目标与问题定义
· 明确临床问题（如：CT与MRI对肝癌的早期诊断准确性比较）。
· 确定PICOS-D框架：
① Patient（目标人群）
② Index test（待评估诊断工具）
③ Comparator（参考标准，如金标准或现有最佳诊断方法）
④ Outcome（灵敏度、特异度、AUC等）
⑤ Study design（纳入研究类型，如横断面研究、队列研究）
⑥ Data（数据提取要求）
系统性检索策略
· 数据库选择（PubMed、EMBASE、Cochrane Library等）。
· 关键词组合（如：“hepatocellular carcinoma” AND “CT” AND “MRI” AND “sensitivity”）。
· 纳入排除标准（语言、样本量、研究质量等）。
文献筛选流程
· 初筛（标题/摘要）→ 全文筛选 → 最终纳入研究列表。
· 工具推荐：PRISMA流程图记录筛选过程。
标准化数据提取表
· 提取内容：
① 研究基本信息（作者、年份、国家）。
② 四格表数据（TP, FP, FN, TN）。
③ 诊断阈值（如CT的HU值截断点）。
④ 研究设计特征（盲法、参考标准等）。
质量评估工具
· QUADAS-2（诊断准确性研究质量评估工具）评估偏倚风险；
异质性检验
· 评估研究间异质性来源（阈值效应、临床异质性、方法学差异）。
· 统计方法：Cochran’s Q检验、I²统计量。
统计模型选择
· 双变量模型（Bivariate Model）：同时估计灵敏度、特异度及其相关性。
· 工具：R包（mada, meta4diag）、Stata命令（metandi）。
亚组分析与Meta回归
· 探索异质性来源（如：不同人群、诊断阈值、研究质量）。
核心图表
· 森林图：展示各研究的灵敏度、特异度及合并结果。
· SROC曲线：显示诊断性能与阈值效应。
· 漏斗图：评估发表偏倚（需谨慎解释，因诊断Meta分析的发表偏倚评估方法尚存
争议）。
结果解读要点
· 合并灵敏度/特异度及其置信区间。
· 临床适用性（如：高灵敏度适用于排除疾病，高特异度适用于确诊）。
· 异质性的实际意义（是否影响结论普适性？）。
敏感性分析
· 排除低质量研究、小样本研究或极端值，验证结果稳健性。
临床实践指导
· 优化诊断流程：例如确定某肿瘤标志物是否适合用于筛查（高灵敏度）或确诊（高特异度）。
· 资源有限地区：帮助选择性价比更高的诊断工具（如便携超声 vs. MRI）。
研究证据整合
· 解决单研究局限性：小样本研究可能因随机误差高估/低估准确性，Meta分析通过合并提高结果稳健性。
· 支持指南制定：例如WHO推荐某快速检测方法用于结核病诊断，需基于DTA-MA证据。
发现研究空白
· 通过异质性分析识别未被充分探索的影响因素（如不同人群亚组的诊断效能差异）。
评论列表