诊断性试验Meta分析

Revman,Stata,Meta-disc在诊断试验准确性（DTA）

系统评价中的应用

文献数据摘自《ProGRP与NSE对小细胞肺癌诊断价值的meta分析》

注：表中 10 个原始研究均使用酶联免疫吸附测定法检测阳性界值； TP= 真阳性数； FP= 假阳性数； FN= 假阴性数； TN= 真阴性数a:ProGRP,b: NSE

Revman5.2

新建诊断试验准确性(DTA)系统评价模板

添加所有纳入研究

此处对每篇文献QUADAS2质量特征进行描述，以便探讨异质性来源及作表图

数据分析里面添加所要研究的待评价诊断试验

可计算相关指标（似然比及诊断比值比和单独在干预系统评价里面作森林图）

添加分析里面制作SEN和SPE森林图及SROC曲线，可对数据进行重新制定

设置参数

若用户对上图窗口中的统计分析显示的结果不满意，可点击右上角的属性按钮

); 或依次展开树形目录分支"Data and Analyses→Analyses→ProGRP"，选中"ProGRP"并单击右键，选择"Properties … "，弹出属性设置对话框。在图对话框中，可对统计指标(General)、SROC

图、森林图和异质性来源的参数进行设

Study Lamy 2000Molina 2009Nissan 2009

Schneider 2003Shibayama 2001Stieber 1999Sun 2005Takada 1996Yamaguchi 1995Yang 2005

TP 3541134

297411773802546

FP 18979

611222669

FN 164641

840292847917

TN 229218548

119234972034696072

Sensitivity (95% CI)0.69 [0.54, 0.81]0.47 [0.36, 0.58]0.77 [0.70, 0.83]

0.78 [0.62, 0.90]0.65 [0.55, 0.74]0.80 [0.73, 0.86]0.72 [0.62, 0.81]0.63 [0.54, 0.71]0.74 [0.56, 0.87]0.73 [0.60, 0.83]

Specificity (95% CI)

0.93 [0.89, 0.96]0.96 [0.93, 0.98]0.87 [0.85, 0.90]

0.95 [0.90, 0.98]0.96 [0.92, 0.98]0.98 [0.93, 1.00]0.90 [0.86, 0.94]0.99 [0.97, 1.00]0.91 [0.81, 0.97]0.89 [0.80, 0.95]

Sensitivity (95% CI)00.20.40.60.81

Specificity (95% CI)

00.20.40.60.81

置，并点击"Apply"使其生效，见下图。

亚组分析（假如，原文没做）

QUADAS-2偏倚表（图）制作

P a t i e n t S e l e c t i o n

Lamy 2000?Molina 2009

Nissan 2009

+

Schneider 2003?

Shibayama 2001

+Stieber 1999

–

Sun 2005

+

Takada 1996

?

Yamaguchi 1995

+

Yang 2005

?I n d e x T e s t

–

?

+

–

+–

–

?

+

+R e f e r e n c e S t a n d a r d

?

?

+

–

+?

–

?

+

+F l o w a n d T i m i n g

?

?

+

?

?–

–

?

+

+

Risk of Bias P a t i e n t S e l e c t i o n

––

?

––

–

?–?

I n d e x T e s t

?

?

–

?

–?

+

?––

R e f e r e n c e S t a n d a r d

–

?

–

?

–?

?

?–?

Applicability Concerns

–High ?Unclear +Low

异质性来源

在DTA系统评价里面不能直接进行似然比、诊断比值比的森林图以及各指标漏斗图制作，但可以改变四个表数据模式或直接计算相关指标，添加入干预性系统评价模板中进行制作及查看异质性、发表偏倚（漏斗图）。

Stata12

一拟合双变量混合效应模型：midas命令

1.计算所有诊断试验统计学指标（敏感度、特异度、似然比、诊断比值比等）及异质性检验统计量:

SUMMARY DATA AND PERFORMANCE ESTIMATES

Bivariate Binomial Mixed Model

Number of studies = 10

Reference-positive Subjects = 935

Reference-negative Subjects = 2417

Pretest Prob of Disease =0.279

Between-study variance(varlogitSEN) =0.136, 95% CI = [0.041-0.452] Between-study variance(varlogitSPE)= 0.406, 95% CI = [0.133-1.241] Correlation (Mixed Model)= -0.491

