杨爱平肿瘤标志物数据统计分析及论文写作

肿瘤标志物数据的统计分析及论文写作,杨爱平,医学论文写作是一项严肃、意义重大的工作、是交流经验，传播科技成果，不断提高临床诊治和科研水平的重要组成部分。只有不断的总结，才能在总结的基础上不断的进步。因此，必须以科学的态度实事求是的去写，即不能夸大，也不能缩小，有一说一，有二说二，密切注意医学论文的科学性、实用性、先进性及可读性。不同的工作性质写出来的医学论文不尽相同，个性是主要的，但也不能没有共性，不是无章可循。但应尽可能避免写作时的千篇一律，千人一面。,医学论文写作,路漫漫其修远兮 吾将上下而求索,昨夜西风凋碧树，独上高楼 望尽天涯路,衣带渐宽终不悔，为伊消得人憔悴,众里寻他千百度，蓦然回首，那人却在灯火阑珊处,论文书写探索过程,实验型文章-基层医院开展难：缺经费,少平台,领导更多注重剩余价值 Meta分析-但苦于非教学医院，近半年国内外发表最新数据检索困难 回顾性统计-方法学论文:实验室已开展项目联合诊断，观察指标与疾病预后和病理分期的关系等,四格表临床应用,归因危险度（attributable risk , AR）,归因危险度（AR）是暴露组发病率与对照组发病率相差的绝对值。又叫特异危险度、率差（rate difference, RD）和超额危险度（excess risk），是暴露组发病率与对照组发病率相差的绝对值，它表示危险特异地归因于暴露因素的程度，即由于暴露因素的存在使暴露组人群发病率增加或减少的部分 特异危险度（AR）的计算公式是：AR暴露组的发病或死亡率-非暴露组的发病或死亡率 AR=,比值比（odds ratio , OR）,比值比（OR）也称优势比、比数比、交叉乘积比，是病例对照研究中表示暴露与疾病之间关联强度的指标，比值（odds）是指某事物发生的概率与不发生的概率之比。比值比指病例组中暴露人数与非暴露人数的比值除以对照组中暴露人数与非暴露人数的比值 比值比OR= 病例组暴露比值/对照组暴露比值 OR= =,RR、AR、OR临床解释,1 暴露与疾病的危险度增加 正相关 1 暴露与疾病的危险度减少 负相关 =1 暴露与疾病的危险度无关 无相关 RR与AR都是表示关联强度的指标，但其流行病学意义不同。RR说明暴露者与非暴露者比较相应疾病的危险增加的倍数；AR则是暴露人群与非暴露人群比较，所增加的疾病发生数量，如果暴露因素消除，就可减少这个数量的疾病发生。前者具有病因学意义，后者具有疾病预防和公共卫生学上的意义,敏感性与特异性,敏感性（真阳性）：真阳性例数占金标准确诊为有某病例数的百分比。 = *100% 特异度：真阴性例数占金标准确诊为无某病例数的百分比。 = *100%,假阳性与假阴性,假阳性：金标准确诊为无某病但诊断试验检出为阳性的例数。 = *100% 假阴性：金标准确诊为有某病但诊断试验检出为阴性的例数。 = *100%,阳性似然比与阴性似然比,阳性似然比：是指诊断试验检测患某病人群的阳性率与非患某病人群的阳性率的比值，即真阳性率与假阳性率之比。 = = 阴性似然比：是指诊断试验检测患某病人群的阴性率与非患某病人群的阴性率的比值，即假阴性率与真阴性率之比。 = =,阳性预测值与阴性预测值,阳性预测值：由诊断试验检出的全部阳性例数中，真阳性例数所占的百分比。 = *100% 阴性预测值：由诊断试验检出的全部阴性例数中，真阴性例数所占的百分比。 = *100%,例：AFP在肝癌诊断中的作用,单一实验室指标去诊断疾病，提高敏感性必然会降低特异性，反之亦然；换句话说，减少误诊必然增加漏诊。采用AFP诊断肝癌，如标准为AFP大10mmol/L，按照此标准诊断肝癌，具有很高的敏感性，是不会漏诊肝癌，因为几乎所有的肝癌患者AFP都大于10 mmol/L。