Meta-analyse: oppervlakte onder de ROC-curve
| Opdracht: | Statistiek Meta-analyseOppervlakte onder de ROC-curve |
|---|
Voor een kort overzicht van meta-analyse in MedCalc, zie Meta-analyse: inleiding.
MedCalc gebruikt de methoden beschreven door Zhou et al. (2002) om de gewogen samenvattende oppervlakte onder de ROC-curve te berekenen volgens het model met vaste effecten en het model met willekeurige effecten.
Hoe gegevens invoeren
De gegevens van de verschillende studies kunnen als volgt in de spreadsheet worden ingevoerd (voorbeeld overgenomen uit Zhou et al., 2002):
| A | B | C | D | |
|---|---|---|---|---|
| Reference | AUC | SE | ||
| 1 | Study 1 | 0,789 | 0,057 | |
| 2 | Study 2 | 0,724 | 0,025 | |
| 3 | Study 3 | 0,851 | 0,028 | |
| 4 | Study 4 | 0,876 | 0,029 | |
| 5 | Study 5 | 0,782 | 0,102 | |
| 6 | Study 6 | 0,702 | 0,056 | |
| 7 | Study 7 | 0,652 | 0,038 |
Vereiste invoer
Vervolgens kan het dialoogvenster “Meta-analyse: oppervlakte onder de ROC-curve” worden ingevuld.
Studies: een variabele met een identificatie van de verschillende studies.
Gegevens
Oppervlakte onder de ROC-curve (AUC): een variabele met de oppervlakte onder de ROC-curve die in de verschillende studies wordt gerapporteerd.
Standaardfout van AUC: een variabele met de standaardfout van de oppervlakte onder de ROC-curve die in de verschillende studies wordt gerapporteerd.
Filter: een filter om alleen een geselecteerde subgroep van gevallen in de grafiek op te nemen.
Opties
- Forestplot: maakt een forestplot.
- Markeringsgrootte volgens studiegewicht: optie om de grootte van de markeringen die de effecten van de studies voorstellen te laten variëren volgens de gewichten die aan de verschillende studies zijn toegekend. Je kan kiezen voor de gewichten van het model met vaste effecten of van het model met willekeurige effecten.
- Gepoold effect plotten - model met vaste effecten: optie om het gepoolde effect volgens het model met vaste effecten in de forestplot op te nemen.
- Gepoold effect plotten - model met willekeurige effecten: optie om het gepoolde effect volgens het model met willekeurige effecten in de forestplot op te nemen.
- Ruiten voor gepoolde effecten: optie om de gepoolde effecten weer te geven met een ruit (de positie van de ruit stelt de geschatte effectgrootte voor en de breedte van de ruit weerspiegelt de precisie van de schatting).
- Funnelplot: maakt een funnelplot om na te gaan of er publicatiebias is. Zie Meta-analyse: inleiding.
Resultaten
Variabele voor studies | Reference |
|---|---|
Variabele voor oppervlakte onder de ROC-curve (AUC) | AUC |
Variabele voor standaardfout van AUC | SE |
Studie | ROC oppervlakte | Standaardfout | 95%-CI | z | P | Gewicht (%) | |
|---|---|---|---|---|---|---|---|
Vast | Willekeurig | ||||||
Study 1 | 0.789 | 0.0570 | 0.677 tot 0.901 |
|
| 5.62 | 12.33 |
Study 2 | 0.724 | 0.0250 | 0.675 tot 0.773 |
|
| 29.20 | 17.98 |
Study 3 | 0.851 | 0.0280 | 0.796 tot 0.906 |
|
| 23.28 | 17.50 |
Study 4 | 0.876 | 0.0290 | 0.819 tot 0.933 |
|
| 21.70 | 17.33 |
Study 5 | 0.782 | 0.102 | 0.582 tot 0.982 |
|
| 1.75 | 6.64 |
Study 6 | 0.702 | 0.0560 | 0.592 tot 0.812 |
|
| 5.82 | 12.50 |
Study 7 | 0.652 | 0.0380 | 0.578 tot 0.726 |
|
| 12.64 | 15.73 |
Totaal (vaste effecten) | 0.781 | 0.0135 | 0.754 tot 0.807 | 57.802 | <0.001 | 100.00 | 100.00 |
Totaal (willekeurige effecten) | 0.770 | 0.0321 | 0.707 tot 0.833 | 24.013 | <0.001 | 100.00 | 100.00 |
Toets voor heterogeniteit
Q | 35.7137 |
|---|---|
DF | 6 |
Significantieniveau | P < 0.0001 |
I2 (inconsistentie) | 83.20% |
95%-CI voor I2 | 66.81 tot 91.50 |
Publicatiebias
Toets van Egger | |
|---|---|
Intercept | -1.1589 |
95%-CI | -7.9912 tot 5.6733 |
Significantieniveau | P = 0.6810 |
Toets van Begg | |
Kendall's Tau | 0.04762 |
Significantieniveau | P = 0.8806 |
  |
Het programma geeft de resultaten weer van de afzonderlijke studies die in de meta-analyse zijn opgenomen: de oppervlakte onder de ROC-curve, de standaardfout en het 95%-betrouwbaarheidsinterval ervan.
De gepoolde oppervlakte onder de ROC-curve met 95%-CI wordt gegeven voor zowel het model met vaste effecten als het model met willekeurige effecten (Zhou et al., 2002).
Het model met willekeurige effecten geeft doorgaans een conservatievere schatting (d.w.z. met een breder betrouwbaarheidsinterval), maar de resultaten van beide modellen komen meestal overeen wanneer er geen heterogeniteit is. Zie Meta-analyse: inleiding voor de interpretatie van de heterogeniteitsstatistieken Cochrans Q en I2. Wanneer er heterogeniteit is, verdient het model met willekeurige effecten de voorkeur.
Zie Meta-analyse: inleiding voor de interpretatie van de verschillende toetsen voor publicatiebias.
Forestplot
De resultaten van de verschillende studies, met 95%-CI, en de gepoolde oppervlakte onder de ROC-curve met 95%-CI worden weergegeven in een forestplot:
Literatuur
- Borenstein M, Hedges LV, Higgins JPT, Rothstein HR (2009) Introduction to meta-analysis. Chichester, UK: Wiley.
- Higgins JP, Thompson SG, Deeks JJ, Altman DG (2003) Measuring inconsistency in meta-analyses. BMJ 327:557-560.
- Zhou XH, NA Obuchowski, DK McClish (2002) Statistical methods in diagnostic medicine. New York: Wiley.