ROC Area, AUROC = 0.89 [0.86 - 0.92]

Heterogeneity (Chi-square): LRT_Q = 55.419, df =2.00, LRT_p =0.000 Inconsistency (I-square): LRT_I2 = 96.39, 95% CI = [93.72-99.06]

Parameter Estimate 95% CI

Sensitivity 0.702 [ 0.641, 0.756]

Specificity 0.943 [ 0.913, 0.963]

Positive Likelihood Ratio 12.348 [ 8.245, 18.494]

Negative Likelihood Ratio 0.316 [ 0.262, 0.381]

Diagnostic Score 3.665 [ 3.229, 4.102]

Diagnostic Odds Ratio 39.071 [ 25.251, 60.456]

2. 绘制敏感度、特异度森林图:

3. 绘制 ROC 曲线图：

4. 绘制漏斗图， 识别发表偏倚:

STATISTICAL TESTS FOR SMALL STUDY EFFECTS/PUBLICATION

BIAS

S e n s i t

i v i t y

> 206

Intercept 3.78234 1.105751 3.42 0.009 1.232475 6.332> 146

Bias -.7005376 17.62442 -0.04 0.969 -41.34253 39.94

> > al]

yb Coef. Std. Err. t P>|t| [95% Conf. Interv

>

5.绘制似然比森林图:

6.绘制诊断比值比森林图：

7.绘制验前概率、验后概率图：

验前概率=患病率，验后概率=验前概率*似然比

二拟合HSROC模型：metandi命令1.合并统计量命令

2.绘制SROC 曲线

Covariance between estimates of E(logitSe) & E(logitSp) -.0117264

> > 945

1/LR- 3.164112 .3007045 2.626377 3.811> 526

LR- .3160444 .0300356 .2623332 .3807> 296

LR+ 12.34813 2.544551 8.245105 18.49> 194

DOR 39.07088 8.70083 25.25202 60.45> 602

Sp .9431557 .0123616 .9134894 .9630> 599

Se .7019209 .029502 .6410901 .7563Summary pt.

> > 023

s2theta .1750668 .0938807 .0611986 .5008> 701

s2alpha .2388279 .1917059 .0495257 1.151> 426

beta .5485361 .3866854 1.42 0.156 -.2093534 1.306> 583

Theta -.5042014 .3386717 -1.167986 .159> 009

Lambda 3.261869 .2776274 2.71773 3.806HSROC

> > 676

Corr(logits) -.4913658 .3666173 -.9024235 .3879> 996

Var(logitSp) .4063271 .2312948 .1331508 1.23> 984

Var(logitSe) .1356511 .0833172 .0407018 .4520> 826

E(logitSp) 2.808916 .230571 2.357005 3.260> 825

E(logitSe) .8564618 .1410043 .5800985 1.132Bivariate

> > al]

Coef. Std. Err. z P>|z| [95% Conf. Interv

>

> 10

Log likelihood = -67.370744 Number of studies = Meta-analysis of diagnostic accuracy

Iteration 3: log likelihood = -67.370744 Iteration 2: log likelihood = -67.370744 Iteration 1: log likelihood = -67.370761 Iteration 0: log likelihood = -67.378598 Performing gradient-based optimization:

Iteration 3: log likelihood = -67.378598 Iteration 2: log likelihood = -67.980313 Iteration 1: log likelihood = -69.302533 Iteration 0: log likelihood = -73.728348 (not concave)Refining starting values:

. metandi tp fp fn tn

S e n s i t i v it y

Meta-disc14

表2 Meta-Disc软件的主要功能

主要功能说明

Describing primary results and exploring

heterogeneity

描述原始结果和探索异质性●Tabular results ●将结果以表格形式列出

●Forest

plots(sensitivity,specificity,LRs,dOR) ●以森林图形式显示灵敏度、特异度、似然比和诊

断比值比

●ROC plane scatter-plots ●ROC平面散状图

●Cochran-Q,Chi-Square, Inconsistency index ●判断研究间异质性

●Filtering/subgrouping capacities ●亚组分析

Exporing Threshold effect 探讨阈值效应

●Spearman correlation coefficient ●Spearman相关系数

●ROC plane plots ●ROC平面图

SROC curve fitting.Area under the curve(AUC)

