Uyarlanabilir Tanısal Doğruluk Çalışması
Adaptive Diagnostic Accuracy Study · Ayrıca şöyle bilinir: adaptive DTA study, adaptive diagnostic test evaluation, adaptive test accuracy trial, adaptive STARD study
Uyarlanabilir bir tanısal doğruluk çalışması, hedef bir duruma sahip hastalar ile olmayan hastaları ayırt etmede bir indeks testin ne kadar iyi performans gösterdiğini değerlendirirken, biriken verilere dayanarak örneklem büyüklüğü yeniden tahmini, eşik ayarlaması veya alt grup zenginleştirmesi gibi değişikliklere izin veren önceden belirlenmiş ara analizleri içerir. Bu tasarım, özellikle önceki prevalans veya test performansı verilerinin belirsiz olduğu durumlarda, sabit örneklemeli tanısal çalışmalara kıyasla verimliliği ve etik yürütmeyi iyileştirir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Uyarlanabilir bir tanısal doğruluk çalışması kullanın: (1) test performansı veya hedef durum prevalansı hakkında ön veriler sınırlı veya belirsiz olduğunda, sabit örneklem büyüklüğü planlamasını güvenilmez hale getirir; (2) durum nadir olduğunda ve gereksiz yere büyük bir örneklem kaydetmek maliyetli veya etik olarak sorunlu olacağından; (3) testin belirgin şekilde daha iyi performans gösterebileceği, zenginleştirmeyi haklı çıkaran makul bir alt grup olduğunda; veya (4) bir düzenleyici başvurunun prospektif uyarlanabilir bir tasarım gerektirmesi durumunda. Önceki literatürün zaten kararlı performans tahminleri sağladığı durumlarda BU tasarımı KULLANMAYIN - geleneksel sabit örneklemeli bir tanısal çalışma daha basittir, eşit derecede geçerlidir ve değerlendirmesi daha kolaydır. Ayrıca, bir DMC için kurumsal veya düzenleyici altyapı mevcut olmadığında veya gerçek klinik belirsizlik nedeniyle adaptasyon kuralları önceden belirlenemediğinde kaçının; bu durumlarda tam olarak önceden belirlenmiş öncüllere sahip bir Bayesçi tasarım tercih edilebilir.
Güçlü yönler & sınırlılıklar
- Örneklem büyüklüğünün yeniden tahmin edilmesine izin vererek verimliliği artırır, yetersiz veya aşırı büyük bir çalışma riskini azaltır.
- Bir testin ezici derecede zayıf performans gösterdiği durumlarda erken durdurmaya izin vererek etik yürütmeyi iyileştirir, katılımcıları faydasız testlerden kurtarır.
- Tanısal testin en büyük klinik değeri sağladığı popülasyonu hedefleyerek alt grup zenginleştirmesine olanak tanır.
- Cihaz veya test onayı arandığında düzenleyici kabulü kolaylaştıran, FDA ve EMA uyarlanabilir tasarım kılavuzlarıyla uyumludur.
- Sabit tasarımların genellikle muhafazakar varsayımlar gerektirdiği belirsiz prevalans ortamlarında daha güvenilir doğruluk tahminleri üretir.
- Kayıttan önce tam bir istatistiksel analiz planı ve bağımsız bir DMC gerektirir, önemli lojistik ve maliyet yükü ekler.
- Karmaşıklık, adaptasyon kurallarına tam olarak uyulmazsa veya ara analiz sırasında körleme tehlikeye girerse operasyonel yanlılık riskini artırır.
- Adaptasyondan sonra ayarlanmış güven aralıkları naif aralıklardan daha geniştir ve standart yazılımlar özel paketler olmadan bunları doğru bir şekilde hesaplayamayabilir.
- Düzenleyici kurumlar, sabit örneklem tasarımlarına kıyasla ek belge ve gerekçe gerektirebilir, onay sürelerini uzatır.
- Örneklem büyüklüğünün yeniden tahmini, toplam kayıtta önemli artışlara yol açabilir, başlangıç varsayımları çok muhafazakar ise verimlilik avantajını kısmen geçersiz kılar.
SSS
Uyarlanabilir bir tanısal doğruluk çalışması, geleneksel bir tanısal doğruluk çalışmasından nasıl farklıdır?
