手机版 下载桌面 设为首页

R软件:诊断试验的meta分析

  诊断试验的meta分析。在诊断试验中,通过金标准诊断为患者和非患者,采用某种试验方法诊断为阳性或阴性,列成四格表的形式,计算相关指标评价该试验方法的价值。单个诊断试验中,常用灵敏度、特异度、似然比、预测值等评价诊断试验的价值。

  除上述我们熟悉的指标外,我们需要了解下列指标:

  诊断优势比(DOR)=真阳性*真阴性/(假阳性*假阴性),主要用于诊断试验meta分析中,作为meta分析合并时每个诊断试验权重的依据。

  SROC曲线是根据单个诊断试验中的诊断优势比的权重,绘制的集成ROC曲线。从SROC曲线上可以得到每一个研究的灵敏度和特异度,在存在阈值效应时,该方法最适合。在绘制SROC曲线的基础上,可计算SROC曲线下面积以及Q指数。Q指数为在SROC曲线上,灵敏度=特异度,且最靠近左上角的坐标。

  接下来,我们看看诊断试验meta分析的步骤。

  与其他类型的meta分析不同的是,诊断试验meta分析中,阈值效应是异质性的重要来源。阈值效应是因为单个诊断试验中采用不同的诊断界值引起的。当存在阈值效应时,随着灵敏度的增加,特异度逐渐减小,反之亦然。

  我们常通过计算灵敏度与特异度的Spearman相关系数探讨阈值效应,二者之间若存在强负相关则提示存在阈值效应。但需要注意的是,灵敏度与特异度的相关并不一定都是由阈值效应引起。

  当不存在阈值效应时,可以直接合并灵敏度、特异度等单一评价指标;当存在阈值效应时,应采用SROC曲线法,计算SROC曲线下面积和Q指数。

  目前,可用来进行诊断试验meta分析的软件有RevMan、meta-DiSc、Stata、R软件等。今天,我们以R软件的meta4diag程序包为例,演示下如何做诊断试验的meta分析。

  meta4diag程序包的功能是基于INLA实现的, 因此在使用时还需同时安装相关程序包,即INLA 程序包和sp程序包,程序如下:

  (1)下载程序包,若运行出错,可通过R/RStudio的工具栏,手动安装。

  install.packages("meta4diag")

  install.packages("INLA", repos="http://www.math.ntnu.no/inla/R/testing")

  (2)加载程序包。library(meta4diag);library(INLA)。

  (3)读取数据。mydata<-read.csv(file.choose())。数据至少应包括studynames,真阳性例数TP、假阴性例数FN、真阴性例数TN、假阳性例数FP。

studynames

TP

FN

TN

FP

Zhou 2008

8

1

16

2

Zhao 2000

14

2

9

2

Zhang 2001

29

3

60

10

Wang 2001

40

4

31

4

Sun 2008

4

2

27

7

Qian 2005

6

3

44

9

Li 2003

11

4

33

2

  (4)整理数据。需要将录入的数据整理成函数要求的格式,这个不用担心,直接运行下列程序即可。将res<-meta4diag(mydata)中的mydata改成您自己的数据即可。

  if(requireNamespace("INLA", quietly = TRUE)){

  require("INLA", quietly = TRUE)

  res <- meta4diag(mydata)

  }

  (5)探讨阈值效应。计算灵敏度(真阳性)与特异度(真阴性的)Spearman相关系数,若二者之间Spearman相关系数呈现强负相关,且p<0.05,提示存在阈值效应,则不适合合并灵敏度、特异度等,而应该拟合SROC曲线。cor.test(mydata$TP,mydata$TN,method = "spearman")。

  (6)绘制森林图。可通过accuracy.type选择绘制哪个指标的森林图,如

  "sens", "spec", 分别代表灵敏度、特异度。

  forest(res, accuracy.type = "sens");forest(res, accuracy.type = "spec")。

  (7)绘制SROC曲线,计算其曲线下面积。

  SROC(res, est.type="mean");AUC(res,est.type="mean")。

  诊断试验meta分析流程图

  引自:刘鸿, 周洁, 冯巧灵, 顾海涛,基于检验效能的诊断性试验Meta分析及系统评价方法《转化医学杂志》2015年1期。

  复制下列程序至R或RStudio软件,按要求整理数据,选择存储数据的路径即可。

  #下载程序包

  install.packages("meta4diag")

  install.packages("INLA", repos="http://www.math.ntnu.no/inla/R/testing")

  #加载程序包

  library(meta4diag)

  library(INLA)

  #读取数据

  mydata<-read.csv(file.choose())

  mydata

  #数据整理

  if(requireNamespace("INLA", quietly = TRUE)){

  require("INLA", quietly = TRUE)

  res <- meta4diag(mydata)

  }

  #探讨阈值效应

  cor.test(mydata$TP,mydata$TN,method = "spearman")

  #绘制森林图

  forest(res, accuracy.type = "sens")

  forest(res, accuracy.type = "spec")

  #拟合SROC曲线,计算其曲线下面积

  SROC(res, est.type="mean")

  AUC(res,est.type="mean")

分类标签:R软件  诊断试验  meta分析  

声明:本文转载仅出于学习和传播信息所需,并不意味着代表本站观点或证实其内容的真实性;其他网站或个人转载使用须保留本站所注“来源”,并自负相关法律责任;如作者不希望被转载或其他事宜,请及时联系我们!