诊疗试验医学宣教

什么是诊断试验？

临床上借助各种检查、检验手段来证实对疾病的诊断。这些检查、检验的手段就是诊断试验。

这里的诊断试验包括各种实验室检查（如物理性、化学性、血清学的试验等）、医疗仪器检查，还包括采集病史、查体等所获得的临床资料，以及各种公认的诊断标准等。诊断试验在临床上的用途

1、诊断疾病；2、筛检无症状的病人；3、疾病的随访；4、判断疾病的严重性；5、估计疾病的临床过程及预后；6、估计对治疗的反应；7、测定目前对治疗的实际反应。为什么要对诊断试验进行研究并评价?诊断试验研究的重要性一项诊断措施其效果如何，在临床上的应用价值有多大。需要进行合理的设计、科学地评价，才能估计。---癌胎抗原(CEA)

所以进行诊断试验研究是正确认识诊断试验临床应用价值的前提诊断试验评价的重要性

也是临床医师选择诊断试验的基础新的诊断技术层出不穷，临床医生如何选择？则需要对新的诊断试验的真实性和可靠性进行评价才能作出决择。一、诊断试验研究方法1）就是要对诊断试验的真实性(validity)和可靠性(reliability)两方面进行评价。2）帮助临床医师选择合适的诊断技术。

1、诊断试验研究的目的：2、基本过程：研究对象标准方法诊断试验病例有病非病无病诊断试验研究基本步骤1、标准方法的选择与确定2、研究对象的选择3、样本大小的估计4、确定合适的正常值5、盲法同步比较、评价各项指标标准方法的确定

设立金标准：金标准是指当前医学界公认的诊断某种疾病的最可靠方法，也称标准诊断。临床中常用的金标准，包括临床医学专家共同制订的诊断标准、外科手术发现、病理学诊断、长期临床随访、影像学诊断以及长期随访所获得的肯定诊断等。选择研究对象

选择病例组时应包括各型病例：典型和不典型的病例，早、中、晚期的病例，轻、中、重型，以及有和无并发症的病例等，这样才能使试验结果具有代表性。

对照组选择用金标准判断无该病的病例，特别是容易和该病混淆的其他病例，这样的对照才有临床实用价值，而选择正常人作为对照是不妥当的。样本大小的估计

与下列因素有关：1、对试验灵敏度的要求，即假阴性率的控制水平；2、对试验特异度的要求，即假阳性的控制水平；3、允许误差的大小。样本大小的估计公式每个诊断试验的敏感性和特异性均是稳定的指标，因此，可按照估计总体率的样本含量估算方法，计算样本量n，计算公式如下：

样本大小的估计公式

公式中P为灵敏度或特异度的估计值：σ为容许误差，α为第一类错误的概率；Uɑ为对应的U值，可由U界值表中查得；如P为灵敏度则算的是所需病人，P为特异度则计算的是非病人。σ一般取0.05~0.1之间.确定合适的界值界值（正常值范围）是诊断试验判断诊断结果属于“正常”或是“异常”的依据。不同的界值标准，能明显地影响诊断试验评价指标的判断。常用确定界值的方法：正态分布法百分位数法盲法同步比较

盲法同步比较诊断试验与金标准的结果：即要求判断诊断试验结果者不能预先知道金标准划分研究对象的结果。盲法的目的是避免疑诊偏倚。新的诊断试验对疾病的诊断结果应当与金标准诊断的结果进行同步对比，并且列出四格表，以便进一步评估。将用金标准划分的病例组和对照组，以及由诊断试验测试的所有研究对象获得的阳性、阴性结果填入四格表中：其中：a：真阳性：为病例组内试验阳性的例数b：假阳性：为对照组内试验阳性的例数c：假阴性：为病例组内试验阴性的例数d：真阴性：为对照组内试验阴性的例数各评价指标的含义及计算公式：

1．灵敏度(sensitivity,Sen):即采用金标准诊断为“有病”的例数中，诊断试验检测为阳性例数的比例。它反映了诊断试验检出患者的能力。

Sen=a/(a＋c)

2．特异性(specificity,Spe):即采用金标准诊断为“无病”的例数中，诊断试验检测为阴性例数的比例。它反映了诊断试验鉴别非患者的能力。

Spe=d/(b＋d)

3．准确性(accuracy,Ace):即诊断试验检测为真阳性和真阴性，在总检例数中的比例。它反映了诊断试验正确诊断患者和非患者的能力。也称真实性。Ace=(a＋d)/(a＋b＋c＋d)4．阳性预测值(positive

predictive

value,＋PV):即诊断试验检测的全部阳性例数中，"有病"者(真阳性)所占的比例。它较为直观地反映了诊断试验阳性结果的临床应用价值，数值越大越好。

＋PV=a/(a＋b)5．阴性预测值(negative

predictive

value,－PV):即诊断试验检测的全部阴性例数中，"无病"者(真阴性)所占的比例。它较为直观地反映了诊断试验阴性结果对排除某病的临床应用价值，数值越大越好。

－PV=d/(c＋d)6．患病率(prevalence

rate,Pre):即经诊断试验检测的全部病例中，真正"有病"患者所占的比例。在级别不同的医院中，某种疾病的患者集中程度不同。故患病率差别大，从而影响阳性及阴性预测值的结果。

