陶圓,何倩,程里禮,付文杰,吳君怡,牛玉明,張超
WinBUGS軟件實(shí)現(xiàn)診斷準(zhǔn)確性試驗(yàn)Meta分析
陶圓1,2,何倩3,程里禮4,付文杰3,吳君怡3,牛玉明1,5,張超1
WinBUGS軟件是一款基于Bayesian理論而研發(fā)的統(tǒng)計(jì)軟件,因其具有直接準(zhǔn)確的定位樣本分布、結(jié)果解釋更加可靠等優(yōu)點(diǎn),再結(jié)合WinBUGS軟件全編程語言的靈活性的特點(diǎn),使得其在各種數(shù)據(jù)統(tǒng)計(jì)分析中應(yīng)用較為廣泛。在診斷準(zhǔn)確性試驗(yàn)Meta分析中同樣適用,但其缺點(diǎn)在于無法獨(dú)立繪制敏感度和特異度森林圖和綜合受試者工作特征曲線。本文以一組診斷準(zhǔn)確性試驗(yàn)數(shù)據(jù)為例,展示W(wǎng)inBUGS軟件完成診斷準(zhǔn)確性試驗(yàn)Meta分析的操作過程。
WinBUGS 軟件;貝葉斯理論;診斷準(zhǔn)確性試驗(yàn);Meta分析
WinBUGS軟件是基于Bayesian理論[1]而研發(fā)的統(tǒng)計(jì)軟件,因其具有直接準(zhǔn)確的定位樣本分布、結(jié)果解釋更加可靠等優(yōu)點(diǎn),再結(jié)合WinBUGS軟件全編程語言的靈活性的特點(diǎn)[2,3],使其在各種數(shù)據(jù)統(tǒng)計(jì)分析中廣泛應(yīng)用,其中包括診斷準(zhǔn)確性試驗(yàn)Meta分析[4,5]。
WinBUGS軟件可從http://www.mrc-bsu.cam. ac.uk/software/bugs/the-bugs-project-winbugs免費(fèi)下載,當(dāng)前版本為1.4.3,下載完成后,雙擊WinBUGS.exe,按提示進(jìn)行安裝。安裝完成后需要進(jìn)行注冊激活相關(guān)功能,否則無法使用WinBUGS 1.4.3軟件,其注冊激活文件可從http:// www.mrc-bsu.cam.ac.uk/wp-content/uploads/WinBU GS14_immortality_key.txt下載。
本例采用的WinBUGS軟件為1.4.3版本,其制作診斷準(zhǔn)確性試驗(yàn)Meta分析流程與其他類型Meta分析制作基本相似,其中主要區(qū)別在于模塊
與數(shù)據(jù)部分。本文將結(jié)合《應(yīng)用R軟件meta4diag程序包實(shí)現(xiàn)診斷準(zhǔn)確性試驗(yàn)的Meta分析》[6]中的數(shù)據(jù),應(yīng)用WinBUGS軟件[7]實(shí)現(xiàn)診斷準(zhǔn)確性試驗(yàn)Meta分析基本操作流程做相關(guān)講解。
2.1模型加載 在WinBUGS軟件的操作中,我們首先需要對模型進(jìn)行加載,具體代碼(框1)與操作(圖1)如下:
框1 診斷準(zhǔn)確性試驗(yàn)Meta分析Bayesian模塊
對于模型的加載,只需按照A-B-C三步依次執(zhí)行,待D處出現(xiàn)“model is syntactical correct”字樣,即提示模型加載完成。
圖1 模型加載
2.2數(shù)據(jù)加載 數(shù)據(jù)加載與其他類型的Meta分析加載一致,但需要注意的是數(shù)據(jù)的排列格式,具體數(shù)據(jù)排列格式(表1)與加載(圖2)如下:
表1 數(shù)據(jù)排列格式
圖2 數(shù)據(jù)加載
對于數(shù)據(jù)加載部分,依次執(zhí)行A-B兩步后,若C處出現(xiàn)“data loaded”字樣及D處“compile”控件激活,即提示數(shù)據(jù)加載成功。
2.3模型編譯 該部分執(zhí)行重點(diǎn)在于檢驗(yàn)?zāi)P团c數(shù)據(jù)的匹配性,當(dāng)模型與數(shù)據(jù)相互對應(yīng)時(shí),方可執(zhí)行下一步,否則需要檢驗(yàn)?zāi)P突驍?shù)據(jù)。該步驟具體操作(圖3):
上述圖3操作,在執(zhí)行A步驟之后,若B處出現(xiàn)“model compiled”字樣以及C處兩控件均處于激活狀態(tài),則提示模型編譯成功。
2.4初始值加載 初始值加載與數(shù)據(jù)的加載操作基本相似,具體初始值(框2)及操作(圖4)如下:
圖3 模型編譯
上述圖4操作,依次執(zhí)行A-B步驟,待C處出現(xiàn)“model is initialized”字樣,則提示模型已經(jīng)完成初始化。
框2 初始值設(shè)定
圖4 加載初始值
圖5 觀測值設(shè)定步驟
2.5觀測值設(shè)定 在運(yùn)算之前,需要對最終觀察值進(jìn)行提前設(shè)定,其具體相關(guān)操作見圖5。觀測值設(shè)定,需要依次對每一個(gè)觀測值進(jìn)行手工添加設(shè)定,圖5以“se”節(jié)點(diǎn)為例,依次執(zhí)行A-B-C三步即可完成相應(yīng)操作。本例觀測節(jié)點(diǎn)依次為:se, sp, Pool_S, Pool_C, rho, sens.new, spec. new。
