基于似然的诊断试验准确性荟萃分析中发表偏倚对汇总ROC的敏感性分析

在诊断试验准确性的荟萃分析中，汇总受试者工作特征（SROC）是在存在研究特异性截断值的情况下总结诊断试验判别能力的推荐方法，而 SROC 下面积（SAUC）给出了试验准确性的聚合度量。SROC 或 SAUC 可通过针对敏感性-特异性数对在主要诊断研究上的双变量建模来估计。然而，发表偏倚是荟萃分析估计有效性的主要威胁。为解决此问题，我们提议采用敏感性分析对发表偏倚对 SROC 或 SAUC 的影响进行客观推断。我们将 Copas 基于似然的敏感性分析扩展至用于诊断试验准确性荟萃分析的双变量正态模型，以评估在不同依赖于敏感性和/或特异性的选择性发表机制下，不同选择概率会使 SROC 或 SAUC 改变多少。选择概率由针对 logit 变换后的敏感性与特异性线性组合的 $t$ 型统计量的选择函数建模，使得每项研究的选择性发表受依赖于截断值的敏感性、特异性或诊断比值比 $p$ 值影响。通过将选择函数嵌入双变量正态模型，我们提出了条件似然，并且可通过最大化该似然来估计偏差校正后的 SROC 或 SAUC。我们通过重新分析一项关于血管内装置相关感染试验准确性的荟萃分析来说明所提敏感性分析。我们进行了模拟研究以考察所提方法的性能。