生化诊断试验的诊断性能评价指标3.1临床生化诊断试验的准确性评价指标准确性（accuracy，AC），又称真实性（validity）是诊断试验测量值与实际值的符合程度，即判断受试者有病与无病的能力。如敏感度、特异度、准确度等。3.1.1敏感度敏感度（Sensitivity），又称真阳性率（Truepositiverate），是指在某疾病的患者中，用临床检验方法检出患者的百分率。其计算公式为：敏感度=100%aac高灵敏度的检验方法常应用于：①拟诊为病情严重但疗效好的疾病，以防漏诊；②拟诊为有一定疗效的恶性肿瘤，以便早期诊断、早期治疗；③该病情可由多种疾病引起，用高灵敏度的检验方法可以排除某一疾病的可能性；④普查或定期健康体检，用于筛选某一疾病。3.1.2特异度特异度（Specificity）,又称真阴性率（Truenegativerate）,是指在非某疾病的患者中，用临床检验方法排除患者的百分率，其计算公式为：特异度=100%dbd高特异性的检验方法常应用于：①拟诊患有某病的概率较大时，以便确诊；②拟诊疾病严重但疗效和预后均不好的疾病，以防误诊；③拟诊疾病严重且根治方法具有较大损害时，需确诊，以免造成病人不必要的损害。3.1.3漏诊率和误诊率漏诊率，又称假阴性率（Falsenegativerate），即将患者错误诊断的百分率，其计算公式为：漏诊率=1灵敏度=100%cac。误诊率，又称假阳性率（Falsepositiverate），即将非患者错误诊断的百分率，其计算公式为：误诊率=1特异度=100%bbd。漏诊率、误诊率越小，说明该临床检验方法的性能就越好。3.1.4准确度准确度又称总符合率、诊断效率(diagnosticefficiency，DF)，是指在患病和非患病者中，用诊断试验能准确划分患者和非患病者的百分比。反映诊断试验正确诊断患者与非患者的能力。其计算公式为：准确度=×100%。理想试验的诊断准确度为100%。准确度高，真实性好。受发病率的影响很大。3.1.5准确性评价指标之间的关系由于灵敏度与漏诊率、特异性与误诊率存在互补关系漏诊率和误诊率可以通过灵敏度与特异度体现出来并求得，因此，灵敏度与特异度是评价一项诊断试验真实性的两个基本指标。从理论上讲，一项理想的诊断试验其灵敏度、特异度最好均为100%，即假阳性与假阴性均为零，无一漏诊与误诊。灵敏度和特异性之间的关系对于一项诊断试验，可以通过调整分界值提高灵敏度或特异性，但二者不能同时提高。提高一个，必然降低另一个，因此，选择分界时必须权衡，使两者得到兼顾。在大多数情况下，如单独使用敏感性很高的诊断试验，虽然漏诊率低，但由于其特异性相对较差，结果误诊率必然较高；如单独使用特异性很高的试验诊断，虽然误诊率低，但由于其敏感性相对较低，结果漏诊率必然较高。此时可采用敏感度与特异性均高的试验相对结合的方法。3.2临床生化诊断试验的有效性评价指标有效性评价指标包括预测值、流行率和似然比等。dcbaba3.2.1预测值预测值（predictivevalue,PV）是指一项诊断试验能够确定或排除某疾病存在与否的诊断概率，称为预测值（predictivevalue，PV），又称预告值，也称为试验后诊断为患某病的可能性即验后概率（posttestprobability），包括阳性预测值和阴性预测值，分别表示诊断试验结果确定或排除某种疾病存在与否的诊断概率。预测值受流行率的影响，不同流行率的人群中疾病的预告值不同。3.2.1.1阳性预测值阳性预测值(positivepredictivevalue，PPV或＋PV)表示在诊断试验结果为阳性的人数中，真正患病者所占的百分率，即试验结果阳性者属于真病例的概率。也叫患病的试验后可能性，其计算公式为：阳性预测值=aab理想试验的阳性预测值为100%。阳性预测值主要受流行率的影响，流行率越高，则阳性预测值也高；临床医师根据某病的流行率和诊断试验的阳性结果就能预测就诊者患某病的可能性大小；当流行率一定时，诊断试验的特异性越高，阳性预测值越准确。3.2.1.2阴性预测值阴性预测值(negativepredictivevalue，NPV或－PV)表示在诊断试验结果为阴性的人数中，非患病者所占的百分率，即试验结果阴性者属于非病例的概率。也叫非患病的试验后可能性。其计算公式为：阴性预测值=dcd理想试验的阴性预测值为100%。当流行率一定时，诊断试验的敏感性越高，则阴性预测值越高。3.2.2流行率流行率(Prevalence,P)表示在受检对象的总人数中，真正患病者所占的百分率，也叫患病的试验前可能性或患病率。其计算公式为：流行率=流行率可从流行病学调查资料查知，也可以是临床医师在长期的医疗实践中，对门诊就诊者患某病的比例的经验认识；由于在不同的地区、不同级别的医院、普通医院和专科医院，其就诊者的组成差别可能很大，因此，同样的疾病在不同医院的流行率也不同，临床医师必须根据具体情况确定流行率，才能得出较为准确的阳性预测值。