医学诊断试验评价的ROC分析——重复测量诊断数据的ROC曲线

目的探讨诊断试验中重复有序分类测量数据的ROC分析方法。方法在有序模型基础上构造相应的ROC模型 ,然后选用累积logistic模型作为联系函数 ,采用GEE方法进行参数估计。结果通过累积logistic模型的参数估计 ,能够得到ROC曲线方程、ROC曲线下面积及标准误。结论上述方法能够对影像诊断试验中常见的重复测量数据进行有效地分析与处理。

重复测量诊断试验的ROC曲线广义线性混合效应模型

目的针对重复测量诊断数据,为同时考虑协变量对诊断试验准确性评价的影响,度量重复测量数据间的相关性,本文探索新的ROC曲线的建模方法。方法通过广义线性混合效应模型对ROC曲线进行模拟,并采用贝叶斯参数估计方法,利用Win BUGS软件予以实现,进而计算不同协变量取值下的ROC曲线下面积(AUC)以对诊断试验结果进行评价。结果实例数据分析结果表明,基于广义线性混合效应模型的ROC曲线建模方法可以有效地刻画重复测量诊断试验数据,给出更有解释意义的回归参数,提供临床分析的参考依据。结论基于广义线性混合效应的ROC曲线模型在解决重复测量诊断试验的准确度评价问题起着至关重要的作用。

IgA肾病无创诊断模型的构建与评价

目的探讨与IgA肾病(IgAN)诊断相关的临床指标,构建IgAN的无创诊断模型。方法选取2012年6月1日—2019年6月30日在我院肾病科住院并行肾穿刺活检的肾炎综合征患者440例作为研究对象,按病例纳入时间分为训练集(IgAN 147例,非IgAN 118例)和验证集(IgAN 88例,非IgAN 87例)。收集并比较分析训练集IgAN和非IgAN患者的一般资料(年龄、性别、有无高血压史)、血清学指标(血清尿素氮、血肌酐、血尿酸及血清IgA、血清IgG水平等)和尿液指标(尿红细胞计数、24 h尿蛋白定量)是否存在差异,将有统计学意义的临床指标进行ROC分析,筛选出与IgAN诊断相关的因素并建立诊断模型,并将该模型应用于验证集人群进行验证。结果根据ROC分析,尿红细胞计数、血清总蛋白、血清低密度脂蛋白胆固醇(LDL-C)、IgA/C3比值及血清IgG水平是诊断IgAN的影响因素;由上述指标构建IgAN诊断模型,训练集ROC曲线下面积为0.88(95%CI=0.84~0.92),诊断灵敏度为83.67%,诊断特异度为79.66%,阳性预测值为83.67%,阴性预测值为79.48%,验证集ROC曲线下面积为0.84(95%CI=0.78~0.89),诊断灵敏度为79.55%,诊断特异度为73.56%,阳性预测值为76.53%,阴性预测值为83.11%,说明该模型具有较高的准确性。结论基于尿红细胞计数、血清总蛋白、血清LDL-C、IgA/C3比值及血清IgG等指标建立的IgAN无创诊断模型,具有较高的准确性,可用于辅助IgAN的早期诊断。