诊断试验标准的确定在线视频

我是来自中南大学湘雅公共卫生学院的周价

今天我们的内容是

诊断试验标准的确定

临床上面诊断试验

是作为临床疾病诊断的最主要的依据

那么在用诊断试验方法

都要有一个适宜的观察指标

这个指标本身的特性

它会影响诊断试验的结果

应用于临床上面诊断试验的一些指标

主要有三大类

一类就是客观指标

第二类叫做主观指标

第三类就是半主观指标

作为诊断试验而言

我们一般来说主张使用客观指标

因为它受主观因素的影响会比较小

它作为结果判断的真实性

和稳定性会更好一些

第二个诊断试验里面一个很重要的一个

就是一个诊断标准的确定

我们也称为诊断界值

那么这个诊断界值它实际上就是用来区分

正常与异常

或者是区分是某一种疾病

还是不是某一种疾病

这是正常的人体里面

很多的指标

在正常人群和病人之间的分布的状况

那么诊断标准的确定

决定了诊断试验的正确程度

很多的指标在人体里面的分布

可能有这么三种状况

第一种状况大家可以看

这是一个非病人的分布

那么这个是一个病人的分布状况

这个就是我们讲病人与非病人之间

它有一个明确的这样一个界限

第二种情况

就是很多的指标

它可能在病人与非病人之间

它有一个重叠的这样一个区域

就是说两者之间在这样一个范围里面

病人与非病人它有一个重叠的区域

第三种情况

那么就是这样一种

我们通常也叫做偏态分布

那么就是说小于某一个值

可能是一个非病人

大于某一个值

那么就是一个病人

作为一个临床的诊断标准来说

它实际上就是依据这样一个指标

在人体里面这样一个分布状况

像这样一种情况

那么我们讲要区分正常和异常就很方便

我们只要把诊断界值

定到病人与非病人中间的任何一点

我们都可以做到百分之百的区分

非病人和病人

实际上在临床上面

像诊断指标

这样一种分布状况的比较少见

另外一种分布状况

就是这样一个偏态分布

当然我们讲这样一个理论上面来讲

也可以比较准确地找到他的一个诊断点

那么大于这样一个点

我们叫做病人

小于这样一个点叫做非病人

当然也有可能出现

误诊和漏诊的情况

那么更多的

我们在临床上面

可能见到的是这样一种分布状况

那么他的诊断标准

你确定可能就比较麻烦

当某一个指标

正常人和异常人是这样一个分布状况的时候

那么我们讲制定这个诊断标准的话

选定的时候无非就可能有这么几种情况

第一种情况

我们把诊断标准定到这里

定到这里大家可以看到意味着什么

我们将大于这样一个值的

就是一个阳性

它的好处

可能所有的非病人

非病人都能够把它排除掉

但是可能有一部分的病人 这一部分

就会出现漏诊的现象

那么第二个

当然我们把诊断界值可以取到这里

取到这里就意味着什么

所有的病人我们都能够发现出来

但是可能有部分的正常人

已经被误诊断为病人了

这个我们在临床上面叫误诊

第三种情况

我们可能把这个诊断界值取到这个中间

取到这个中间有什么好处

那么把相应的误诊和漏诊

可以减到最小

所以一般来说

对于这样一种情况

我们在临床上面做诊断界值的选取的时候

往往都是取比较中间的这一点

这样的话使漏诊或误诊达到最小

也就是使它的诊断效率发挥到最大

这个就是诊断界值的选取

那么怎么样选取到这一点

那么这个就是确定诊断界值

或者确定诊断标准的方法

那我们讲有三个方法

一个叫做统计学方法

第二个叫做临床判断法

第三个叫作ROC曲线法

第一个统计学方法

统计学方法通常有两个

一个就是百分位数法

这个适应于这样一个偏态分布

或者它的分布类型不确定

或者有极端数值的数据

那么这个时候我们一般来说以第95百分位数

或者第99百分位数的数值

那么作为一个诊断界值

也就是超过95%

或者超过99%的

作为异常值

第二种方法叫做正态分布法

就是那么这个当然适用于

我们叫正态分布的数据指标

那么这个通常我们就使用平均值

加减1.96或者是1.64倍标准差

作为一个标准值

那么在这样一个范围里面的测量值

我们叫做正常值

那么如果超过这个5%的

外面的5%就是两边各2.5%的

我们叫做异常值

像我们常见的很多的生理指标

例如 红细胞的正常值范围

白细胞的正常值范围

我们都是使用正态分布法

来确定它的正常与异常的范围

第二个方法叫做临床判断法

就是我们讲临床上面

有很多这个指标的分布的界值

我们必须要结合它的临床表现

要按照大量临床观察

或者系列追踪观察某些致病因素

对健康损害的这样一个阈值

来确定诊断标准

也就是说这个指标要大于某一个值

同时必须要有相应的临床损伤

就是有临床表现

才能确定它是一个异常的界值

所以这样一类方法

我们叫做临床判断法

