诊断性研究,如何写一篇高质量的meta分析/系统综述?
这位最会写论文的医生已发1,296篇SCI。读懂其论文特点,你也会才思泉涌、满眼都是论文
预后研究,这个医生最喜欢的科研形式,这样才能做出高质量的原创研究!
对诊断主题进行系统综述的主要目标是提供有关特定测试或检查的最新和最准确的信息,以帮助临床医生、患者和利益相关者等促进医疗决策。
明确它们的作用可以帮助临床医生和健康研究人员了解为什么这个诊断问题很重要,以及这个它们如何潜在地改变患者管理和改善患者预后。
5. 报告和分析数据
(Reporting and analyzing data)
人们普遍认为,阳性预测值(PPV)和阴性预测值(NPV)会受到样本中患病率的影响。然而,敏感性和特异性也可能因患病率而改变。PPV和NPV的双变量Meta分析可以替代敏感性和特异性的双变量Meta分析。
因此,一般而言,建议提取敏感性和特异性,或PPV和NPV,或提取所有四种诊断结果及其95%置信区间。
同时,不建议提取其他诊断准确性结果,例如似然比或优势比等,因为没有证据表明这些值可以改善诊断决策。
如果研究人员注意到符合条件的研究之间存在临床或方法学异质性,则不适合进行Meta分析。
如果符合条件的研究中的患者群体不同(例如,一些研究只招募原发性前列腺癌患者,而其他研究招募复发患者),如果目标疾病患病率不同(例如,原发性前列腺癌患者的患病率是在某些研究中约为40%,但在其他研究中约为5%),或者说指标测试的实验室方法不同(例如,一些研究使用荧光原位杂交,而另一些研究使用聚合酶链式反应来检测一种分子改变)等。
那么如何进行Meta分析呢?
建议使用双变量、随机效应元回归模型来控制意外的异质性,并为某个临界点或几个不同的常见临界点提供测试的汇总敏感性和特异性或汇总PPV和NPV的估计值。如果符合条件的研究的偏倚风险评估结果不同(一些符合条件的研究具有高偏倚风险,而另一些具有低偏倚风险),则敏感性分析仅包括低偏倚风险研究或包括高风险可以进行偏倚研究。如果所有研究的Meta分析结果与低偏倚风险研究的敏感性分析结果一致,就有信心得出结论;如果结果不一致,建议对低偏倚风险研究的结果进行比高偏倚风险研究的结果更重的权衡。
许多统计软件包可以使用诊断数据执行Meta分析,例如 STATA、SAS、R等,但是建议不要使用无法进行双变量分析的软件,例如Meta-DiSc。
Meta分析并不总是可行或适当的,那么如何在没有荟萃分析的情况下呈现数据
呢?
在这种情况下,可以通过在表格中呈现目标疾病的患病率、患者特征、阳性病例的定义、参考标准的详细信息以及每个符合条件的研究的诊断准确性结果,然后报告此范围文中的信息。
6. 解释数据并得出结论
(Interpreting data and making conclusions)
无论是否进行Meta分析,研究人员在计算敏感性和特异性时都可能需要考虑无法解释或不确定的数据。如果在计算敏感性和特异性时忽略了无法解释或不确定的数据,则可能会高估测试准确性。
QUADAS-2 工具用于评估个别诊断研究的偏倚风险。需要注意的是,在得出结论时要考虑每个结果(例如测试准确性和副作用等)所有符合条件的研究的整体质量(例如,偏倚风险、异质性等)。 GRADE 方法(建议分级、评估、开发和评估)是评估每个结果的证据整体质量的一种选择【4】。
GRADE方法中需要考虑的五个因素包括偏倚风险、不一致、间接性、不精确性和其他考虑因素(例如,发表偏倚)(如何使用GRADE方法在此处不予讨论,感兴趣可以在GRADE网站中检索【5】)。
一般情况下,对诊断性的课题进行系统评价的主要目的是为某些测试/检查提供准确的信息,以帮助临床医生、患者和利益相关者等根据他们的情况做出自己的判断和决定。
如果系统评价的结论非常薄弱或不确定,可以提出未来研究方向的主题,例如调查测试准确性、副作用、负担或关联的管理变化等所需的更多高质量原创研究。
对诊断性课题进行系统评价有六种关键策略,会使您事半功倍。
即:阐明项目目标、提出适当的研究问题、进行文献检索、评估合格研究的偏倚风险、报告和分析数据、解释数据并得出结论,以帮助临床医生、患者和利益相关者等促进医疗决策。
解读的文献:
Yao X, Vella E, Brouwers M. How to conduct a high-quality systematic review on diagnostic research topics. Surg Oncol. 2018 Mar;27(1):70-75. doi: 10.1016/j.suronc.2017.11.010. Epub 2017 Dec 6. PMID: 29549907.
1. R.J. Adams, P. Smart, A.S. Huff, Shades of grey: guidelines for working with the grey literature in systematic reviews for management and organizational studies, Int. J. Manag. Rev. 19 (2017) 432e454.
2. CADTH Evidence Driven. Grey Matters: a practical tool for searching healthrelated grey literature. https://www.cadth.ca/resources/finding-evidence/ grey-matters. (Accessed 22 November 2017).
3. P.F. Whiting, A.W. Rutjes, M.E. Westwood, S. Mallett, J.J. Deeks, J.B. Reitsma, M.M. Leeflang, J.A. Sterne, P.M. Bossuyt, QUADAS-2: a revised tool for the quality assessment of diagnostic accuracy studies, Ann. Intern. Med. 155 (8) (2011) 529e536.
4. H. Balshem, M. Helfand, H.J. Schunemann, A.D. Oxman, R. Kunz, J. Brozek, G.E. Vist, Y. Falck-Ytter, J. Meerpohl, S. Norris, G.H. Guyatt, GRADE guidelines: 3. Rating the quality of evidence, J. Clin. Epidemiol. 64 (4) (2011) 401e406.
5. GRADEpro GDT, GRADE's software for summary of findings tables, health technology assessment and guidelines. https://gradepro.org/. (Accessed 22 November 2017).
微信扫码关注该文公众号作者