筆者於 2020/5 時介紹了診斷型統合分析的介紹，包括基本概念與傳統方法（https://reurl.cc/4a3Lxv）；兩種主流方法（https://reurl.cc/Q96YQ2），包括雙變量模型（Bivariate model）以及階層模型（Hierarchical model）；以及 R 套件的介紹與比較（https://reurl.cc/NrZYv6）。本系列文章旨在示範實際實作的步驟，示範的軟體為 SAS 的巨集「MetaDAS」，此巨集可於 Cochrane Methods 下載（https://methods.cochrane.org/sdt/software-meta-analysis-dta-studies），並有完整的使用手冊及範例。
本次示範資料為腎臟科的研究，研究結果變項為急性腎損傷（Acute kidney injury, AKI），用來診斷的檢驗標記為尿液的NGAL（urine neutrophil gelatinase-associated lipocalin, uNGAL）。收案條件均為住院病人，住院第一天收集 uNGAL 的資料，結果變項為七天內的 AKI。
資料輸入方式如下圖所示，TP、TN、FP、FN分別為 Ture positive, True negative, False positive and False negative。原則上大多數研究都是根據 Youden index 決定最適切點，但仍有少許研究是按照其他原則或是作者偏好而決定最適切點。最右邊的欄位「S_M」代表病人族群，S為手術族群（surgical），M為非手術族群（medical），此為解釋變項/共變數（Covariate）。共計有30篇研究，下表擷取前10個研究以作為參考。
首先先打開下載的 SAS 巨集（可於此連結直接下載，https://reurl.cc/Q96aeb），可看到此巨集最後一次更新是 2010/7 的時候，作者是英國伯明罕大學的 Yemisi Takwoingi 教授，她也是 Cochrane Screening and Diagnostic Test Methods Group 的主要成員，因此使用此巨集等於是 Cochrane Group 背書，大家可安心使用。
以下框線內為 SAS 的程式碼。首先我們先進行 Bivariate model，指令第二列為匯入資料，此資料集我儲存成名為「uNGAL」的舊版 Excel 檔案（副檔名：xls），需注意由於此巨集是較早之前撰寫的，因此沒有支援新版 Excel 檔案（副檔名：xlsx）。指令第三列則是分別定義tp、fp、fn、tn的欄位名稱，subject為研究的名稱，在此為資料中的「Author」；指令第四列的「method=b」代表指定執行「B」ivariate model；指令第五列則是指定報表的儲存位置。
執行之後，報表一開始是檔案產生的細節、起始值、收斂狀態以及模式契合度（AIC、AICC、BIC等），在此先不呈現。下表列出「Bivariate model parameter estimates」的報表，也就是參數估計的結果。「msens」就是敏感度（Sensitivity, Se）的 logit value，「mspec」則是特異度（Specificity, Sp）的 logit value；「s2usens」與「s2uspec」分別是敏感度與特異度 logit value 的估計變異數，開根號後就是估計的標準誤；「covsesp」則是敏感度與特異度的相關係數。
最後一張報表為「Summary estimates of test accuracy measures」，是我們主要抄寫數據的報表，可看到合併（pooled/summary）的敏感度為 0.7648，後方有 95％ 的信賴區間。在上一張表已知敏感度的 logit 值為 1.1791，而 logit 值等於（ln [p/(1-p)]），因此可以回推出敏感度為 exp(1.1791) / ((1+exp(1.1791))。特異度也是一樣的算法與詮釋方式。
再來是一個很重要的數字「DOR」，它就是診斷勝算比（diagnostic odds ratio），這個數字越大就代表該檢驗標記（uNGAL）越能用來診斷/區別結果變項（AKI）。可注意到 DOR 的信賴區間沒有經過 1，代表其有達統計顯著。下方的 LR+ 與 LR- 分別為 positive and negative likelihood ratio，一般不是每個研究都會報告，有興趣的讀者可以參考筆者多年前的介紹文章（https://dasanlin888.pixnet.net/blog/post/34469429）。
留言列表
{{ article.title }}