基于广义logistic分布的诊断试验meta分析GHSROC及MGHSROC新模型构建

【作者】 曹颖姝； 段重阳； 陈平雁；

【机构】 南方医科大学生物统计学系；

【摘要】 目的诊断试验的meta分析方法目前应用最多的是基于logit变换的HSROC模型。该模型有一个潜在假设:灵敏度和特异度经logit变换后呈线性关系,这个假设只有当疾病及健康人群诊断结果服从logistic分布时才成立。logistic分布是一个对称分布,当诊断结果呈偏态分布时,理论上将不再符合模型假设。然而现实应用中偏态分布数据并不少见,所以本研究首先欲新建立一个即适用于偏态分布数据又适用于对称数据的GHSROC模型。另外,目前HSROC模型只基于每个研究报告的一组灵敏度和特异度数据建立。纵观目前的一些连续性资料诊断试验研究,很大一部分文章都会报告ROC曲线,所以本研究欲充分利用ROC曲线的信息,建立更精确的既适用于偏态分布数据又适用于对称数据的MGHSROC模型。方法①GHSROC模型建立:假设诊断结果服从广义logistic分布,基于该分布推出的灵敏度与特异度先经幂指数变换再经logit变换后的线性关系式,借助HSROC的构建思路,建立GHSROC模型,并模拟验证。②MGHSROC模型建立:在每个研究的ROC曲线上提取9个点,分别是特异度为0.1-0.9每间隔0.1时对应的灵敏度和特异度对子。将9对特异度和灵敏度看作9个等级下的累积概率,将诊断界值看作等级logistic回归的截距项,利用等级logistic回归模型的构建方法,基于广义logistic分布,建立MGHSROC模型,并模拟验证。将不考虑数据偏度的MGHSROC模型称为简单模型,考虑偏度的称为复杂模型.。结果①GHSROC模型:数据对称且研究数小于10时,HSROC拟合效果优于GHSROC模型;数据对称且研究数大于1 0时或数据偏态且研究数小于10时,GHSROC模型拟合效果与HSROC相近;数据偏态且研究数大于10时,GHSROC模型拟合效果优于HSROC模型。②MGHSROC模型:数据对称时,简单模型拟合效果与复杂模型相近;数据偏态时,复杂模型比简单模型拟合更优。结论针对各研究只提供一组灵敏度和特异度的资料类型,本研究创新性的建立了GHSROC模型。实际应用中,当研究数小于10时,推荐使用HSROC模型;当研究数大于10时,推荐使用GHSROC模型。针对各研究提供ROC曲线的资料类型,本研究创新性的建立了MGHSOC模型。实际应用中,无论数据是对称还是偏态,均可选择MGHSROC的复杂模型进行建模。更多还原