2.6迭代運(yùn)算 WinBUGS軟件采用迭代運(yùn)算法則來推算結(jié)果。本例,我們采用50000次迭代,前10000次退火,來進(jìn)行相應(yīng)迭代運(yùn)算。具體參數(shù)設(shè)置及操作(圖6)如下:
上述操作依次執(zhí)行A-B-C三步后,D處會出現(xiàn)“model is updating”字樣,則提示模型正在進(jìn)行相應(yīng)設(shè)置的迭代運(yùn)算;待迭代完成后,D處會“updatas took 85s”,提示迭代已完成且耗時(shí)85s,隨后我們開始設(shè)置退火參數(shù),即E處:beg為10001,提示從10001次開始匯總結(jié)果。
2.7結(jié)果匯總 在完成上述操作后,我們可以開始完成最后的結(jié)果展示,其相應(yīng)操作(圖7)如下:
圖7中,A部分為需要展示節(jié)點(diǎn)名稱,其中本例展示全部節(jié)點(diǎn),故選取“*”;B控件為展示最終結(jié)果(框3),其他控件主要為繪制軌跡圖、歷史圖、密度圖、自相關(guān)圖以及相應(yīng)節(jié)點(diǎn)的迭代運(yùn)算中間值,有興趣操作者可自行嘗試。
上述結(jié)果,保留四位有效小數(shù),sens.new與spec.new為最終敏感度與特異度[8,9]。上述模型為“標(biāo)準(zhǔn)”模型,其適合于常規(guī)的數(shù)據(jù),且使用較為廣泛。除此之外,在考慮到原始數(shù)據(jù)的分布、數(shù)據(jù)間相互影響等因素,我們會依據(jù)上述模型來進(jìn)行相應(yīng)修正,如:log-log分布與t-分布使用、方差-協(xié)方差調(diào)整、嶺回歸模型及混合正態(tài)模型介入以及對缺失值與回歸系數(shù)調(diào)整等,都將會進(jìn)一步優(yōu)化結(jié)果,提高證據(jù)的可靠性[10,11]。
圖6 迭代參數(shù)設(shè)置圖
圖7 設(shè)定結(jié)果展示圖
框3 結(jié)果展示
基于Bayesian理論對結(jié)果的精確估計(jì)以及其代碼編寫的靈活性等優(yōu)點(diǎn),使得WinBUGS軟件在各種數(shù)據(jù)統(tǒng)計(jì)中的應(yīng)用較為廣泛,但在具體操作前,我們需要考慮相關(guān)數(shù)據(jù)相關(guān)特征以及熟練地使用Bayesian的相關(guān)理論與編程語言,方可準(zhǔn)確制定相應(yīng)的Bayesian模型,把握結(jié)果的可靠性。與此同時(shí),由于該軟件其繪圖功能仍然存在缺陷,因此其對于診斷準(zhǔn)確性試驗(yàn)Meta分析的敏感度和特異度的森林圖[12,13]、綜合受試者工作特征曲線圖的繪制及曲線下面積的計(jì)算[14,15]需要依賴于外界軟件的相關(guān)功能,如R軟件,其繪制方案在本診斷準(zhǔn)確性試驗(yàn)Meta分析軟件系列前章節(jié)中有相關(guān)講解[16,17],故此處就不再贅述。Bayesian理論在統(tǒng)計(jì)學(xué)方面具有無可比擬的優(yōu)勢,相信WinBUGS軟件在診斷準(zhǔn)確性試驗(yàn) Meta分析中有廣闊的發(fā)展前景。
[1] Cheng D,Branscum AJ,Johnson WO. Sample size calculations for ROC studies: parametric robustness and Bayesian nonparametrics[J]. Stat Med,2012,31(2):131-42.
[2] Cipoli DE,Martinez EZ,Castro Md,et al. Clinical judgment to estimate pretest probability in the diagnosis of Cushing's syndrome under a Bayesian perspective[J]. Arq Bras Endocrinol Metabol,2012,56(9):633-7.
[3] Lim C,Wannapinij P,White L,et al. Using a web-based application to define the accuracy of diagnostic tests when the gold standard is imperfect[J]. PLoS One,2013,8(11):e79489.
[4] Walusimbi S,Bwanga F,De Costa A,et al. Meta-analysis to compare the accuracy of GeneXpert, MODS and the WHO 2007 algorithm for diagnosis of smear-negative pulmonary tuberculosis[J]. BMC Infect Dis,2013,13:507.
