上文中提到SROC是統合分析在醫學診斷工具結果合併的方法，雖然將敏感度(sensitivity)和特異度(specificity)兩個測量的值整合在模式中，但其明顯的缺點即在沒有考量到敏感度(sensitivity)和特異度(specificity)之間的相關性(correlation)。正因爲如此，就有學者提出了更爲複雜精細的分析方法---階層式摘要ROC曲線(HSROC)。HSROC模式中，有兩個不同的層次：同一研究結果內(within studies)及不同研究結果間(between studies)藉此來使得合併的效果值更加合理準確，
其模式爲：
ln(πij/(1-πij))=(θi+αi*dij)exp(-β*dij), i=1,2,…,k. j=1,2.
其中θi, αi皆爲隨機效果(random effect)，θi代表的是不同的切點(threshold); αi代表了診斷準確度(diagnostic accuracy). 而dij代表黃金標準(gold standard)所測得的結果是否爲有病(positive)。目前可用來分析HSROC的軟體包含SAS, STATA, R等，皆需要以輸入程式的方式來操作，所以要先對HSROC有一定程度的了解，才能用於分析及最後結論的詮釋。
Reference:
Petra Macaskill (2004). Empirical Bayes estimates generated in a hierarchical summary ROC analysis agreed closely with those of a full Bayesian analysis. J. Clin. Epidemiol 57: 925-32.
Rutter CM, Gatsonis CA (2001). A hierarchical regression approach to meta-analysis of diagnostic test accuracy evaluations. Stat Med 20: 2865-84.
留言列表