Pre=(a＋c)/(a＋b＋c＋d)7．阳性似然比(positive

likelihood

ratio,＋LR):即诊断试验中，真阳性率与假阳性率的比值。表明诊断试验为阳性时患病与不患病机会的比值，比值越大则患病的概率越大，阳性结果的正确率越高。+LR=[a/(a+c)]/[b/(b+d)]=Sen/(1-Spe)8．阴性似然比(negative

likelihood

ratio,－LR):即诊断试验中，假阴性率与真阴性率的比值。表明诊断试验为阴性时患病与不患病机会的比值。比值越小，表明阴性结果的正确率越高。

－LR=[c/(a+c)]/[d/(b+d)]=(1-Sen)/Spe思考：某医生欲评价血清癌胚抗原（CEA）水平作为肠癌复发的指标。应如何设计？

据文献：CEA诊断的Spe=0.75，Sen=0.8二、诊断试验评价的指标和意义评价诊断试验的临床价值应从三方面考虑：真实性、实用性和精确性，其中以真实性最为重要，真实性好的诊断试验，能较好反映客观实际，则有较好的实用价值，否则无实用价值。分别阐述如下：(一)评价真实性的指标1．真实性或准确性要求一项诊断试验具备能正确地鉴别某病例患和未患某病的能力。这种反映患病实际情况的程度称作真实性，亦称准确性。一项诊断试验的真实性包括灵敏度和特异度两方面。Sen=a/(a＋c)Spe=d/(b＋d)1）假阴性率：又称漏诊率(统计学上称β错误),理想的应是0%。假阴性率（FNR）=c/(a+c)

2）假阳性率：临床上称为误诊率（统计学上称为α错误），理想的应是0%。假阳性率（FPR）=b/(b+d)

3）约登指数：灵敏度与特异度之和，减100%为正确指数，亦称约登指数（Youdon’sIndex），理想的应为100%。其值愈大愈好。约登指数（YI）=灵敏度+特异度-1相关指标：例：现以喉拭培养结果为标准诊断方法，评价仅凭临床观察诊断β-溶血性链球菌感染的真实性，结果见表。实例：灵敏度=a/(a+c)=27/37=0.73特异度=d/(b+d)=77/112=0.688

假阳性=b/(b+d)=35/112=0.212

假阴性=c/(a+c)=10/37=0.27 约登指数=灵敏度+特异度-1=0.418 计算结果：

特点：1、计算诊断试验的灵敏度或假阴性率只与患者数有关，而与非患者数无关；计算诊断试验的特异度或假阳性率只与非患者数有关，而与患者数无关。2、灵敏度与假阴性率之和为1。特异度与假阳性率之和为1。3、在临床工作中，医师希望一项诊断试验的灵敏度和特异度均高，但实际上很难如愿。4、事实是若提高灵敏度必然以降低特异度为代价，反之亦然。2、灵敏度与特异度的关系灵敏度与特异度的关系

灵敏度和特异度一般呈反比关系，选择临界点即决定诊断标准时究竟取高灵敏度或高特异度，必须权衡假阳性和假阴性造成的后果。

如何确定临界值？具体确定诊断值的作法，一般只能从临床需要出发，权衡利弊得失再作出。1、若所研究的疾病病死率高，预后不佳，漏诊将带来严重后果或早期诊断可明显改善预后，则诊断试验的阳性界限可向左移。这样，试验的灵敏度高，阴性结果可排除疾病的存在，但同时假阳性增多。2、若现有的治疗措施不够理想，可将阳性界限右移以降低灵敏度，提高特异度。当为假阳性者进一步检查所需费用太高，为了节约经费或假阳性可使人心身遭受严重的痛苦或经济受到损失时，高特异度尤为必要。3、可使用ROC曲线法进行确定。例：

高灵敏度性试验适用于：

1、疾病严重但又是可治疗的，疾病的早期诊断将有益于病人，而疾病漏诊可能造成严重后果者，例结核病等；2、有几个诊断假设，为了排除某病的诊断；

3、用于筛检无症状病人而该病的发病率又较低；高特异性试验适用于：1、凡假阳性结果会导致病人精神上和肉体上严重危害时，如诊断病人患癌，而准备实施化疗；2、要肯定诊断时，高特异度试验的阳性结果临床价值最大。计算题在70例糖尿病人及510例正常人，以血糖6mmol/L作为糖尿病诊断标准时，病人中65人血糖高于此标准；正常人中有265人高于此标准。如果以此标准作为筛选糖尿病的分界线，对发病率为20%，人口为1000人的社区进行检查，问：可能会有多少人误诊为糖尿病，又有多少患者被漏诊呢？评价真实性的其它指标及其应用与真实性相关的指标ROC曲线又称受试者工作曲线，它是用真阳性率和假阳性率作图得出的曲线，可表示灵敏度和特异度的关系。ROC曲线的横轴表示假阳性率(1-特异度)，纵轴表示真阳性率(灵敏度)，曲线上的任意一点代表某项筛检试验的特定阳性标准值相对应的灵敏度和特异度对子。

ROC曲线ROC曲线一定通过（0，0）和（1，1）两点。此两点的连线为机会线，曲线离机会线越远，说明诊断准确度越高。ROC面积计算方法-梯形拆分法ROC面积计算方法-软件计算法采用骨髓诊断作为金标准，将100例患者中的34例确诊为缺铁性贫血(病例组)，其余66例确诊非缺铁性贫血(对照组)，事先测得每个患者的红细胞平均容积(MCV)如下，试采用ROC分析评价MCV诊断缺铁性贫血的能力。实例分析SPSS实现步骤GRAPHSROCCurveDisplayROCcurveWithdiagonalreferencelineStandarderrorandconfidenceintervalCoordinatepointsoftheROCCurve结果1P<0.000，说明用红细胞平均容积来诊断缺铁性贫血有显著性意义，红细胞容积越小发生缺铁性贫血的可能性越大。ROC曲线图：ROC曲线图（标点）：ROC曲线各点所对应的灵敏度和误诊率ROC曲线用途：1、决定最佳临界点2、评价

如图