and Q

拟合SROC曲线、计算AUC和Q指数Meta-regression analysis 回归分析，探讨异质性来源

●Univariate and multivariate Moses and

Litteenberg model(weight and unweight) ●（加权或未加权）单变量及多变量Moses

Litteenberg模型

Statistical polling of indices 合并统计量

●Fixed effect model ●固定效应模型●Random effect model ●随机效应模型

数据录入

诊断性meta分析手把教你做临床Meta分析诊断试验性Meta-Disc分析

诊断性meta分析手把教你做临床Meta 分析——诊断试验性 Meta-Disc 分析 导读：诊断性meta分析,手把教你做临床Meta 分析——诊断试验性 meta分析stata诊断性试验meta 手把教你做临床Meta 分析——诊断试验性Meta-Disc 分析 临床治疗的基础首先是需要准确的诊断，准确诊断性Meta 分析是Meta 分析的一个重要部分，本次想向大家推荐的是一款专用于诊断性试验的免费Meta 分析软件，临床医学、临床检验、临床病理、临床科研人员、临床康复科及临床影像科等工作人员可用它写上一篇高大上的诊断准确性试验的Meta 分析文章。 安装软件 Meta-DiSc 是一个免费的下载软件，登录 http://www.hrc.es/investigacion/metadisc_en.htm，下载安装软件，目前最新版本是1.4 版。 运行软件

在试行此软件之前，必须明确和熟悉准确诊断性Meta 分析里结果计算的经典四格表（可能不会在您所纳入的文献中出现，需要研究人自己总结并准确的填写在四格表内，不易混淆而且方便分析）。 TP：True positive 表示真阳性的结果，用数字表示； FP：False positive 表示假阳性的结果，用数字表示； FN：False negative 表示假阴性的结果，用数字表示； TN：True negative 表示真阴性的结果，用数字表示。 1打开软件，可以看到如下界面 Author：第一作者名+ 文章年限，如Rachow 2013； StudyID：纳入文献的排序编号，亦可以按照自己理想的排名排序； 2数据的输入

诊断性meta分析手把教你做临床Meta分析诊断试验性MetaDisc分析

手把教你做临床分析诊断性meta 分析——诊断试验性Meta 分析Meta-Disc Meta 分析——诊断试验性手把教你做临床meta分析, 导读：诊断性诊断性，推荐访问：stata,诊断性试验meta,Meta-Disc 分析诊断性meta分析meta分析stata?诊断性试验meta 手把教你做临床Meta 分析——诊断试验性Meta-Disc 分析 临床治疗的基础首先是需要准确的诊断，准确诊断性Meta 分析是Meta 分析的一个重要部分，本次想向大家推荐的是一款专用于诊断性试验的免费Meta 分析软件，临床医学、临床检验、临床病理、临床科研人员、临床康复科及临床影像科等工作人员可用它写上一篇高大上的诊断准确性试验的Meta 分析文章。安装软件 运行软件 在试行此软件之前，必须明确和熟悉准确诊断性Meta 分析里结果计算的经典四格表（可能不会在您所纳入的文献中出现，需要研究人自己总结并准确的填写在四格表内，不易混淆而且方便分析）。． TP：True positive 表示真阳性的结果，用数字表示；

FP：False positive 表示假阳性的结果，用数字表示； FN：False negative 表示假阴性的结果，用数字表示； TN：True negative 表示真阴性的结果，用数字表示。 1打开软件，可以看到如下界面 Author：第一作者名+ 文章年限，如Rachow 2013； StudyID：纳入文献的排序编号，亦可以按照自己理想的排名排序； 2数据的输入 有三种方法可以输入，我们掌握其中两种就足够运用，一种是当纳入的文献较多的时候，可以按照软件中表格的形式对应写在Excel 表上，点击复制Ctrl+c，并点击黏贴Ctrl+v，便可以copy 至软件中的表格内；另一种当纳入的文献数量较少时，则可以直接用手动输入到Meta-disc 数据表内，如下图。 3数据的分析 （1）合并统计量的分析运行 如下图点击Analyze，在下拉窗口中选择Tabular Results，并点击向右指示的三角箭头，可出现Sensitivity/Specificity；Likelihood Ratio；Diagnostic OR 和灰色的SROC Area（SROC 面积）。根据操作人的实验需要，可点击需要的分析类型并进行分析。 （2）绘制结果森林图的分析 在Analyze 的下拉窗口中选择Plots...，在Select plot 的下拉框中出现ROC ；Diagnostic OR；Negative LR；Positive LR；Specificity；Sensitivity 。操作者可根据合并统计量结果的分析选择对应的森林图；SROC CurvePlane

