数据驱动的切线选择患者健康问卷-9 抑郁查工具
Brooke Levis1,2, Parash Mani Bhandari1, Dipika Neupane1
1Lady Davis Institute for Medical Research, Jewish General Hospital, Montréal, Québec, Canada.
JAMA network open
|November 22, 2024
概括
使用小数据集来设置最佳切断分数的患者健康问卷-9 (PHQ-9) 可能会导致不准确的结果. 这项研究表明,与人口级数据相比,数据驱动的方法产生了不同的截止分数和偏差的准确性估计.
科学领域:
- 心理测量 心理测量 心理测量
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 测试准确性研究通常使用小数据集,同时选择最佳切断分数和准确性估计.
- 这种方法可能导致偏离人口水平最佳得分和偏差的准确性估计.
研究的目的:
- 评估数据驱动的方法如何同时选择最佳的患者健康问卷-9 (PHQ-9) 截止分数和估计准确度影响结果.
- 具体来说,要评估与人口水平值相比,最佳截止分数和准确性估计的差异.
主要方法:
- 利用来自个人参与者数据元分析 (IPDMA) 数据库的横截面数据来提高PHQ-9查准确度.
- 从IPDMA人群中重新采样了1000项研究 (N=100, 200, 500, 1000),以模拟较小的数据集.
- 使用Youden指数选择最佳切断分数,并将准确性估计与全人口数据进行比较.
主要成果:
- 在模拟研究中的最佳切断分数与人口最佳 (8+) 相比,差异很大 (例如,N=100个样本中的2+到21+).
- 只有17%的N=100样本和33%的N=1000样本确定了真正的最佳切断分数 (8+).
- 在较小的样本中,过高估计了灵敏度 (例如,在N=100的6.4个百分点),而特异性基本上没有受到影响.
结论:
- 同时选择最佳切断分数,并使用小型数据集上的数据驱动方法估计准确度,导致与人口值的实质差异.
- 来自不够强大的研究或元分析的诊断准确性证据应谨慎解释.
- 切断分数的推需要来自足够强大的研究或经过良好的元分析的强有力的证据.
