《诊断性试验Meta分析》由会员分享，可在线阅读，更多相关《诊断性试验Meta分析（26页珍藏版）》请在金锄头文库上搜索。
1、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方法盲法研究对象金标准病例数阳性界值（pg/ml）TPFPFNTNabababababSchneider德国前瞻-连续病理29829.19.6353818351613229212Stieber德国回顾-病理31438.311.941399444648218183Molina 西班牙前瞻-连续病理802502513411479504161548577Nissan 以色列前瞻-连续病理16248222918612819119
2、113Shibayama 日本-连续病理359497.5744911104065234235Lamy 法国回顾是-病理24553171171102429369795Takada 日本回顾是连续病理32633.810.6736322432838203182Yamaguchi 日本-是连续-602508,180796264748469449Sun 中国-病理1005016.32519689156058Yang 中国-病理1444616.3464091617237265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
3、= 真阴性数a:ProGRP,b: NSERevman5.2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QUADAS2质量特征进行描述，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Data and AnalysesAnalysesProGRP，选中ProGRP并单击右键，选择Properties ，弹
4、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） QUADAS-2偏倚表（图）制作 异质性来源 u 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1.计算所有诊断试验统计学指标（敏感度、 特异度、 似然比、 诊断比值比等） 及异质性检验统计量:2. 绘制敏感度、 特异度森林
5、图:3. 绘制 ROC 曲线图：4. 绘制漏斗图， 识别发表偏倚:STATISTICAL TESTS FOR SMALLSTUDY EFFECTS/PUBLICATIONBIAS5. 绘制似然比森林图:6. 绘制诊断比值比森林图： 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*似然比二 拟合HSROC模型：metandi命令1.合并统计量命令2.绘制SROC曲线Meta-disc14表2 Meta-Disc软件的主要功能主要功能说明Describing primary results and exploring heterogeneity描述原始结果和探索异质性l Ta
6、bular resultsl 将结果以表格形式列出l Forest plots(sensitivity,specificity,LRs,dOR)l 以森林图形式显示灵敏度、特异度、似然比和诊断比值比l ROC plane scatter-plotsl ROC平面散状图l Cochran-Q,Chi-Square, Inconsistency indexl 判断研究间异质性l Filtering/subgrouping capacitiesl 亚组分析Exporing Threshold effect探讨阈值效应l Spearman correlation coefficientl Spearm
7、an相关系数l ROC plane plotsl ROC平面图SROC curve fitting.Area under the curve(AUC) and Q拟合SROC曲线、计算AUC和Q指数Meta-regression analysis回归分析，探讨异质性来源l Univariate and multivariate Moses and Litteenberg model(weight and unweight)l （加权或未加权）单变量及多变量Moses Litteenberg模型Statistical polling of indices合并统计量l Fixed effect m
8、odell 固定效应模型l Random effect modell 随机效应模型数据录入Meta分析1.探索阈值效应2.合并效应量、探讨异质性Summary Specificity Study |Spe95% Conf. Iterval.TP/(TP+FN) TN/(TN+FP)-Schneider |0.927 0.887 - 0.956 35/51229/247Stieber |0.960 0.926 - 0.982 41/87218/227Molina |0.874 0.845 - 0.899 134/175548/627Nissan |0.952 0.898 - 0.982 29/3
9、7119/125Shibayama |0.955 0.921 - 0.977 74/114234/245Lamy |0.980 0.929 - 0.998 117/14697/99Takada |0.902 0.856 - 0.938 73/101203/225Yamaguchi |0.987 0.973 - 0.995 80/127469/475Sun |0.909 0.813 - 0.966 25/3460/66Yang |0.889 0.800 - 0.948 46/6372/81- Pooled Spe |0.930 0.920 - 0.940 -Heterogeneity chi-squared = 77.68 (d.f.= 9) p = 0.000Inconsistency (I-square) = 88.4 %No. studies = 10.Filter OFFAdd 1/2 to all cells of the studies with zero 3.绘制森林图4.绘制SROC曲线5.meta回归分析
