诊断准确性试验(DTA)Meta 分析方法学指南——以影像学诊断策略为例
📊 引言
在临床诊断研究中,评估某种影像学检查、实验室检验或临床评分的诊断准确性是证据合成的核心任务。当多个独立研究报道了同一诊断试验的敏感度(Sensitivity)和特异度(Specificity)时,如何整合这些证据?
传统的 Meta 分析方法主要针对单一效应量(如 OR、RR、SMD)的合并,而诊断准确性试验(Diagnostic Test Accuracy, DTA)Meta 分析面临独特的方法学挑战:
- 双变量结局:敏感度和特异度存在内在负相关,不能分别合并
- 阈值效应:不同研究采用不同的阳性判定标准,导致敏感度-特异度权衡
- 异质性来源复杂:参考标准、研究人群、实施条件均可导致异质性
- 临床决策转化:需要将统计结果转化为每 1000 名患者的临床后果
本文以一项影像学诊断策略研究为例,介绍 DTA Meta 分析的完整方法学框架。该方法同样适用于超声、CT、MRI、实验室检验、临床评分等各类诊断工具的准确性评价。
📏 核心指标解读
诊断准确性分析中,基于四格表(TP、FP、FN、TN)可计算以下核心指标:
1. 敏感度(Sensitivity, Se)与特异度(Specificity, Sp)
$$ Se = \frac{TP}{TP + FN} \quad Sp = \frac{TN}{TN + FP} $$
- 敏感度:实际患病者中被正确识别为阳性的比例
- 特异度:实际未患病者中被正确识别为阴性的比例
2. 阳性/阴性似然比(LR+ / LR−)
$$ LR+ = \frac{Se}{1 - Sp} \quad LR- = \frac{1 - Se}{Sp} $$
- LR+ > 10:强支持诊断
- LR− < 0.1:强支持排除诊断
3. 诊断优势比(Diagnostic Odds Ratio, DOR)
$$ DOR = \frac{TP \times TN}{FP \times FN} = \frac{LR+}{LR-} $$



















