ترکیب حساسیت چند مطالعه با یک میانگین ساده، متاآنالیز معتبر دقت تشخیصی نمی‌سازد. آستانه مثبت‌شدن، استاندارد مرجع، جمعیت و شیوه نمونه‌گیری می‌توانند هم‌زمان حساسیت و ویژگی را تغییر دهند. مرور نظام‌مند تست‌های تشخیصی، یا DTA، به سؤال، استخراج داده و مدل آماری ویژه خود نیاز دارد. این راهنما مسیر پروژه را توضیح می‌دهد و جای آموزش تخصصی مدل‌سازی نیست.
سؤال مرور را با جایگاه آزمون تعریف کنید
وضعیت هدف، جمعیت، آزمون شاخص و استاندارد مرجع را مشخص کنید. سپس بنویسید آزمون قرار است جایگزین روش موجود، آزمون افزوده یا مرحله‌ای از غربالگری باشد. دقت یک آزمون در بیماران ارجاع‌شده تخصصی لزوماً پاسخ سؤال غربالگری عمومی نیست. تعریف گسترده و مبهم، مجموعه‌ای از مطالعات نامتجانس می‌سازد که شاید ترکیب عددی آن‌ها معنا نداشته باشد.
پیش از غربالگری، معیارهای ورود، انواع طراحی قابل قبول، آستانه‌ها، تحلیل زیرگروه و برخورد با گزارش‌های متعدد یک مطالعه را در پروتکل بنویسید. راهنمای PROSPERO و امکان‌سنجی مرور نظام‌مند برای برنامه‌ریزی اولیه مفیدند؛ واجد شرایط بودن ثبت را از سیاست جاری سامانه بررسی کنید.
جست‌وجو و غربالگری چه تفاوتی دارد؟
نام آزمون‌ها، نام‌های قدیمی و تجاری مرتبط، وضعیت هدف و اصطلاحات تخصصی را با کمک فرد مسلط به جست‌وجو پوشش دهید. استفاده شتاب‌زده از فیلتر «دقت تشخیصی» ممکن است برخی مطالعات را از دست بدهد؛ راهبرد باید برای سؤال واقعی اعتبارسنجی شود. تاریخ جست‌وجو، پایگاه، رشته جست‌وجو و محدودیت‌ها را نگه دارید.
یک مطالعه ممکن است در مقاله، چکیده کنگره و گزارش تکمیلی تکرار شود. واحد شواهد را مطالعه در نظر بگیرید و گزارش‌ها را به هم پیوند دهید تا افراد دوباره شمرده نشوند. در غربالگری متن کامل، دلیل خروج را مشخص و یکسان ثبت کنید. راهنمای Rayyan به مدیریت این مرحله کمک می‌کند، اما تصمیم علمی را خودکار نمی‌کند.
چه داده‌ای استخراج کنیم؟
علاوه بر مشخصات مطالعه، برای هر آزمون و آستانه مورد نظر، چهار تعداد TP، FP، FN و TN لازم می‌شوند. فقط درصد حساسیت بدون مخرج کافی نیست. روش نمونه‌گیری، محیط، طیف بیماران، نسخه آزمون، آستانه ازپیش‌تعیین‌شده یا اکتشافی، مرجع و زمان‌بندی را نیز استخراج کنید.
| گروه داده | موارد لازم | کنترل کیفیت |
|---|---|---|
| شناسه مطالعه | گزارش‌ها، مرکز و بازه جذب | بررسی هم‌پوشانی شرکت‌کنندگان |
| تعریف آزمون | نسخه، آستانه و جهت مثبت‌شدن | یکسان‌نبودن نام را با یکسان‌بودن آزمون اشتباه نگیرید |
| جدول دو در دو | TP، FP، FN، TN | تطبیق جمع‌ها با تعداد تحلیل‌شده |
| اجرای مرجع | روش، کوربودن، فاصله زمانی | بررسی تأیید ناقص یا متفاوت |
| نتایج نامشخص | تعداد، علت و برخورد در تحلیل | حذف بی‌گزارش را علامت‌گذاری کنید |
اگر داده ناقص است، با نویسنده تماس بگیرید یا محدودیت را ثبت کنید. بازسازی جدول از درصدهای گرد‌شده ممکن است چند جواب داشته باشد؛ انتخاب یک جدول دلخواه قابل دفاع نیست. هر محاسبه یا فرض بازسازی باید مستند و در تحلیل حساسیت بررسی شود.
چرا حساسیت و ویژگی را مشترک مدل می‌کنیم؟
تغییر آستانه معمولاً یکی را بالا و دیگری را پایین می‌برد. در نتیجه، دو شاخص مستقل و قابل میانگین‌گیری بی‌توجه به هم نیستند. مدل‌های سلسله‌مراتبی دو‌متغیره و HSROC برای لحاظ‌کردن ساختار مشترک و ناهمگنی به کار می‌روند؛ انتخاب میان آن‌ها و نحوه پارامتردهی باید با سؤال و داده هماهنگ باشد.