第三个叫做ROC曲线法

这个是我们现在大家如果看很多文献报道

通常我们讲一个新的诊断方法

它的诊断界值确定的方法

基本上都是使用这个方法为主

ROC曲线

也叫做受试者工作特征曲线

它是用这样一个构图法

揭示这个灵敏度和特异度的相互关系

它通过将连续变量

设定出多个不同的临界值

从而计算出一系列的灵敏度和特异度

再以灵敏度为纵坐标

以1-特异度为横坐标

绘制成的这样一个曲线

我们也可以看一个实际的例子

这是一个不同D二聚体

对急性脑梗死的诊断价值

这个诊断试验

它是测量血清里面D二聚体的浓度

来诊断是不是有急性脑梗死

作为一个诊断的指标

当然你测量血清里面D二聚体的浓度

它可能有不同的这样一个界值

就是不同的这样一个水平

那么我们以这样一个不同的水平

分别在每一个水平下面

我们可以计算出一个灵敏度

可以计算出一个特异度

那么这个时候

我们就根据这样一个不同的诊断界值的

诊断能力及灵敏度特异度

以这个灵敏度作为这个纵坐标

以这个1-特异度作为横坐标做图

把这不同诊断界值下的几个点连起来

就变成一个曲线

我们叫做ROC曲线

ROC曲线可以作为临床诊断指标最佳的

诊断界值的划分依据

ROC曲线的用途表现在这么三个方面

第一个

它可以用来决定这样一个最佳的临界点

这个就是我们刚才讲的

诊断界值的确定

它是要通过这个ROC曲线

我们可以找到一个最佳的诊断的界值

作为临床的一个诊断标准

第二个ROC曲线

它反映一个诊断试验的真实性

或者我们讲它的一个诊断价值

或者它的一个诊断能力

这个主要就是通过这个ROC曲线下面的面积

我们叫做AUC

这个面积越大

说明它的诊断价值越大

第三个ROC型曲线

它可以用来比较两种或者两种以上的

诊断试验的诊断价值的大小

我们看第一个方面

我们应该怎样找最佳的临界点

ROC曲线

怎么样确定一个最佳的临界点

我们通俗一点讲

这是一个ROC曲线

那么这个ROC曲线最靠左上角的这一点

作为一个最佳的一个临界值

像这个曲线这是一个磷酸肌酸激酶

作为一个急性心肌梗塞的诊断标准

那么意味着最高的这一点

CPK大于或者等于80的时候

我们就说明他有这样一个心肌梗塞

小于80的时候

那么他就没有心肌梗塞

那么这个就是一个最佳的临界点

当然这是一个我们通俗一点的讲法

实际上我们通过这个ROC曲线

它有相应的计算的方法

来找到最靠左上角的这一点

就是最佳的临界点

包括我们现在很多的统计学的软件

你像这个SPSS

R软件 SAS软件

它都可以提供ROC临界点的计算的方法

就是找到诊断试验的最佳的临界点

或者是决定最佳的一个临界点

它的第二个方面

刚才我们讲的它这样一个用途问题

大家看这个相当于ABCDE有五条ROC曲线

实际上意味着什么

就是对某一个疾病诊断有五种方法

那么大家看这个ROC曲线

这样一个我们刚才讲ROC曲线

怎么样来评价这个不同方法的好坏

我们讲越往上面走

就这个ROC曲线下面的面积就大一些

越大的这样一个诊断试验

我们讲它的临床应用价值是越大的

所以大家看这个图

那么这个E就大于D大于C大于B

所以E诊断方法应该讲是最优的

它比D方法要好

D又比C又好

C又比B方法好

同样这样一个简单的图

就实际应用而言

对于脑瘤的诊断

一个我们可以使用这个脑扫描

另外一个我们在临床上面可以使用CT检查

可以使用这样两个方法

做这个脑瘤诊断 这是两个ROC曲线

我们在临床上面来讲CT的诊断价值

对这个脑瘤的这个诊断的意义

或者叫他的一个真实性

比这个脑扫描就要好很多

为什么

它的ROC曲线下面的面积要比脑扫描要高很多

第三个同样的我们刚才讲了两个方法

反映它的一个大小

就是做这样一个方法的一个比较

所以在临床上面应用的时候

要判断这样一个CT和脑扫描

它的一个诊断价值的时候

那么可能优先

我们就要选CT

为什么

它的诊断能力明显要高于这个脑扫描

当然在临床应用的时候

CT它的诊断价值高一些

但是它的费用也会要大很多

这个就是我们通过这样一个曲线面积的比较

我们可以得到不同方法的好坏

当然这个比较也不是简单地

通过视觉看这样一个曲线

它的面积大小

我们也有相应的公式

一些数学的方法

对这个面积进行计算

包括对这两个面积之间的

统计学检验

判断这两个面积的大小

来决定哪个方法它的真实性更好一些

这些就是我们讲的

诊断试验标准的几个方法

一个是我们通过统计学的方法

第二个可以通过临床的这样一个实际这个判断

第三个通过ROC曲线

当然从应用的价值

或者应用的科学性来讲

应用范围的广泛的程度来讲

ROC曲线是最多的

也是一个最好的应用于诊断界值判断的方法

本知识点内容结束