专科门诊的阳性预测值，能直接用于社区筛查吗？

诊断研究在专科门诊报告阳性预测值50%，讨论却写“社区筛查阳性者有一半患病”。阳性预测值以检测阳性者为分母，其跨人群适用性受到疾病频率和病例谱影响；专科估计不能未经核查直接用于社区。投稿前应同时报告研究人群的招募方式、疾病频率和四格表，并把预测值的适用范围写在结论中。

从四格表确认数字是什么

阳性预测值等于真阳性人数除以所有检测阳性人数，阴性预测值等于真阴性人数除以所有检测阴性人数。方法段写清待评价检测的阈值、参考标准和谁进入分析；结果段给出真阳性、假阳性、真阴性和假阴性的实际人数及区间估计。若研究人为各选相同数量的患者与健康对照，样本中的“疾病比例”是抽样设计造成的，不能据此给真实筛查场景一个可直接使用的预测值。

用同一检测的假设算例说明

假设一种检测的灵敏度和特异度在两个人群中都为90%，这只是演示计算，不保证真实跨场景表现恒定。若1000名受检者中100人患病，约有90名真阳性和90名假阳性，阳性预测值为90/180，即50%。若患病者只有10人，约有9名真阳性和99名假阳性，预测值约为9/108，即8.3%。这说明即使固定两项性能参数，受检人群的疾病频率变化也会改变阳性结果的解释。

再看人群谱是否也变了

专科门诊可能有较重的疾病、明确症状或先前检测阳性者，社区筛查则可能多为无症状或早期疾病。除比例变化外，这种疾病谱及非疾病者特征的差异还可能改变灵敏度、特异度本身。BMJ关于检测谱效应的原始方法文章讨论了筛查与诊断场景之间的性能变化。STARD也要求报告受试者如何识别、疾病严重程度及非疾病者的其他诊断，以便判断结果可否用于目标场景。

讨论中限制数字的外推

若稿件只研究了高度疑似患者，应写“在本研究的专科就诊人群中，阳性预测值为……”，而不要直接给普通人群的预测概率。若确需估计另一个人群的预测值，应有可信的目标人群疾病频率和检测性能证据，并明确这是模型推算而非该研究直接观察；最好由相应人群的外部研究验证。不要用降低阈值后的一组好看数字替代原先预设阈值而不说明探索过程。

定稿时选一张结果表，从阳性预测值反算真阳性和假阳性，再核对摘要、图注和讨论所指的人群是否相同。若患者来自转诊门诊，而讨论写“社区筛查”，就修改结论或补充合适人群的证据。预测值、样本来源和预期用途应对应同一目标场景。

参考信息：STARD 2015诊断准确性报告说明与详解；《预测、筛查与诊断检测中的谱效应》；《诊断检测的预测值》。