QUADAS-2 on 我的你的我们

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

aprite@outlook.com (Aprite) — Thu, 21 May 2026 00:00:00 +0000

📊 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）

$$ DOR = \frac{TP \times TN}{FP \times FN} = \frac{LR+}{LR-} $$