مدل دو‌متغیره اغلب برای خلاصه حساسیت و ویژگی در شرایط قابل مقایسه مفید است؛ مدل HSROC به رابطه دقت و آستانه توجه می‌کند. این توصیف کوتاه به معنی قابل تعویض بودن بی‌قیدوشرط مدل‌ها یا کافی‌بودن اجرای یک فرمان نیست. با مطالعات اندک، داده کم یا سلول صفر، برازش و عدم قطعیت می‌تواند مسئله‌دار شود.
اگر یک مطالعه چند آستانه گزارش کند، نمی‌توان همه ردیف‌ها را مثل مطالعات مستقل وارد مدل معمول کرد. راهبرد انتخاب آستانه یا مدل چندآستانه‌ای باید از ابتدا مشخص شود. مقایسه غیرمستقیم دو آزمون در مجموعه مطالعات متفاوت نیز ممکن است با تفاوت جمعیت‌ها مخدوش شود.
خطر سوگیری؛ به‌روزرسانی مهم QUADAS-3
ابزار QUADAS-3 در فوریه ۲۰۲۶ منتشر شده و وب‌سایت رسمی دانشگاه بریستول آن را برای ارزیابی خطر سوگیری و قابلیت کاربرد در مطالعات دقت تشخیصی ارائه می‌کند. در یک پروژه جدید، نسخه و راهنمای جاری را بررسی و انتخاب ابزار را در پروتکل مشخص کنید. تغییر ابزار در پروژه در حال اجرا نیز باید مستند و هماهنگ انجام شود، نه با مخلوط‌کردن قضاوت‌های نسخه‌ها.
ارزیابی باید به سؤال مرور و برآوردهای دقت مربوط شود. جمع‌زدن پاسخ‌ها و ساختن نمره دلخواه «کیفیت» جای قضاوت مستدل حوزه‌ها را نمی‌گیرد. STARD راهنمای گزارش مطالعه است و با QUADAS برای خطر سوگیری یک نقش ندارد. همچنین گزارش ناقص با اثبات اجرای نامناسب یکسان نیست؛ قضاوت نامشخص و اطلاعات تکمیلی را شفاف ثبت کنید.
چه زمانی ترکیب عددی مناسب نیست؟
اگر جمعیت، تعریف وضعیت یا مرجع‌ها اساساً نامقایسه‌اند، خلاصه عددی ممکن است گمراه‌کننده باشد. در چنین وضعی، ارائه ساختارمند مطالعات، جدول‌ها و توضیح ناهمگنی از تولید یک عدد کلی ارزشمندتر است. تصمیم ترکیب باید بر منطق علمی و قابلیت برازش تکیه کند، نه بر این تصور که هر مرور حتماً باید یک نمودار خلاصه داشته باشد.
نمودارهای جفتی حساسیت و ویژگی، نمودار ROC و ناحیه‌های عدم قطعیت می‌توانند مفید باشند. ناحیه اطمینان خلاصه با ناحیه پیش‌بینی عملکرد در مطالعه جدید یکسان نیست. نتیجه‌گیری باید تفاوت شرایط کاربرد و خطر سوگیری را حفظ کند و از وعده «دقت قطعی در همه محیط‌ها» دور بماند.
خروجی قابل دفاع پروژه
- پروتکل روشن و جست‌وجوی قابل تکرار داشته باشید.
- گزارش‌های تکراری را به مطالعه واحد پیوند دهید.
- جدول‌های دو در دو را دو بار کنترل کنید.
- خطر سوگیری و قابلیت کاربرد را با ابزار مستند ارزیابی کنید.
- مدل، آستانه‌ها، ناهمگنی و تحلیل حساسیت را شفاف گزارش کنید.
- محدودیت داده و کاربرد بالینی را از نتیجه آماری جدا نگه دارید.
برای شروع، مطالعه دقت تشخیصی و نمودار جریان PRISMA را ببینید. پروژه‌های مشارکتی متاآنالیز می‌تواند مسیر همکاری پژوهشی را مشخص کند؛ امکان و کیفیت پروژه باید پیش از تعهد ارزیابی شود.
منابع و مطالعه بیشتر
- راهنمای رسمی Cochrane برای مرورهای دقت تشخیصی.
- دانشگاه بریستول: ابزار و راهنمای QUADAS-3؛ انتشار ۱۷ فوریه ۲۰۲۶.
- STARD؛ تفکیک راهنمای گزارش از ارزیابی خطر سوگیری.
بازبینی محتوایی: ۱۳ آبان ۱۴۰۵. تصویر اصلی، ترکیب‌بندی مفهومی اختصاصی است؛ نمودارها و مثال‌های عددی آموزشی‌اند و داده واقعی پژوهش یا تصویر مستند یک مؤسسه معرفی نشده‌اند.