相反依据此标准却容易造成误诊，因为AFP大于10 mmol/L的病人中，除了肝癌还有肝炎和肝硬化等肝脏疾病,例：AFP在肝癌诊断中的作用,肝癌诊断标准从10 mmol/L提高到1000 mmol/L，自然是不会误诊病人，因为AFP大于1000 mmol/L几乎就可以肯定是肝癌了。但是另一方面，却增加了漏诊，因为不是所有的肝癌患者AFP都大于1000 mmol/L的。由此可见，漏诊和误诊之间是相互矛盾的，减少误诊必然以增加漏诊为代价，减少漏诊又必然以增加误诊为代价，敏感性与特异性始终是鱼与熊掌不可兼得的矛盾。,如何协调灵敏度和特异性呢？,最好的方法就是做ROC分析。将病例组和与之难以鉴别诊断的疾病放在一起，采用需要研究的指标去诊断疾病，以1-特异度为横坐标，敏感性为纵坐标。观察指标变化时，敏感性与特异性的关系，绘制ROC曲线，然后根据曲线的结果对指标进行判断。,ROC 有什么用途呢？,1、判断单一指标的诊断效力，曲线下面积越大，指标的诊断效力越大 2、比较不同指标的诊断效力。,如何设计ROC分析 ？,1样本例数的估计 大部分研究，在开展之前，一定要进行样本数的估计，样本量太少，统计效率低下；样本量太高，不仅造成经济上的浪费，还增加了很多不可控制的因素，降低了实验质量。一般把样本量控制在最小估计样本量的上限再加20就可以了（主要是在前瞻性的研究中防止脱落）。,如何设计ROC分析 ？,对照组和实验组的设置 一个实验室指标，要不仅要强调其敏感性，还要强调其特异性，对照组的设置主要是为了体现指标的特异性，即鉴别诊断的能力。所以对照组的设置应该是和疾病组症状相似，如果不采用实验室诊断指标是很难进行鉴别的疾病。比如肝硬化和肝癌。,如何设计ROC分析 ？,实验组一定要有金标准 所谓金标准，就是确诊一个疾病的方法或者方案。对于实验组病例的纳入，一定要使用金标准确诊。换句话说，纳入实验组的病例就应该是纳入一个算一个。相反的，有时对照组要求不是太严格。,ROC相关参数的解释 ？,由ROC曲线产生的参数较多，cut-off值，敏感性，特异性，曲线下面积（AUC），阳性预测值，阴性预测值，阳性似然比，阴性似然比，约登指数等。在进行专业解释时，一般无需全部列出，但是cut-off值，敏感性，特异性，曲线下面积（AUC）是必须交待的。,曲线下面积（AUC）,0.5：不符合真实情况 =0.5：说明诊断方法完全不起作用，无诊断价值 0.50.7：有较低准确性 0.7 0.9：有一定准确性 0.9：有较高准确性 曲线下面积越大，说明该项检验的诊断效能越大,如何计算CUT-OFF值？,数据从SPSS导出后，用EXCEL计算。由于时间关系，这里不演示，感兴的同仁，可以单独交流,多个指标的联合诊断,指标之间的联合诊断可分为系列诊断实验（串联）和平行诊断实验（并联），具体用什么联合方法，依据专业而定。有的疾病，如果需要早期诊断，早诊断对预后影响巨大的，采用并联，如急性心肌梗死；有的疾病强调特异性的，比如SLE，可以采用串联，提高特异性。说简单点：串联就是所有指标阳性才算阳性，并联就是只要有一个指标阳性就算阳性。,如何评价ROC分析 ？,多个指标的联合有助于提高疾病诊断的准确性，但是我们应该意识到，多个指标联合，会增加病人的经济负担，在诊断效力相似的情况下，肯定优先选择少量廉价的指标诊断。同时，一个指标，要成功运用于临床，必然要综合其各方面优缺点的，比如，是否易于检测，是否稳定，是否廉价，是否及时等。,理智对待ROC分析,ROC分析虽然综合了敏感性和特异性，客观评价了指标的诊断效力，但是也有自身的缺陷，比如：有的时候特别注重对疾病特异性的诊断，比如AIDS的确诊，假如发现某定量指标对诊断AIDS有帮助，这时切不可用ROC分析，应该结合临床实际。注重研究特异性为100的情况，不要过多地考虑敏感性。同时，部分疾病，其诊断对实验室指标依赖性不强，很多指标变化只是疾病作为