兩部貝葉斯模型在無金標準條件下含協變量ROC分析中的應用.pdf

1、診斷試驗是臨床研究的重要組成部分，它可在篩檢試驗的基礎上，進一步把患者、疑似病例和需鑒別的其他疾病區(qū)別開來，并且有關患者的療效評價和預后估計等，一定程度上也都依賴于診斷試驗結果。因此，尋找科學準確地評價診斷試驗的方法，不僅可為疾病的診斷提供可靠信息，影響醫(yī)生給患者安排的治療計劃；而且也是患者預后估計和療效評價的關鍵。一種好的診斷試驗，不僅可早期診斷疾病，而且可有效利用衛(wèi)生資源，避免冗余檢查造成的醫(yī)療資源浪費。作為診斷試驗評價的關鍵，診斷

2、試驗準確性的研究目前已經引起了醫(yī)學界的廣泛關注。有關單指標診斷試驗評價、聯合診斷試驗評價方法已有報道，但考慮多個影響因素（協變量covariates）的診斷試驗評價方法研究在國內剛剛起步，對沒有金標準情況下，考慮多個影響因素的診斷試驗評價方法研究目前國內尚未見報道。
　　 ROC分析是近年逐漸受到醫(yī)務工作者親睞的評價診斷試驗準確性的一種綜合方法，也是方法學研究中目前備受關注的一個研究內容。由于生物醫(yī)學現象實踐的特殊性，任意一項診

3、斷試驗的準確度也必然會受到多種因素或多個協變量的影響，要正確評價診斷試驗的準確度，那就應考慮這些因素或協變量對診斷試驗結果的影響。有關含協變量的ROC 曲線分析研究，通常情況下，都必須基于診斷試驗金標準存在的條件。然而在眾多疾病的診斷試驗研究中，往往會由于“金標準”不存在、或“金標準”診斷十分昂貴、或執(zhí)行起來不符合實際，有時甚至不可能建立一個權威的“金標準”。這樣，在許多ROC 曲線模型研究中，就有可能不自覺地采用不完善的診斷試驗評價標

4、準，從而導致ROC 曲線估計偏差加大。為有效解決醫(yī)學診斷試驗研究中，多種因素或協變量對診斷試驗準確度評價的影響，并且探討一種無金標準條件下，對采用不完善標準獲得估計ROC 曲線的校正方法，本文對兩部貝葉斯模型原理及其應用進行深入研究。
　　 為探討兩部貝葉斯模型在無金標準條件下，考慮協變量影響后估計ROC 曲線的準確度，本文進行了模擬研究。結果表明：1.隨樣本含量的增大，參數估計的準確度越來越高；
　　 當樣本含量增加到

5、150以上時，參數估計值與模擬真值非常接近。2.兩部貝葉斯估計的集中趨勢指標中位數和均數盡管相差不大，但也可見到中位數更接近模擬真值。3.將按兩部貝葉斯模型分析得到的D值與預設定的D值進行對比研究，結果表明在樣本含量低于100時，二者一致率(％) D不足85％；當樣本含量逐漸增大到150時，二者的一致率達90％；當樣本含量大于300時，二者一致率幾乎與真值相等。綜上可知，兩部貝葉斯模型對于無金標準條件下考慮協變量影響后的ROC 曲線估計

6、，其估計結果準確度較高，當樣本含量在150例以上，可以保證診斷試驗準確度更高。
　　 兩部貝葉斯模型應用于冠心病診斷試驗時，不僅可以解決無金標準條件下不能進行ROC分析的難題，而且可以用來闡明協變量對診斷試驗準確度影響的獨立或協同效應，同時可以結合醫(yī)學實踐要求，通過分層控制影響診斷試驗結果的協變量，繪制ROC 曲線并計算ROC 曲線下面積，以期對診斷試驗結果進行合理的解釋與評價。同時本文根據所得ROC 曲線確定最優(yōu)截斷點，為臨床

7、診斷、治療方案制定、預后分析及療效評價提出有益的建議，為臨床診斷試驗準確度評價的方法學研究提供理論依據。
　　 兩部貝葉斯模型作為無金標準診斷試驗模型，不僅可考慮多個協變量對診斷試驗結果的影響，同時也可較完善地解決疾病的診斷、分型和療效評價問題。其建模靈活，解釋合理，在MATLAB 軟件中，程序編寫簡單，不拘于固定模塊，便于實現，符合本課題研究設想，滿足醫(yī)學實踐無金標準條件下的臨床診斷要求。該法對效應（反應）變量的分布沒有特定的