诊断性meta分析 手把教你做临床 Meta 分析——诊断试验性 Meta-Disc 分析

导读：诊断性meta分析,手把教你做临床 Meta 分析——诊断试验性 Meta-Disc stata诊断性试验meta 手把教你做临床 Meta 分析——诊断试验性 Meta-Disc 分析 临床治疗的基础首先是需要准确的诊断，准确诊断性 Meta 分析是 Meta 分析的一个重要部分，本次想向大家推荐的是一款专用于诊断性试验的免费 Meta 分析软件，临床医学、临床检验、临床病理、临床科研人员、临床康复科及临床影像科等工作人员可用它写上一篇高大上的诊断准确性试验的 Meta 分析文章。 安装软件 Meta-DiSc 是一个免费的下载软件，登录，下载安装软件，目前最新版本是版。运行软件 在试行此软件之前，必须明确和熟悉准确诊断性 Meta 分析里结果计算的经典四格表（可能不会在您所纳入的文献中出现，需要研究人自己总结并准确的填写在四格表内，不易混淆而且方便分析）。 TP：True positive 表示真阳性的结果，用数字表示； FP：False positive 表示假阳性的结果，用数字表示； FN：False negative 表示假阴性的结果，用数字表示； TN：True negative 表示真阴性的结果，用数字表示。 1打开软件，可以看到如下界面 Author：第一作者名 + 文章年限，如 Rachow 2013； StudyID：纳入文献的排序编号，亦可以按照自己理想的排名排序； 2数据的输入 有三种方法可以输入，我们掌握其中两种就足够运用，一种是当纳入的文献较多的时候，可以按照软件中表格的形式对应写在 Excel 表上，点击复制 Ctrl+c，并点击黏贴 Ctrl+v，便可以 copy 至软件中的表格内；另一种当纳入的文献数量较少时，则可以直接用手动输入到 Meta-disc 数据表内，如下图。

诊断性meta分析手把教你做临床Meta分析诊断试验性Metisc分析

诊断性m e t a分析手把教你做临床M e t a分析诊断试验性M e t i s c分析 Document serial number【LGGKGB-LGG98YT-LGGT8CB-LGUT-

诊断性meta分析手把教你做临床Meta 分析——诊断试验性 Meta- Disc 分析 导读：诊断性meta分析,手把教你做临床 Meta 分析——诊断试验性 Meta-Disc 分析,诊断性meta分析stata,诊断性试验meta，推荐访问：? 手把教你做临床 Meta 分析——诊断试验性 Meta-Disc 分析 临床治疗的基础首先是需要准确的诊断，准确诊断性 Meta 分析是 Meta 分析的一个重要部分，本次想向大家推荐的是一款专用于诊断性试验的免费 Meta 分析软件，临床医学、临床检验、临床病理、临床科研人员、临床康复科及临床影像科等工作人员可用它写上一篇高大上的诊断准确性试验的 Meta 分析文章。 安装软件 运行软件 在试行此软件之前，必须明确和熟悉准确诊断性 Meta 分析里结果计算的经典四格表（可能不会在您所纳入的文献中出现，需要研究人自己总结并准确的填写在四格表内，不易混淆而且方便分析）。 TP：True positive 表示真阳性的结果，用数字表示； FP：False positive 表示假阳性的结果，用数字表示； FN：False negative 表示假阴性的结果，用数字表示； TN：True negative 表示真阴性的结果，用数字表示。 1打开软件，可以看到如下界面 Author：第一作者名 + 文章年限，如 Rachow 2013； StudyID：纳入文献的排序编号，亦可以按照自己理想的排名排序； 2数据的输入 有三种方法可以输入，我们掌握其中两种就足够运用，一种是当纳入的文献较多的时候，可以按照软件中表格的形式对应写在 Excel 表上，点击复制