[5] Leeflang MM. Systematic reviews and meta-analyses of diagnostic test accuracy[J]. Clin Microbiol Infect,2014,20(2):105-13.
[6] 何倩,王曉娜,喻亞宇,等. 應(yīng)用R軟件meta4diag程序包實(shí)現(xiàn)診斷準(zhǔn)確性試驗(yàn)的Meta分析[J]. 中國循證心血管雜志,2016,8(2):138-41.
[7] Menke J. Bivariate random-effects meta-analysis of sensitivity and specificity with the Bayesian SAS PROC MCMC: methodology and empirical evaluation in 50 meta-analyses[J]. Med Decis Making, 2013,33(5):692-701.
[8] Kuss O,Hoyer A,Solms A. Meta-analysis for diagnostic accuracy studies: a new statistical model using beta-binomial distributions and bivariate copulas[J]. Statist Med,2014, 33(1):17-30.
[9] Giavarina D. Tools for critical appraisal of evidence in studies of diagnostic accuracy[J]. Autoimmun Rev,2012,12(2):89-96.
[10] Zhou Y,Dendukuri N. Statistics for quantifying heterogeneity in univariate and bivariate meta-analyses of binary data: the case of meta-analyses of diagnostic accuracy[J]. Stat Med, 2014,33(16):2701-17.
[11] Valle D,Lima JM,Millar J,et al. Bias in logistic regression due to imperfect diagnostic test results and practical correction approaches[J]. Malar J,2015,14:434.
[12] Lee J,Kim KW,Choi SH,et al. Systematic Review and Meta-Analysis of Studies Evaluating Diagnostic Test Accuracy: A Practical Reviewfor Clinical Researchers Part II. Statistical Methods of Meta-Analysis[J]. Korean J Radiol,2015,16(6):1188-96.
[13] Yu J,Yang L,Vexler A,et al. Easy and accurate variance estimation of the nonparametric estimator of the partial area under the ROC curve and its application[J]. Stat Med,2016,35(13):2251-82.
[14] Luo X,Willse JT. A Dual-Purpose Rasch Model with Joint Maximum Likelihood Estimation[J]. Stat Methods Med Res,2015,16(3):298-314.
[15] Hamza TH,Reitsma JB,Stijnen T. Meta-analysis of diagnostic studies:a comparison of random intercept, normal-normal, and binomialnormal bivariate summary ROC approaches[J]. Med Decis Making, 2008,28(5):639-49.
[16] 王權(quán),何倩,吳君怡,等. 應(yīng)用R軟件bamdit程序包實(shí)現(xiàn)診斷準(zhǔn)確性試驗(yàn)的Meta分析[J].中國循證心血管雜志,2016,8(3):260-72.
[17]王權(quán),楊廉潔,何倩,等. 應(yīng)用R軟件metamisc程序包及CopulaREMADA程序包實(shí)現(xiàn)診斷準(zhǔn)確性試驗(yàn)的Meta分析[J]. 中國循證心血管雜志,2016,8(4):392-5.
本文編輯:姚雪莉
Meta-analysis of diagnostic test accuracy realized by applying WinBUGS software
TAO Yuan*, HE Qian, CHENG LI-li, FU Wen-jie, WU Jun-yi, NIU Yu-ming, ZHANG Chao.
*Center for Evidence-Based Medicine and Clinical Research, Taihe Hospital, Hubei University of Medicine, Shiyan 442000, China.
ZHANG Chao, Email: zhangchao0803@126.com
WinBUGS software based on Bayesian theory is developed for statistics. It can locate sample distribution directly and precisely and the result can be explained more reliably. Because of those advantages combined with the flexibility of whole programming language, WinBUGS software is broadly applied to various statistics analyses. It is always used for diagnostic test accuracy (DTA) similarly, but it can’t draw forest plots for sensitivity and specificity. The procedure of accomplishment of DTA Meta-analysis using WinBUGS software was displayed taken a group of DTA Meta-analysis data as example in this article.
WinBUGS software; Bayesian theory; Diagnostic test accuracy; Meta-analysis
R4
A
1674-4055(2016)10-1159-03
湖北省教育廳重點(diǎn)項(xiàng)目(D20142102)
1442000 十堰,十堰市太和醫(yī)院(湖北醫(yī)藥學(xué)院附屬醫(yī)院)循證醫(yī)學(xué)中心;2442000 十堰,湖北醫(yī)藥學(xué)院醫(yī)學(xué)影像學(xué)12級;3442000 十堰,湖北醫(yī)藥學(xué)院口腔醫(yī)學(xué)院12級;4750000 銀川,寧夏醫(yī)科大學(xué)總醫(yī)院肝膽外科;5442000 十堰,十堰市太和醫(yī)院(湖北醫(yī)藥學(xué)院附屬醫(yī)院)口腔科
張超,E-mail:zhangchao0803@126.com
10.3969/j.issn.1674-4055.2016.10.03