基于广义logistic分布的诊断试验meta分析GHSROC及MGHSROC新模型构建

发布时间：2020-03-22 10:24

【摘要】：背景:近年来循证医学得到了迅速发展,基于meta分析的循证医学研究结果也作为较高级别的证据来指导临床实践。目前,在诊断试验评价领域,诊断试验meta分析方法因不能满足应用需求,而使得这一领域的方法学研究备受关注。诊断试验的meta分析方法目前应用最多的是RutterGatsonis提出的HSROC(hierarchical summary receiver-operator curves)模型和 Reitsma 等人提出的双变量随机效应模型(bivariate random-effects model)。HSROC模型考虑了不同诊断界值及研究协变量对灵敏度和特异度的影响,是目前处理不同诊断界值诊断试验meta分析的主要方法。HSROC模型有一个潜在假设:灵敏度和特异度经logit变换后成线性关系,这个假设只有当疾病及健康人群诊断结果服从logistic分布时才成立。logistic分布是一个对称分布,当诊断结果呈偏态时,理论上将不再符合HSROC的模型假设。现实应用中偏态分布数据并不少见,即使经过变换也很难同时将疾病个体及健康个体检测值变换为对称分布,所以有必要建立一个即适用于偏态数据又适用于对称数据的模型。另外,目前HSROC模型只基于每个研究报告的一组灵敏度和特异度数据建立,存在明显的缺陷:现实中很多灵敏度/特异度集中在某个值附近,比如0.95,如果只基于每个研究提供的一组灵敏度特异度数据,很难验证logit变化后是否满足线性关系。纵观目前的一些连续性资料诊断试验研究,很大一部分文章中都会报道ROC曲线,如果可以把ROC曲线的信息充分利用,这无疑将提高模型的拟合效果,获得更为精确的SROC曲线。目的:①针对各研究只提供一组灵敏度和特异度的资料类型,在HSROC模型基础上,基于广义logistic分布,建立既适用于对称数据又适用于偏态数据的GHSROC模型(GenalizedHSROCModel)。②针对各研究提供ROC曲线的资料类型,充分利用每个研究的信息,在每个研究的ROC曲线上提取多个点,基于广义logistic分布,建立既适用于对称数据又适用于偏态数据的MGHSROC模型(Multi-points based Genalized HSROC Model)。方法:①假设诊断结果服从广义logistic分布,基于广义logistic分布推出的灵敏度与特异度先经幂指数变换再经logit变换后的线性关系式,借助HSROC的构建思路,建立GHSROC模型。模拟验证在偏态分布条件下GHSROC模型是否比HSROC模型更优,及GHSROC模型是否同样适用于对称分布数据。模拟参数主要考察研究数大小及数据分布偏度对模型的影响。②在每个研究的ROC曲线上提取9个点,分别是特异度为0.1-0.9间隔0.1时对应的灵敏度和特异度对子。将9对特异度和灵敏度看做9个等级下的累积概率,将诊断界值看做等级logistic回归的截距项,利用等级logistic回归模型的构建方法,基于广义logistic分布,建立MGHSROC模型。不考虑偏度的MGHSROC模型称为简单模型,考虑偏度的称为复杂模型。模拟验证在偏态分布条件下复杂模型是否比简单模型更优,及复杂模型是否同样适用于对称分布数据。模拟参数考虑同第①部分。结果:①数据对称且研究数小于10时,HSROC拟合效果优于GHSROC模型;数据偏态且研究数小于10时,GHSROC模型拟合效果与HSROC相近;数据偏态且研究数大于10时,GHSROC模型拟合效果优于HSROC模型。②数据对称时,简单模型拟合效果与复杂模型相近;数据偏态时,复杂模型比简单模型拟合更优。结论:针对各研究只提供一组灵敏度和特异度的资料类型,本研究创新性的建立了 GHSROC模型。实际应用中,当研究数小于10时,推荐使用HSROC模型;当研究数大于10时,推荐使用GHSROC模型。针对各研究提供ROC曲线的资料类型,本研究创新性的建立了 MGHSOC模型。实际应用中,无论数据是对称还是偏态,均可选择MGHSROC的复杂模型进行建模。
【图文】：

均匀分布,形状参数,广义

杨冉冉在其硕士论文《三参数Ｉ型广义ｌｏｇｉｓｔｉｃ分布的参数估计》［４８］中用逡逑数学方法证明，广义ｌｏｇｉｓｔｉｃ分布的ｓｋｅｗｎｅｓｓ位于－２和１．１３９６之间。我们绘制了广逡逑义ｌｏｇｉｓｔｉｃ分布的ｓｋｅｗｎｅｓｓ与形状参数ｖ的关系图，见图２－１，从图中可以看到形状逡逑参数从０增大到５时，ｓｋｅｗｎｅｓｓ的变化比较急剧；当形状参数从５变化到１０时，逡逑ｓｋｅｗｎｅｓｓ的变化比较缓慢；当形状参数从１０再向上增大时，ｓｋｅｗｎｅｓｓ基本维持不逡逑变。这种现象说明形状参数大于１０之后，形状参数己经基本不影响分布的偏度逡逑了，主要影响的是分布的期望和方差。基于此，本研宄选取＾为（０，２０）区间上逡逑的均匀分布，具体设置如下：逡逑２２逡逑

模型,模型拟合,灵敏度,诊断试验

逡逑红色的代表ＨＳＲＯＣ模型，可以看到从整体上两模型拟合ＲＯＣ很相近，但在特逡逑异度为０．７５时，ＧＨＳＲＯＣ拟合出的分为０．９５９，ＨＳＲＯＣ拟合出的＆为０．９２３，逡逑两模型拟合出的灵敏度相差３．６％。在诊断试验领域中，对于灵敏度３．６％的差异逡逑是不容忽视的，，尤其是对于一些关键点来说，根据我们前文的模拟结果，我们逡逑有理由认为ＧＨＳＲＯＣ模型拟合的结果更精确。逡逑表２－３邋ＨＳＲＯＣ和ＧＨＳＲＯＣ分析结果逡逑ＨＳＲＯＣ模型逦ＧＨＳＲＯＣ模型逡逑Ａ逦１６７逦＾０８６逡逑（３逦０．１１逦０．４１逡逑Ｖｄ逦－逦４．６７逡逑ＤＩＣ逦４６９．１８逦４７３．４６逡逑用两种模型绘制的ＲＯＣ曲线如下：逡逑
【学位授予单位】：南方医科大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：R-03

【参考文献】