Versions Compared
Version | Old Version 1 | New Version 2 |
---|---|---|
Changes made by | ||
Saved on |
Key
- This line was added.
- This line was removed.
- Formatting was changed.
Methods for performing meta-analyses regarding diagnostic tests are still being debated in the literature and new statistical developments are underway Los métodos para realizar metaanálisis relativos a las pruebas diagnósticas siguen siendo objeto de debate en la literatura y hay nuevos desarrollos estadísticos en curso (Eusebi et al. 2014). Three main models exist. The first one corresponds to a fixed effect model whereas the other two are random effect models. These last two are based on a hierarchical model, taking into account the variability present within studies and between studies. Exact mathematical details for each model discussed are provided in Appendix III.
The Moses-Littenberg modelExisten tres modelos principales. El primero corresponde a un modelo de efectos fijos, mientras que los otros dos son modelos de efectos aleatorios. Estos dos últimos se basan en un modelo jerárquico que tiene en cuenta la variabilidad presente dentro de los estudios y entre ellos. Los detalles matemáticos exactos de cada modelo analizado figuran en el Anexo III.
El modelo Moses-Littenberg (Littenberg et al. 1990; Moses et al. 1993) has been extensively used for meta-analyses of DTA se ha utilizado ampliamente para metaanálisis de EPD (Holling et al. 2012).
However, it is principally a fixed effect model, whereas for many such analyses a random effect model is required. It allows the performance of SROC curves in an exploratory approach. As a fixed effect model, it does not take into account and does not consider the variability between studies.
Due to its evident simplicity (it notably does not integrate the inter-study variability), this model can, in some circumstances, produce very different SROC curves compared to the hierarchical model described below Sin embargo, se trata principalmente de un modelo de efectos fijos, mientras que para muchos análisis de este tipo se requiere un modelo de efectos aleatorios. Permite la realización de curvas SROC en un enfoque exploratorio. Al ser un modelo de efectos fijos, no tiene en cuenta ni considera la variabilidad entre estudios.
Debido a su evidente simplicidad (en particular, no integra la variabilidad entre estudios), este modelo puede, en algunas circunstancias, producir curvas SROC muy diferentes en comparación con el modelo jerárquico descrito a continuación (Harbord et al. 2008). The Cochrane Collaboration recommends careful use of this model which should be limited to preliminary analyses. Confidence intervals in statistics estimates or investigations of heterogeneity should not be studied with this model. 19
The Bivariate modelLa Colaboración Cochrane recomienda un uso cuidadoso de este modelo, que debería limitarse a análisis preliminares. Los intervalos de confianza en las estimaciones estadísticas o las investigaciones de heterogeneidad no deben estudiarse con este modelo. 19
El modelo bivariante (Reitsma et al. 2009) estimates the summary parameters: sensitivity and specificity across primary studies. It is presented in the Cochrane Handbook estima los parámetros de resumen: sensibilidad y especificidad a través de estudios primarios. Se presenta en el Manual Cochrane (Macaskill et al. 2010) and in the article of y en el artículo de Leeflang et al. 2014 as a method of choice.
como método de elección.
En este método, siguiendo a Chu & Cole et al. 2006, the within study variability is modelled through binomial distributions, one for sensitivity and the other for specificity. These distributions are treated jointly since estimates of sensitivity and specificity, within each study, are non-independent.
To deal with variability in positivity cutpoint values, Rutter and Gatsonis. 2001 developed the hierarchal SROC (HSROC) model. It produces a SROC in which each study provides only one pair of values for sensitivity and specificity. It is presented in the Cochrane Handbookla variabilidad dentro del estudio se modela mediante distribuciones binomiales, una para la sensibilidad y otra para la especificidad. Estas distribuciones se tratan de manera conjunta, ya que las estimaciones de sensibilidad y especificidad, dentro de cada estudio, no son independientes.
Para tratar la variabilidad en los valores del punto de corte de positividad, Rutter y Gatsonis. 2001 desarrollaron el modelo SROC jerárquico (HSROC). Produce una SROC en la que cada estudio proporciona solo un par de valores para la sensibilidad y para la especificidad. Se presenta en el Manual Cochrane (Macaskill et al. 2010) and in the article by y en el artículo de Leeflang et al. 2014 as a method of choice to obtain SROC curvescomo método de elección para obtener curvas SROC.