[医药卫生]诊断试验数据挖掘及其临床应用PPT1.ppt

诊断试验数据挖掘及其临床应用(Data Mine Clinical Application of Diagnosis Test) 疑惑 1？ CA72-4检验结果 8.9U/ml说明了什么？35U/ml 呢？150U/ml 呢？仅仅知道参考范围行吗？ －－－定量检测结果与病变（程度）的关系? 2？ CA72-4（+）、CEA（-）、CA199（+）、胃镜（提示炎症）、钡餐（-），怎样向病人解释？ －－－充分利用联合试验来诊断与鉴别诊断？ 3？ CA72-4、CEA、CA199、胃镜、钡餐等等对胃癌的诊断效率如何？ －－－真实性、可靠性、实用性？ 4？ 胃癌的诊断、鉴别、筛查到底应该申请哪些检查？ －－－循证医学实践？ 诊断试验含义是广泛的，它包括各种化验室检查，询问病史，体检所获得的资料以及各种影像诊断和仪器诊断等。 诊断试验主要应用于疾病诊断、疾病随访、疗效考核以及药物毒副作用的监测。根据不同的目的选择适当的诊断试验。一般说来，临床医师经过一定期限的临床实践以后，都积累了选择诊断试验的经验。但单凭经验难免不够稳妥，有时可以耽误诊断，未能给患者及时有效的治疗，甚至造成不可弥补的损失。掌握科学的研究和评价诊断试验的方法可为其选择合理的诊断方法奠定基础，同时可避免单凭经验造成的错误。 一般说来，临床医师须在较长时间内多次使用某项诊断方法，而且在患同种疾病但不同类型的病例身上使用后方可对其性质和实用价值有较深入的理解。掌握科学的研究方法就可缩短上述过程。从文献中人们不难看到，当推出一项新诊断试验时，研究人员对该项试验倍加称赞，但使用一段时间后，发现其诊断价值并不理想，因此只有不断地积累经验，才能对它有较全面的认识。如开始在临床上应用癌胚抗原时，人们认为它诊断结肠癌非常有价值，但后来发现这种抗原在其他癌症也会出现，甚至在近20%未患癌症的吸烟者中也呈阳性。应当说，开始在临床上应用时，研究人员并非有意夸大其效率，而是在当时缺乏科学的研究和评价方法。 诊断试验的真实性: 灵敏度和特异度的关系： 灵敏度和特异度是矛盾的统一体，如图所示，他们随着诊断分界点（阈值）的变化而变化。 尤登指数（Youden’s index）又称正确指数，是指灵敏度和特异度之和减去1，是综合评价真实性的指标。理想的试验应为1。其计算公式为： 尤登指数 = ( Sen + Spe ) – 1 准确度 试验的准确度(accuracy，ACC) ，也称效率（efficiency），可用真阳性与真阴性人数之和占受试人数的百分率表示。理想的试验应为100%。其计算公式为： ACC = (TP+TN)/N × 100 ％ 似然比 似然比（likelihood ratio，LR）是指患病人群中试验结果的概率与无病人群中试验结果概率之比 阳性似然比 在诊断性试验中，真阳性率 (TPR)与假阳性率(FPR)的比值即为阳性似然比(positive likelihood ratio, +LR)，可用以描述诊断性试验阳性时，患病与不患病的机会比。若该比值大于1，则随比值的增大，患病的概率也增大；若其比值小于1，则患病的概率较小。 +LR=TPR/FPR 阴性似然比 在诊断性试验中，假阴性率(FNR)与真阴性率(TNR)的比值即为阴性似然比(negative likelihood ratio, -LR) 。可用以描述诊断性试验阴性时，患病与不患病的机会比。其比值愈大，则患病的概率愈小，其比值愈小，则患病的概率愈大。 -LR=FNR/TNR 预测值 预测值（predictive value，PV）亦称预告值，它是表示试验能做出正确判断的概率。 阳性预测值是指真阳性人数占试验结果阳性人数的百分比，表示试验结果阳性者属于真病例的概率。 阳性预测值计算公式：P PV = TP / (TP+FP)×100％ 阴性预测值是指真阴性人数占试验结果阴性人数的百分比，表示试验结果阴性者属于非病例的概率。 阴性预测值计算公式：NPV = TN / (TN+FN)×100 ％ 诊断试验的实用性: 技术难度:人员要求、设备要求。 可行性：标本采集和处理、储存要求、检测物的变化频度，试验前的准备要求，药物等易干扰程度。 实验环节和流程复杂程度，实验时间长短。是否流水作业还是成批实验，对照实验等。 实现质控体系、自动化、标准化 成本和效益情况。 实验对象接受程度。 诊断阈值（CUT-OFF）: 诊断阈值（CUT-OFF）: 荟萃分析概念: Meta意指较晚出现的更为综合的事物，而且通常用于命名一个