刘博谈验证｜关于建立诊断模型进行验证的方案

大多数对诊断检测技术的研究只测量了某一检测的假阴性率和假阳性率。本节介绍一种我们称之为“诊断模型”的方法。

在诊断模型的技术验证中，要获得的数据是由一种决策方法指定的。我们用试验-治疗选择的阈值模型来说明这一讨论，但模型的具体细节并不重要，这主要是因为不同的疾病和检测技术差别太大，重要的是原则，即应该获得能使临床医生确定对患者最有用的决策选择的数据。

4.1、一项技术应与一项竞争性技术相比较

采用一项新技术的决定往往意味着放弃一项旧技术。在验证任何一种技术时，我们应该问它在哪些方面比另一种技术更好（其边际效益）。

许多对诊断技术的研究都不是比较性的，他们往往只是证明性能相当，而并非哪个更好，很少有随机的试验来比较检测对结果的影响，只有很少有研究通过将患者选择不同的治疗方案后的结果作为研究终点，来比较它们的准确性。

只有通过与另一种临床方法的比较，才能衡量一项技术的边际有效性，从而发现其真正的价值。一项新的技术可以与一项旧的技术进行比较，或者将两项成熟的技术进行比较。

诊断检测技术的对比研究有两种类型。理想情况下，一种诊断检测技术总是与其他一些获取信息的方法进行比较，如患者的病史和体检或另一种诊断检测技术。

首先，可以比较两个或多个检测对临床结果的影响。一项新检验的边际效应可以通过随机试验来辨别，其中检验对患者治疗方案选择的影响是可以直接统计的，而不是从概率和决策分析模型推断出来的，这种方法的潜在局限性在前面的章节中已经讨论过。

也可以对检测的性能特点进行比较，比较两个或更多检测的假阴性和假阳性结果的频率为决策模型提供了必要的数据，这将有助于指出哪种检测是首选。患者可以随机选择做一种检测或另一种检测，或者对每个患者都做两种检测。

大多数关于诊断检测技术的研究都是回顾性地分析为其他目的而获得的数据，因此，它们描述的是临床经验而不是计划中的研究。

通常情况下，一般检测已经在许多患者身上进行，但只有少数人进行了金标准检测。采用一般检测的患者特征很少与那些也接受了金标准检测的患者特征进行比较，其他临床数据的获得也不规范，这些缺陷都是由于其回顾性特点造成的。

所以一项研究应事先计划好，以保证遵守统一的数据收集方案，通过计划可以减少在选择患者和解释数据方面的偏差。在一个多中心研究中，所有参与者都遵循相同的数据收集方案。

4.3、应收集临床决策所需的所有数据

过去的临床研究中，验证了检测技术的准确性，但他们没有收集到帮助医生对个别患者做出决定所需的所有数据。

例如，对于有先后顺序的检测技术而言，没有报告检测的顺序是否对检测对象的纳入有影响，但医生有的时候必须在按照这种顺序做检测，或做哪一个检测之间做出选择。使用贝叶斯定理来解释一个序列中的第二个检测，通常需要假设第二个检测的表现是有条件地独立于第一个检测的结果。

在一些研究中，对一系列患者进行了两次检测，并报告了每次检测的操作特点；但很少报告每种结果组合（均为阳性、检测A阳性和检测B阴性、检测A阴性和检测B阳性、均为阴性）在患病和非患病患者中的频率。

4.4、对于检测结果不作为连续变量报告的检测技术

对一项检测的解释通常取决于检测结果的异常程度。例如，一个橙子大小的肺部肿块比豌豆大小的肿块更有可能是恶性的。

为了在决策中利用这一信息，橙子大小肿块的假阴性率和假阳性率应与豌豆大小肿块的假阴性率分开报告。

而在很多发表的研究中，结果被简单地报告为“正常”或“不正常”。正如第2章所讨论的，一项检测的操作特点真正反映了将某一结果称为“异常”的标准。因此，最佳决策需要报告一系列异常结果定义中每一种的真阳性率和假阳性率。