筛检与诊断试验的评价与衡量

《筛检与诊断试验的评价与衡量》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、实用标准文档第八章筛检与诊断试验的评价主要内容概述设计与实施筛检与诊断试验的评价提高筛检与诊断试验效率的方法筛检与诊断试验中的常见偏倚二级预防²第一节概述筛检screeningo运用快速、简单的检验、检查或其他方法，从健康人群中早期发现可疑病人，即区分出表面健康但可能有病的个体诊断diagnosiso医务人员通过详尽的检查及调查等方法收集信息，经过整理加工后对患者病情的基本认识和判断，目的在于区分病人与可疑有病但实际无病者筛检的分类根据筛检对象范围整群筛检(massscreening):对一定范围的人群进行筛检目标筛检(targetedscreening):对特定暴露人群或高危人群进行筛

2、检根据所用方法数量单项筛检(singlescreening):用一种筛检试验，筛查一种疾病多项筛选(multiplescreening):同时应用多种方法进行筛检，可同时筛检多种疾病筛检试验实施原则体现当地重大公共卫生问题（患病率不是很低）有确诊的方法与条件对确诊的患者和高危人群进行有效地治疗与干预了解疾病的自然史筛检的疾病或因素有可供识别的早期症状或指标快速、简便、经济、可靠、安全、有效，易接受文案大全实用标准文档足够的人力、物力、财力和良好的社会环境条件有连续完整地筛检计划，能按计划进行考虑成本-收益问题符合伦理，有益无害，尊重隐私，公平公正²第二节设计与实施1、确定金标准金标准go

3、ldenstandard：当前医学界公认的诊断疾病的最可靠方法，也称标准诊断、标准试验、参考标准等（金标准不是一直不变的）如：活检、手术发现、微生物培养、尸检、特殊检查、影像诊断、临床综合判断、长期随访结果等2、选择研究对象总体原则：能代表诊断试验可能应用的目标人群l阳性组（即病例组）：包括所研究疾病各种临床类型的病例，各种病情程度、典型和不典型、有并发症和无并发症、治疗过与未治疗过l阴性组（即对照组）：金标准证实没有目标疾病的个体，最好患有与该病易混淆的其他疾病常见的对象选择方式1、选择经金标准确诊后的病例以及对照，然后进行诊断试验2、选择一组样本人群，同时接受金标准及诊断试验的检测选

4、择研究对象的注意事项需考虑性别、年龄等因素的影响，使病例组和对照组具有可比性需注意试验人群应同时进入研究，同时接受金标准和待评价诊断试验的检测，以避免偏倚的发生3.盲法判断与比较结果盲法判定与比较结果，避免过高或过低估计诊断试验与金标准的符合程度，避免观察者偏倚，以保证比较结果的真实性ROC曲线：受试者工作特征曲线，以灵敏度为纵坐标，1-特异度为横坐标²第三节诊断试验的评价评价内容1、真实性：诊断试验能在多大程度上进行正确诊断，反映出真实的情况2、可靠性:重复进行诊断试验的稳定性3、收益：应用诊断试验后，判断正确的可能性；新确诊病例的数量及预后状况；卫生经济学评价诊断试验结果整理文案大全

5、实用标准文档一、真实性validity«（评价诊断试验要写出灵敏度跟特异度！）l也称效度、准确性(accuracy)，指与金标准相比，测量值与实际值相符合的程度，即在一次试验中能多大程度地测量出真实情况1、灵敏度和假阴性率«（只与病人组有关）l灵敏度sensitivity：实际有病的人被正确诊断为有病的比例，说明诊断试验发现病人的能力，也称真阳性率truepositiverate实际有病而未被诊断出的人即为假阴性假阴性率falsenegativerate：也称漏诊率灵敏度+假阴性率=12、特异度与假阳性率«（只与未患病的组有关）特异度specificity：实际无病的人被正确诊断为无病的

6、比例，说明诊断试验确定非病人的能力（不误诊），也称真阴性率truenegativerate实际无病而被诊断为有病的人即为假阳性假阳性率falsepositiverate：也称误诊率特异度+假阳性率=13、似然比likelihoodratio，LR(诊断/金标准的结果)l是灵敏度和特异度的复合指标，即有病者中得出某一诊断试验结果的概率与无病者得出这一概率的比值l全面反映了诊断试验的诊断价值，非常稳定l似然比只与某一试验自身的性质相关，计算只涉及灵敏度与特异度，不受患病率的影响阳性似然比positivelikelihoodratiol反映了诊断试验正确判断阳性的可能性是错误判断阳性可能性的倍

7、数l比值越大，试验结果阳性为真阳性的概率越大阴性似然比negativelikelihoodratio文案大全实用标准文档l反映了诊断试验错误判断阴性的可能性是正确判断阴性可能性的倍数l比值越小，试验结果阴性为真阴性的概率越大4、正确诊断指数（约登指数越大，真实性一定越大）也称约登指数Youdenindex，简称r，是诊断试验正确判断出病例与非病人的总能力正确指数=(灵敏度+特异度)-1=1–(假阴性率+假阳性率)指数越接近1（或10