在诊断试验中，通过金标准诊断为患者和非患者，采用某种试验方法诊断为阳性或阴性，列成四格表的形式，计算相关指标评价该试验方法的价值。单个诊断试验中，常用灵敏度、特异度、似然比、预测值等评价诊断试验的价值。

　　除上述我们熟悉的指标外，我们需要了解下列指标：

　　诊断优势比(DOR)=真阳性*真阴性/(假阳性*假阴性)，主要用于诊断试验meta分析中，作为meta分析合并时每个诊断试验权重的依据。

　　SROC曲线是根据单个诊断试验中的诊断优势比的权重，绘制的集成ROC曲线。从SROC曲线上可以得到每一个研究的灵敏度和特异度，在存在阈值效应时，该方法最适合。在绘制SROC曲线的基础上，可计算SROC曲线下面积以及Q指数。Q指数为在SROC曲线上，灵敏度=特异度，且最靠近左上角的坐标。

　　接下来，我们看看诊断试验meta分析的步骤。

　　与其他类型的meta分析不同的是，诊断试验meta分析中，阈值效应是异质性的重要来源。阈值效应是因为单个诊断试验中采用不同的诊断界值引起的。当存在阈值效应时，随着灵敏度的增加，特异度逐渐减小，反之亦然。

　　我们常通过计算灵敏度与特异度的Spearman相关系数探讨阈值效应，二者之间若存在强负相关则提示存在阈值效应。但需要注意的是，灵敏度与特异度的相关并不一定都是由阈值效应引起。

　　当不存在阈值效应时，可以直接合并灵敏度、特异度等单一评价指标;当存在阈值效应时，应采用SROC曲线法，计算SROC曲线下面积和Q指数。

　　目前，可用来进行诊断试验meta分析的软件有RevMan、meta-DiSc、Stata、R软件等。今天，我们以R软件的meta4diag程序包为例，演示下如何做诊断试验的meta分析。

　　meta4diag程序包的功能是基于INLA实现的， 因此在使用时还需同时安装相关程序包，即INLA 程序包和sp程序包，程序如下：

　　(1)下载程序包，若运行出错，可通过R/RStudio的工具栏，手动安装。

　　install.packages("meta4diag")

　　install.packages("INLA", repos="http://www.math.ntnu.no/inla/R/testing")

　　(2)加载程序包。library(meta4diag);library(INLA)。

　　(3)读取数据。mydata