诊断准确性试验的系统评价/Meta分析报告规范(PRISMA-DTA)的解读

诊断准确性试验(diagnostic test accuracy,DTA)的系统评价/Meta分析报告规范(PRISMA-DTA)用于规范和提高DTA的系统评价/Meta分析的报告质量,其于2018年1月发表在JAMA杂志。本文对其条目进行解读,以促进国内学者对PRISMA-DTA的理解和应用,以期提高DTA的系统评价/Meta分析报告质量。

基于机器学习的诊断性试验准确性研究(一):研究设计

随着人工智能的发展,机器学习在疾病诊断方面的运用逐渐广泛,对于基于机器学习的诊断性试验准确性研究,如何合理评估模型的性能对提升诊断准确性至关重要。本研究为系列方法学研究之一,首先从靶疾病、受试者选择、诊断性试验、参考标准、伦理等方面介绍了基于机器学习的诊断性试验准确性研究的设计原则。

诊断性试验准确性比较研究

在同一个研究中对多个诊断性试验的诊断准确性进行比较,可筛选出准确性较高的诊断性试验。因此,诊断性试验准确性比较研究的开展尤为重要。本文介绍了诊断性试验准确性比较研究的概念,比较了其与单个诊断性试验研究的不同,并从其作用、研究设计、统计分析、现状与挑战的角度进行了阐述。

2型糖尿病湿热证五种权重研究方法的诊断性试验准确性比较研究

目的以《2型糖尿病湿热证诊断标准》为例,比较五种中医证候诊断权重研究方法的诊断准确性,分析其诊断效能和特点。方法收集关于2型糖尿病湿热证诊断标准的专家调查问卷数据和1021例患者的横断面调查研究数据,采用诊断性试验准确性比较研究(CDTA)方法,分析知识驱动型赋权方法(专家打分综合法、层次分析法、优序图法)和数据驱动型赋权方法(Logistic回归贡献度法、熵权法)五种常用权重研究方法的受试者工作特征(ROC)曲线下面积(AUC)、P-R曲线下面积(AUPR)、准确率(ACC)、敏感度、特异度,比较其诊断效能和特点。结果在1021例2型糖尿病患者中有389例为湿热证,632例为非湿热。专家打分综合法、AHP法、优序图法在各条目权重分值大小上基本保持一致,专家打分综合法、AHP法和熵权法的各条目权重分值差异比例较小,优序图法和Logistic回归贡献度法的各条目权重分值差异比例较大。五种权重研究方法的AUC(95%可信区间)、AUPR、ACC、敏感度、特异度分别为:专家打分综合法[0.913(0.893,0.932),0.851,0.870,0.868,0.875]、层次分析法[0.910(0.890,0.930),0.838,0.879,0.848,0.896]、优序图法[0.919(0.900,0.937),0.858,0.875,0.871,0.875]、Logistic回归贡献度法[0.867(0.842,0.891),0.792,0.853,0.769,0.898]和熵权法[0.895(0.873,0.916),0.820,0.869,0.802,0.908]。结论知识驱动型赋权方法在诊断效能和反映专家经验与知识方面较数据驱动型赋权方法更具优势。

ICU意识模糊评估量表与重症监护谵妄筛查量表应用效果比较的Meta分析

目的 评价ICU意识模糊评估量表(Confusion Assessment Method of Intensive Care Unit,CAM-ICU)和重症监护谵妄筛查量表(Intensive Care Delirium Screening Checklist,ICDSC)对重症患者谵妄发生的应用效果,为重症患者谵妄筛查的工具选择提供依据。方法 计算机检索PubMed、Web of Science、Embase、Cochrane Library、中国知网、万方数据库、维普数据库、中国生物医学文献数据库从建库至2023年2月24日关于CAM-ICU与ICDSC的诊断试验准确性比较研究。经过文献筛选、文献质量评估、资料提取后,采用Rev Man 5.3软件和Meta-DiSc软件进行数据分析。结果 共纳入10篇研究,CAM-ICU和ICDSC的合并灵敏度分别为0.73和0.77;合并特异度分别为0.93和0.91;合并诊断比值比为37.62和36.95。结论 CAM-ICU与ICDSC在重症患者谵妄筛查中均具有良好的诊断效度;基于谵妄的波动性特点,CAM-ICU可能更适合ICU环境下患者的谵妄评估。