基于BP神经网络的认知诊断评估分类准确率影响因素分析

BP神经网络是目前应用最广泛的人工神经网络模型之一,在分类和识别上表现出良好的特性,因此被研究者用于认知诊断评估以对被试进行诊断分类。通过模拟研究,考查属性个数、属性层级关系、测验长度、题目质量、测试样本量5个因素对BP神经网络在认知诊断中分类准确性的影响。结果表明:1)基于BP神经网络的认知诊断分类准确率不依赖于测试样本量;2)题目质量和测验长度对BP神经网络的诊断准确率有显著的积极影响;3)属性个数对BP神经网络的分类准确率有消极影响;4)题目质量一定程度上会影响BP诊断方法在不同属性层级结构上的分类准确率。

血浆醛固N／肾素活性比值对筛选原发性醛固酮症价值的文献质量评价

目的评价国内外关于应用血浆醛固酮／肾素活性比值（ARR）诊断原发性醛固酮症（PA）的文献质量。方法计算机检索Cochrane图书馆（1962—2007．12）、PubMed（1970—2007．12）、VIP（1989—2007．12）、万方（1982～2007．12）、CBMdisc（1978—2007．12），纳入应用ARR诊断PA的所有诊断性研究文献，按QUADAS（Quality Asse—ssment of Diagnostic Accuracy Studies）质量评价标准由两名研究者独立进行文献质量评价，如遇分歧，讨论解决。结果共纳入14篇相关文献，质量评价结果表明，大多数文献与QUADAS质量评价标准符合率不高。其中9篇病例谱未包含各种病例及易混淆病例，8篇未清楚描述研究对象的纳入排除标准，3篇金标准不能准确区分有病无病状态，13篇均没有采用盲法比较诊断性试验与金标准的结果。结论国内外关于应用ARR诊断PA的诊断性研究文献质量在病例选择、金标准选择、盲法比较、偏倚控制等方面需进一步完善。

偏倚风险评估系列：（六）诊断试验

本讲座详细介绍了诊断试验准确性研究的偏倚评估工具（QUADAS-2）的主要内容，同时阐述了QUADAS-2的开发过程及与第一版QUADAS工具的区别，并举例说明QUADAS-2的使用方法和注意事项。QUADAS-2相比第一版QUADAS工具有巨大改进，例如QUADAS-2删除了QUADAS中易混淆的条目内容，仅通过对重叠度最小的4个关键领域（Domain）的描述和对每个领域内信号问题的回答完成偏倚风险和适用性两个核心方面的评价，最后得出原始研究每个领域的偏倚风险和适用性为高（High）、低（Low）或不清楚（Unclear）的结论，而不再是给出原始研究质量评价的总分，这与Cochrane干预措施系统综述中偏倚风险的评估一致。同时，QUADAS-2还可以应用于金标准中包括随访但不涉及预后问题的原始研究的偏倚风险评价。虽然开展QUADAS-2评价需要花费更多时间，但这对于诊断准确性研究的偏倚风险评价非常重要。QUADAS-2研究组后续还将在比较多种待评价诊断试验的原始研究中应用QUADAS-2进行偏倚风险评估，使用者可持续关注其进展，同时也可在线反馈使用体验或提供改进建议。