Geleneksel bir tanısal doğruluk çalışması, örneklem büyüklüğünü, tasarımı ve analiz planını veri toplama öncesinde tamamen sabitler ve bunları değiştirmez. Uyarlanabilir bir çalışma, örneklem büyüklüğü yeniden tahmini veya alt grup kısıtlaması gibi belirli, önceden belirlenmiş değişikliklerin uygulanabileceği bir veya daha fazla önceden planlanmış ara analiz ekler. Adaptasyon kuralları, kayıt başlamadan önce istatistiksel analiz planına yazılmalıdır; önceden belirlenmiş kuralların dışındaki herhangi bir değişiklik tasarımı geçersiz kılar.
Uyarlanabilir bir tanısal doğruluk çalışması için veri izleme komitesine (DMC) ihtiyacım var mı?
Evet, pratikte bağımsız bir DMC esastır. DMC, araştırma ekibi körlenmişken ara noktalarda biriken verileri inceler. Bu ayrım, adaptasyon sürecinin bütünlüğünü korumak ve operasyonel yanlılığı önlemek için gereklidir. Bir DMC olmadan, araştırmacıların ara sonuçları bilmesi, hasta seçimini veya test uygulamasını sistematik olarak değiştirebilir ve nihai doğruluk tahminlerini yanlı hale getirebilir.
Nihai analiz için ne gibi istatistiksel ayarlamalar gereklidir?
Verilere birden fazla bakış açısı nedeniyle, standart güven aralıkları ve olasılık oranı istatistikleri belirsizliği hafife alır. Grup-dizisel yöntemler (O'Brien-Fleming veya Pocock sınırları gibi alfa harcama fonksiyonları kullanarak) veya tasarımın dizisel doğasını içeren Bayesçi güven aralıkları kullanılmalıdır. Özel yazılımlar (örneğin, R paketleri gsDesign veya RCTdesign) bu hesaplamaları destekler.
Çalışma başladıktan sonra yeni adaptasyon kuralları ekleyebilir miyim?
Hayır. Orijinal istatistiksel analiz planında önceden belirlenmemiş herhangi bir adaptasyon, tip I hatayı artıran ve potansiyel yanlılık getiren bir protokol sapması oluşturur. Gerçekten beklenmedik durumlar ortaya çıkarsa, herhangi bir plansız eylemden önce şeffaf bir protokol değişikliği sunulmalı ve onaylanmalı ve sapma nihai raporda tam olarak açıklanmalıdır.
Uyarlanabilir bir tanısal doğruluk çalışması nadir bir hastalık için uygun mudur?
Evet, bu en güçlü endikasyonlarından biridir. Hedef durum nadir olduğunda, geleneksel sabit örneklem çalışması için gereken örneklem imkansız derecede büyük olabilir. Faydasızlık veya zayıf performansın erken kanıtı için önceden belirlenmiş ara durdurma kurallarına sahip uyarlanabilir bir tasarım, çalışmanın tam örneklem tamamlanmadan önce kaydı durdurmasına izin vererek kaynakları tasarruf eder ve katılımcıları korur, aynı zamanda kontrollü hata oranları sağlar.
Kaynaklar
- Bossuyt, P. M., Reitsma, J. B., Bruns, D. E., Gatsonis, C. A., Glasziou, P. P., Irwig, L., ... & Cohen, J. F. (2015). STARD 2015: an updated list of essential items for reporting diagnostic accuracy studies. BMJ, 351, h5527. DOI: 10.1136/bmj.h5527 ↗
- Jennison, C., & Turnbull, B. W. (2000). Group Sequential Methods with Applications to Clinical Trials. Chapman & Hall/CRC. ISBN: 978-0849303166
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Adaptive Diagnostic Accuracy Study. ScholarGate. https://scholargate.app/tr/epidemiology/adaptive-diagnostic-accuracy-study
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Uyarlanabilir Kohort ÇalışmasıEpidemiyoloji↔ karşılaştır
- Uyarlanabilir Rastgele Klinik DenemeEpidemiyoloji↔ karşılaştır
- Bayes Tanısal Doğruluk ÇalışmasıEpidemiyoloji↔ karşılaştır
- Tanısal Doğruluk Çalışması TasarımıKlinik araştırma↔ karşılaştır
- İleriye Dönük Tanısal Doğruluk ÇalışmasıEpidemiyoloji↔ karşılaştır
- Tarama Testi DeğerlendirmesiEpidemiyoloji↔ karşılaştır