Editverse無料計算機
診断メタ分析計算ツール（HSROC曲線および二変量解析）
複数の研究における診断精度を統合し、二変量ランダム効果モデルによる感度と特異度の要約値とHSROC曲線を算出し、結果の背後にあるRコマンドを正確にコピーします。詳細な手順は以下をご覧ください。R 4.3.3で検証済み。
簡単な言葉で言うと
診断メタ分析とは、検査が疾患をどの程度検出できるかを報告した研究を統合し、真陽性／偽陽性および真陰性の2×2の表にまとめる手法である。しかし、検査の閾値が変化するにつれて感度と特異度はトレードオフの関係にあるため、単純に別々に統合することはできない。
二変量モデルは、感度と特異度の相関関係を考慮しながら、両者の要約値をまとめて推定します。一方、HSROC（階層的要約ROC）アプローチは、複数の研究における基礎的な精度と閾値をモデル化します。どちらの方法も、妥当な要約値と要約ROC曲線を提供しますが、2つの指標を個別に統合するだけではこれらは得られません。
診断メタ分析はいつ使用すべきか
複数の研究で同じ診断検査を基準となる標準と比較評価し、その精度に関する統合推定値を得たい場合に使用します。これは介入メタアナリシスの診断版であり、エビデンスに基づいた検査ガイドラインの基盤となります。
感度と特異度を個別に統合するよりも、二変量モデルまたはHSROCモデルを使用することをお勧めします。感度と特異度の相関関係や閾値効果は考慮されません。要約点とその信頼区間、HSROC曲線を報告し、研究間の異質性を評価してください。単一研究の検査性能については、診断精度計算ツールをご利用ください。どのモデルが適切か不明な場合は、テストセレクターをご利用ください。
期待値: レコードごとに 1 行、TP、FP、FN、TN
ここにCSVファイルをドロップするか、クリックして選択してください。ブラウザで解析されるため、何もアップロードされません。
期待値: レコードごとに 1 行、TP、FP、FN、TN
library(mada) dat <- read.csv(text = "TP,FP,FN,TN {dm_csv}") madad(dat);レツマ(ダット)ユーザーガイド
使用時期：ランダム効果モデルを用いて、複数の研究における診断精度（感度と特異度）を統合する。
前提条件。各研究では、試験結果と参照標準との2×2の比率が報告される。
よくある間違い。感度と特異度を別々に集計すると、両者の相関関係が無視されてしまいます。可能な場合は、二変量モデルまたはHSROCモデルを使用することをお勧めします。
実例
上記の「サンプルデータを読み込む」をクリックし、「分析を実行」をクリックすると、このテストの図、数式、解釈を含む完全な結果が表示されます。
参考情報
- Reitsma JB, et al. 感度と特異度の二変量解析。J Clin Epidemiol. 2005;58:982-990.
実施例
例１ ― ４つの研究を統合する
4つの研究では、真陽性/偽陽性および真陰性の2×2のカウントが報告されている。二変量モデルでは、要約感度が約0.84、特異度が約0.86となり、要約点の周囲に信頼区間が示され、研究全体を通してHSROC曲線が描かれている。これは、検査精度の全体的な一貫性のある推定値である。
例２ ― 別々にプールしない理由は？
異なる閾値を用いた研究間で感度と特異度を個別に平均化すると、両者のトレードオフを無視することになり、誤解を招くほど楽観的な結果になってしまいます。二変量モデルとHSROCモデルは、両方の指標を同時にモデル化することで、この問題を回避しています。
確認すべき前提条件
各研究は完全な2×2のサンプルサイズを報告する。この手法では、一貫した参照基準に対して、各研究ごとに真陽性、偽陽性、偽陰性、真陰性の数を報告する必要がある。
共通の対象疾患と参照基準。研究は、同等の参照基準を用いて同一の疾患を診断するものでなければならない。それらを混在させると、解釈不能な要約が生成される。
階層モデルを構築するには、十分な数の研究が必要です。二変量モデルとHSROCモデルは研究間の分散を推定しますが、そのためには妥当な数の研究が必要となります。研究数が非常に少ない場合は、より単純な要約しか適用できない可能性があります。
よくある間違い
感度と特異度を別々に統合する
独立プーリングでは閾値効果とその相関関係が無視されるため、要約結果に偏りが生じます。二変量モデルまたはHSROCモデルを使用してください。
異なる参照基準を用いた試験を組み合わせる
研究間で「真実」が異なる場合、統合された精度は解釈不能となる。一貫した参照基準に限定すべきである。
閾値の変動を無視する
研究ではしばしば異なる陽性判定閾値が用いられるが、HSROC曲線はこれを捉えることができる一方、単一のプールされた値のペアではそれが隠されてしまう。
異質性を見落とす
診断に関するメタ分析は、しばしば非常に異質性が高い。要約的な要点だけを引用するのではなく、その異質性を報告し、検討すべきである。
よくある質問
診断メタアナリシスと介入メタアナリシスの違いは何ですか？
これは、検査閾値とトレードオフの関係にある、感度と特異度という2つの相関する指標を要約する必要があるため、単一の効果を統合するのではなく、二変量モデルまたはHSROCモデルを使用します。
HSROC曲線とは何ですか？
これは、複数の研究における検査精度と閾値をモデル化した階層的な要約ROC曲線であり、単一の点ではなく曲線として表されます。
要約点を報告すべきでしょうか、それとも曲線を報告すべきでしょうか？
可能な場合は、要約動作点とその信頼区間、および閾値全体にわたる性能を示すHSROC曲線の両方を報告する。
結果はRと一致しますか？
はい。この計算ツールは標準的な二変量/Reitsmaモデルを使用し、要約推定値を再現できるようにRコマンド（madaパッケージ）を表示します。
参考情報
- Reitsma JB、Glas AS、Rutjes AWS、Scholten RJPM、Bosuyt PM など 感度と特異度の二変量解析は、診断レビューにおいて有益な要約指標を提供する。 J Clin Epidemiol. 2005;58(10):982–990. PMID 16168343。
- Reitsma JB、Moons KGM、Bosuyt PMM、Linnet K. 診断検査およびマーカーの精度を定量化した研究の系統的レビュー。 クリンケム. 2012;58(11):1534–1545. PMID 22991421。
- Rutter CM、Gatsonis CA. 診断検査精度評価のメタ分析に対する階層的回帰アプローチ。 統計医学. 2001;20(19):2865–2884.
原稿のためにこの分析が必要ですか？
当社の博士号を持つ生物統計学者は、再現性のあるR出力を用いて、診断メタ分析（二変量モデル、HSROCモデル、要約ROC曲線、異質性評価など）を実行します。