具有二元和连续结果的诊断测试网络的荟萃分析

诊断测试准确性的网络荟萃分析（NMA-DTA）是一个相对较新的领域，涉及跨研究合并证据，以评估和比较针对给定病症的不同测试的准确性。然而，迄今提出的方法并不总能捕捉数据的复杂特征。事实上，许多常用的诊断测试是连续生物标志物，其准确性是在研究内的多个阈值处进行评估的。使用当前的NMA-DTA方法，我们只能在分析中纳入每项研究的少数几个阈值，从而丢弃了大量本可为我们提供有用信息的数据。我们引入了一种能够有效包含所有可用数据的方法。这是一种分层模型，它结合了多项似然来报告跨多个阈值的研究结果，并为每个疾病类别中测试阳性概率与阈值之间的关系引入了参数化结构。这种方法使我们能够获得测试在所有观测阈值范围内的准确性估计，同时保留了标准NMA-DTA方法的所有有用特性。我们基于不同的协方差结构、研究级随机效应的包含以及测试级方差分量上额外分层结构的添加，探索了该模型的不同变体。该框架被应用于两项系统综述的数据，允许纳入更多数量的测试（与替代方法相比），并以更高的精度估计不同阈值下的敏感性和特异性。