预测值与流行率的关系：诊断试验的预测值与试验的灵敏度、特异度及受试人群中所研究疾病的流行率有关。三者有下列关系：①特异性越高，假阳性率越低，阳性预测值越高；②灵敏度越高，阴性预测值越高；③受检人群研究疾病流行率越高，假阳性率越低，阳性预测值越高，阴性预测值越低。流行率对阳性预测值的影响见表2。由表可以看出，即使诊断敏感度和特异度都达到99%，只有在流行率达到50%时，才有较高的阳性预测值。所以在临床诊断中，应先询问病史，后对怀疑的病人做诊断试验。同时也说明部分临床上很好的试验，用作普查效果并不理想。表2流行率、灵敏度和特异度对某疾病＋PV的影响%100TNFPFNTPFNTP根据某试验的灵敏度、特异度和群体中研究疾病的流行率，预测值亦可以用Bayes理论公式估计：＋PV=－PV＝3.2.3似然比预测值和流行率随检查人群的不同而改变，诊断敏感性和特异性虽不随被检对象中患病者与非患病者的不同比例而改变，但敏感性和特异性难于帮助医生直接判断就诊者的患病可能性，因而引进似然比的概念。验后概率较之验前概率的符合程度和变化方向取决于诊断试验的特性，表征这种特性的量化指标称为似然比(likelihoodratio,LR)。是诊断试验结果的某一特定水平在患病者中出现的可能性与在未患病者中出现的可能之比。似然比包括阳性似然比和阴性似然比。似然比性质稳定，不因流行率的改变而改变可直接评价诊断试验的好坏，但在评价和比较试验性能方面不是一种特别好的工具。－特异度）（－流行率）灵敏度＋（流行率灵敏度流行率11－灵敏度）（特异度＋流行率流行率）（特异度流行率）（1113.2.3.1阳性似然比阳性似然比(positivelikelihoodratio,＋LR或LR(＋))是指用诊断试验检测患病人群的阳性率与非患病人群的阳性率之间的比值，即真阳性率与假阳性率之比。其计算公式为：阳性似然比=()1()abdbac灵敏度特异度可用以描述诊断试验阳性时，患病与不患病的机会比。LR(＋)提示正确判断为阳性的可能性是错误判断为阳性的可能性的倍数。LR(＋)数值越大，提示能够确诊患有该病的可能性越大。LR(＋)＞1.0，其超过1.0的大小是当试验结果为阳性时，试验提示患病可能性增高能力的一种度量。LR(＋)＝2.0-5.0,认为该试验不太好；超过10.0，认为是好的。因真阳性率为敏感度，假阳性率与特异度成互补关系，所以，也可表示为敏感度与(1－特异度)之比。3.2.3.2阴性似然比阴性似然比(negativelikelihoodratio,－LR或LR(－))是指用诊断试验检测患病人群中的阴性率与非患病人群的阴性率之间的比值，即假阴性率与真阴性率之比。其计算公式为：阴性似然比=()()cbddac1灵敏度特异度可用以描述诊断试验阴性时，患病与不患病的机会比。LR(－)提示错误判断为阴性的可能性是正确判断为阴性的可能性的倍数。LR(－)数值越小，提示能够否定患有该病的可能性越大。LR(－)＜1.0，其小于1.0的大小是当试验结果为阴性时，试验提示患病可能性降低能力的一种度量。LR(－)＝0.5－0.2，认为该试验不太好，而小于0.1，可认为是好的试验。阴性似然比也可表示为（1-敏感度）与特异度之比。4.阈值阈值（cutoffvalue）又称分界值、临界值、鉴别值、指定值等，指划分诊断试验结果正常与异常的界值。参考值概念的提出虽然澄清了正常值概念的模糊观点，但是当用医学试验作为过筛试验、确诊或排除疾病等不同用途时，单一个参考值不能满足不同的要求。为了提高诊断指标临床使用效果，不仅要研究基本健康者的参考值，也要研究其他无关疾病患者的参考值及有关疾病在不同病情中的测定数据，即根据不同的目的，研究健康(或称非病理的)与病理的分界水平。4.1阈值的选择阈值高低的确定直接影响诊断试验评价指标。当健康人的分布与病人的分布没有重叠，如图1A所示，可以取中间一点(D点)为阈值，这时假阳性和假阴性均为0，这是一种罕见的理想情况，实际上许多诊断试验健康人与病人的分布有交叉。这时阈值定在哪里是一个值得研究的问题。由图1B可知，当D向右移动，假阳性减少，假阴性增加，敏感性降低，特异性增加；反之，当D向左移动，假阳性增加，假阴性减少，敏感性增大，特异性减少。DL：医学决定水平，D：临界值，TN：真阴性，TP：真阳性，FN：假阴性，FP：假阳性图1正常人和病人分布曲线应当注意的是，在少数情况下正常人的测定值分布高于病人的测定值分布时，如缺铁性贫血患者的血清铁蛋白含量明显低于正常人，此时的阈值制定偏高或偏低后的指标变化情况正好与图1B相反。另外，还有一种低值某一类疾病病人、正常人、高值另一类疾病病人三条交叉分布曲线形式，