ROC曲线下面积(AUC)的Meta分析——MedCalc软件实现

发布于 2023年1月1日 星期日 13:32:09 浏览:3864
原创不易,转载请注明来源,感谢!
附件下载:
ROC曲线下面积的Meta分析.zip 请勿重复点击,如无响应请耐心等待或稍后再试。

受试者工作特征曲线 (receiver operator characteristic curve, ROC)面积,即AUC (area under the ROC),常用于评价诊断实验中某指标的诊断价值或预测模型的预测能力。若要以AUC为效应量进行Meta分析,可从文献中提取AUC及其标准误 (SE) 或95%置信区间 (CI) 后对效应量进行合并。本文将实例演示在MedCalc软件中实现AUC的Meta分析相关操作。

关键词:MedCalc; Meta分析; ROC; AUC

一、案例介绍

某学生为探究多个预后模型对脑卒中不良预后的预测能力,拟以区分度指标AUC为效应量进行Meta分析。经过文献的查阅和筛选,最终纳入了8篇脑卒中不良预后模型相关的文献。从纳入的文献中提取AUC及其95%CI后,通过公式95%CI上限=AUC+1.96×SE推算出SE。数据见表1,本案例数据可从“附件下载”处下载。

表1 预测模型的AUC及其95%CI

研究AUC95%CISE
于教授, 20200.6920.6332-0.75080.030
邱教授, 20190.7500.7010-0.79900.025
汪教授, 20190.7650.6631-0.86690.052
沈教授, 20170.7860.5880-0.98400.101
方教授, 20160.7380.6929-0.78310.023
朴教授, 20150.8100.7218-0.89820.045
毛教授, 20150.8230.6662-0.97980.080
林教授, 20130.7100.6806-0.73940.015

二、案例分析

本案例主要是探究多个预后模型预测脑卒中不良预后的预测能力AUC。在MedCalc中可以AUC为效应量,通过AUC的Meta分析对效应量进行加权合并。

三、软件操作及结果解读

(一) 软件操作

  • 打开“比值比的Meta分析.mcl”数据文件。
  • 选择“统计”—“元分析”—“ROC曲线下面积”菜单,打开“元分析∶ROC曲线下面积”对话框,见图1。
图1
  • 在“元分析:ROC曲线下面积”对话框(图2)中将Study、AUC、SE依次填入“研究”“ROC曲线下面积”“AUC的标准误差”。

在MedCalc中进行AUC的Meta分析,可同时得到固定效应和随机效应下的效应量总和。通常情况下,如果异质性分析结果显示存在异质性,汇总结果可选择总和(随机效应),反之选择总和(固定效应)。

图2

(二) 结果解读

1. 异质性检验

“检验异常值”结果(图3)显示,Q=9.4025,P=0.225,I2=25.55%(图3),按照常规的异质性检验标准P<0.10或者I2>50%,可认为各研究间不存在异质性,可选择固定效应模型分析结果。

图3

2. 效应合并量

固定效应模型下合并的AUC为0.729,95%CI为 (0.709~0.748),可认为预测模型对脑卒中不良预后的合并区分度一般,见图4。

图4

3. 森林图

森林图(图5)依次展示了8个模型的AUC及其95%CI,固定效应模型下效应量总和为0.730左右,但是否有统计学意义需要参考效应合并量的具体结果表格(图4)。

图5

4. 漏斗图

漏斗图(图6)显示,尽管所有研究均在加权汇总AUC的95%CI内,但整体并未呈现较对称分布,提示该研究存在一定程度的发表偏倚。此外,发表偏倚检验(Egger's检验) 结果(图7)显示P=0.0561,很接近检验水准,提示本研究存在一定程度的发表偏倚,但不显著。

图6
图7

四、结论

本研究计算加权汇总ROC曲线下面积,即加权汇总AUC,异质性检验结果提示各研究间不存在显著异质性(P=0.225,I2=25.55%),故选择固定效应模型进行效应量合并。经过Meta分析,AUC为0.729,95%CI为 (0.709~0.748),可认为预测模型对脑卒中不良预后的合并区分度一般。漏斗图和Egger's检验均提示不存在显著的发表偏倚。

End
文章目录 沉浸式阅读