在诊断试验准确性（diagnostic test accuracy，DTA）系统综述和Meta分析（合称DTA系统综述）中，除了对各原始研究的效应值进行定量合并以外，探讨其异质性来源也非常重要。有研究表明^[1]，一些已发表的诊断试验原始研究，由于研究设计的质量缺陷，其质量控制关键点出现漏洞。这一方面可能会引入偏倚，高估或低估诊断试验的准确性，另一方面会使研究之间出现方法学异质性，导致研究间不同的结果。Rutjes等^[2]2006年的一项研究结果显示，连续纳入患者以及回顾性收集数据会高估试验结果，依据待检试验纳入患者会低估试验结果。然而迄今为止，针对DTA系统综述的方法学异质性进行探讨的研究仍然匮乏。因此，本文采用两水平多变量的混合线性模型，同时兼顾系统综述层面和原始研究层面的效应，拟探讨QUADAS质量评估工具的14个条目是否为DTA系统综述方法学的异质性因素^[3]。

1. 检索策略：2013年12月在Medline、Embase、Cochrane（CDSR和DARE）3个数据库中，系统检索2008年1月1日至2012年12月31日发表的DTA系统综述，语言限制为英文。检索策略由两组检索词构成，一组是关于DTA研究的检索词，另一组是关于系统综述、Meta分析的检索词，两组检索词以“AND”连接，检索流程见图 1。

图 1 文献纳入排除流程

图选项

2. 纳入排除标准：纳入标准：进行Meta分析的DTA系统综述；纳入原始研究的数目≥10；提供了原始研究的四格表数据；提供了QUADAS质量评估量表的14个条目评价结果的数据。其中，如果同一篇DTA系统综述包含了多个Meta分析，则只纳入原始研究数量最多的Meta分析。排除标准：重复发表文献；方法学研究；会议摘要、通信、评论及无法获得完整信息的其他文献；研究方案。

3. 文献信息摘录及质量评价：通过 EpiData 3.1软件制作信息提取表，提取文献的基本信息（作者、年份、Meta分析中纳入原始研究的数量、目标疾病、待检试验、金标准）及Meta分析中所纳入的原始研究信息[四格表数据（真阳性、假阳性、真阴性、假阴性）和QUADAS质量评估的14个条目信息（14个条目均以“是”、“否”、“不确定”进行回答，其中“是”记1分，“否”和“不确定”记0分，每个条目最高得分为1分）]。以上过程均由两人独立平行完成，意见不一致时由第三人裁决。

4. 统计学分析：用SAS 9.3软件拟合广义混合线性模型，即从原始研究水平建立分层合并受试者工作特征（ROC）随机效应的Meta回归模型^[4]，对纳入研究的系统综述中相关原始研究结果进行拟合，应变量为各原始研究的诊断比值比（DOR）^[5]的对数logDOR，协变量为纳入的质量评估工具的条目（即异质性因素m）。模型说明：

logDOR_ij＝α_i＋β_iS_ij＋∑（r_m＋v_im）X_ijm＋η_ij＋ε_ij

其中，v_im、η_ij、ε_ij为随机效应项，均服从正态分布；Est＝1/a_ij＋1/b_ij＋1/c_ij＋1/d_ij（其中a，b，c，d为四格表数据，Est代表每个原始研究的标准误）logDOR_ij表示第i个系统综述第j个原始研究的logDOR；α_i为常数项，表示第i个系统综述中总的准确度； β_i为系数项，表示第_i个系统综述中S的变化；S_ij＝logitSEN＋logit（1－SEP）；r_m代表第m个异质性因素的平均效应值；v_im代表第m个异质性因素在第i个系统综述中的残差；X_ijm表示第i个系统综述第_j个原始研究中第m个异质性因素的取值；最后，通过Excel 2010软件计算出r_m及其95%CI的反对数，进而得到DOR之比^[5]（RDOR，其意义为具有某种偏倚风险因素研究的DOR合并值是不具有某种相应因素的研究的多少倍）及其95%CI。若某项研究的四格表中含有0，则对该研究的tp，fp，fn，tn（即a，b，c，d）分别加0.5进行校正。

1. 纳入研究基本特征：本研究为高等学校博士学科点专项科研基金课题《诊断试验系统综述中识别和处理方法学异质性的研究》中的一个子课题，该基金课题共检索到相关文献33 337篇，本项子课题在其检出文献的基础上，根据纳入和排除标准最终纳入分析的有23篇，合计550篇原始研究。

23篇文献的基本特征见表 1。各个Meta分析纳入原始研究的数量，最小为10^{[6, 7]}，最大为115^[28]；评估的目标疾病涵盖了冠状动脉疾病、关节韧带疾病、曲霉病、肺部疾病、癌症、糖尿病、神经系统疾病和败血病；待检试验包括影像学检查、实验室检测和患者的主观感受测评。

表 1 23篇识别诊断试验准确性系统综述的基本特征

表选项

纳入的550篇原始研究，其QUADAS质量评估的均值为8.79。满足条目1～14的原始研究数量分别为376、318、529、244、450、452、515、327、273、343、238、255、247和265，其中符合条目3和条目7的研究最多，比例达96.18%和93.64%，由此可见大部分原始研究选择的金标准较为准确，见表 2。

表 2 550个原始研究的QUADAS 14个条目质量评估

表选项

2. 混合线性模型分析：用SAS 9.3软件的Proc Mixed模块，对纳入的23篇Meta分析，合计550篇原始研究，进行混合线性模型分析，建立分层合并ROC随机效应的Meta回归模型（表 3）。

表 3 DTA系统综述14种潜在方法学异质性因素来源的

表选项

（1）单因素分析：混合线性模型单因素分析显示，金标准不准确的诊断试验，其DOR合并值是金标准足够准确的诊断试验的0.026 8（95%CI：0.001 7～0.427 3）倍。金标准与待检试验不独立的诊断试验，其DOR合并值是金标准与待检试验相互独立的诊断试验的2.247 0（95%CI：1.043 8～4.837 3）倍。条目2、4、8、10、11、12、14的RDOR值均＜1，条目1、5、6、9、13的RDOR值均＞1，但差异无统计学意义（95%CI均包含1）。

（2）多因素分析：根据单因素分析结果，将具有统计学意义的条目（条目3和条目7）共同纳入混合线性模型，进行多因素分析，金标准与待检试验不独立的诊断试验，其DOR合并值是金标准与待检试验相互独立的诊断试验的2.396 6（95%CI：1.242 8～4.622 7）倍；金标准不准确的诊断试验，其DOR合并值是金标准足够准确的诊断试验的0.018 6（0.001 0～0.358 5）倍。

本研究中混合线性模型单因素分析和多因素分析的结果一致，结果均表明，金标准不准确会低估DTA系统综述的准确性，多因素分析RDOR＝0.018 6（95%CI：0.001 0～0.358 5）；金标准与待检试验不独立会高估DTA系统综述的准确性，多因素分析RDOR＝2.396 6（95%CI：1.242 8～4.622 7）。这一结论与Whiting等^[29]2013年的一项研究结果一致，其研究认为金标准是否合适会对DTA的结果产生影响。此外，Lijmer等^[30]1999年的研究结果发现，未清楚描述金标准的诊断试验与清楚描述金标准的诊断试验相比，RDOR＝0.7（95%CI：0.6～0.9），也同本研究的结果相一致。从理论层面进行分析，以上两种情况的发生均会导致错分偏倚，其中金标准不准确使得真阳性和真阴性的个数降低，从而低估了结果的准确性；而金标准与待检试验不独立则使得假阳性和假阴性的个数大大降低，从而高估了结果的准确性。

此外，本研究中混合线性模型单因素分析的结果提示，“纳入标准不足够准确”、“待检试验和金标准执行的时间间隔不合理”、“待检试验描述不足够清楚不可重复”、“解读待检试验的结果时，知道金标准的结果”、“解读金标准的结果时，知道待检试验的结果”、“结果不具有临床可推广性”和“未解释了退出病例”，会低估DTA系统综述的准确性；“患者没有代表性”、“部分患者接受了金标准的验证”、“接受的金标准不是同一个”、“金标准的描述不足够清楚不可重复”和“未报告了不可解释的/中间结局”，会高估DTA系统综述的准确性。

与既往研究相比，本研究采用混合线性模型探讨了DTA系统综述的14种异质性来源，该模型是两水平多变量模型，同时兼顾了系统综述层面和原始研究层面的效应，在模型参数的处理方面，计算也更为精确。然而，本研究同时存在很多局限性。本研究中所探讨的只是有关DTA方法学方面的14种设计因素，随着DTA系统综述的不断规范化以及文章数量的增多，有更多的异质性因素值得我们去探究。此外，由于本研究所纳入的文献样本量较少，而混合线性模型对样本量的要求较高，随机效应因子的个数有限，因此只能将单因素有意义的结果放入模型进行进一步验证；而且本研究涉及的诊断领域较多（涵盖了影像学检查、实验室检测和患者的主观感受测评等多个领域），一方面导致了条目3和条目7结果的95%CI较宽，另一方面使得大部分条目的结果无统计学意义，这些异质性因素是否会真正导致结局的变异，还有待于今后纳入更多的DTA系统综述进一步去验证。