진단 정확성 메타분석에 활용할 수 있는 소프트웨어로 SAS, R, Stata 등이 있으며 각 소프트웨어의 장・단점 및 활용 가능한 분석 범위는 다음 표를 통해 확인 할 수 있 다. 본 장에서는 SAS를 활용한 진단검사 메타분석을 수행 할 것이다. 동일한 분석을 위한 R, Stata 코드 및 결과해석과 SAS 매크로의 세부 코드는 부록에 제시하였다.
표 2-10 소프트웨어별 적용 패키지, 프로시저 및 매크로
SAS R Stata
forest plot %forest mada(forest) midas
M-L SROC 곡선 모형 %ML_sroc mada(mslSROC) regress 이변량 모형 및
이질성 검토 %bivariate_model mvmeta
mada(reitsma2)
metandi midas
HSROC 모형 %HSROC_model mvmeta
mada(reitsma2) metandi HSROC 모형
이질성검토 %HSROC_model -
-SAS의 경우 진단 검사 메타분석을 수행하기위한 모든 과정에 대한 프로시저 및 매 크로가 있지만 R과 Stata의 경우 HSROC 모형의 이질성 검토를 위해 공변량을 추가한 모형의 적합에 한계가 있다. 반면 SAS와 R의 경우 추정된 HSROC 모형을 기본으로 한 신뢰영역 및 예측영역을 포괄하는 SROC 곡선의 출력이 불가능 하지만 Stata에서는 그래프 옵션을 통해 출력이 가능하다. 그러나 Stata 역시 이변량 모형을 통해 추정된 SROC 곡선의 출력에 한계가 있기 때문에 이변량 모형 및 HSROC 모형을 통한 SROC 곡선, 신뢰영역 및 예측영역의 출력을 위해 각 소프트웨어에서 추정된 모수를 바탕으로 RevMan을 이용하고자 한다.
174
2.4.1. 자료설명
Aspergillusis는 Aspergillus라는 진균에 의한 감염 질병으로, 환경 중에 존재하는 Aspergillus의 분생홀씨가 호흡 과정을 통해 신체 내로 들어와 감염되어 폐와 부비동에 침범하여 발병한다. Aspergillus에 의해 생기는 질병들은 질병이 발생하는 원리에 따라 세 가지로 구분될 수 있는데, 그 중 Invasive Aspergillusis (IA) 는 폐로 유입된 Aspergillus가 유입된 경로에 있는 호흡기 계통의 장기에 직접적인 조직의 감염을 일으 키는 질병을 말하는데 폐로 침범하는 경우가 가장 흔하며 그 다음 빈도로 부비동이 침 범되는 빈도가 높다. 특히 면역력이 저하된 환자에서 IA는 치료가 늦어질 경우 치명적 인 경과가 야기될 수 있는 병이므로 신속하고 신뢰성 있는 진단이 매우 중요하다.
다음은 면역 환자에서의 갈락토 감지를 통한 IA의 진단 검사 결과 연구 수집 문헌 자료이며, 갈락토 감지를 통한 IA의 진단 검사 정확성을 확인하기 위해 진단검사 메타 분석법을 적용 하고자 한다. 자료의 형태는 다음과 같고, 이 자료는 RevMan에서 예제 로 제공하고 있다.
표 2-11 자료의 형태
Author Year TP FP TN FN Pat_base*
Allan 2005 0 11 113 1 1
Florent 2006 8 39 116 4 0
Foy 2007 6 7 102 6 0
Kawazu 2004 11 23 115 0 1
Suankratay 2006 16 13 20 1 0
⦙
Bialek 2002 1 8 8 0 0
Buchheidt 2004 3 1 167 6 1
Doermann 2002 10 4 407 2 0
* 0=Patient-based, 1=Episode-based
175
2.4.2. 단계별 분석
갈락토 감지를 통한 Aspergillusis의 진단검사 자료를 이용하여 진단 정확성 메타분 석을 수행한 결과를 단계별로 살펴보자.
2.4.2.1. 민감도 및 특이도의 변동 파악
갈락토 감지를 근거로 Aspergillusis의 진단 정확성을 확인하기 위한 메타분석을 수 행하기에 앞서 각 문현별 민감도와 특이도의 Coupled forest 그림을 확인하여 우선적 으로 변동의 정도를 파악 할 수 있다.
/*Aspergillusis의 진단검사 메타분석 문헌 불러오기*/
PROC IMPORT OUT=dataset_name
DATAFILE='F:\NECA\진단메타분석\최종보고서\example.csv' DBMS=csv REPLACE;
GETNAMES=yes;
RUN;
/*forest 매크로 적용*/
%include 'F:\NECA\진단메타분석\최종보고서\forest.txt';
%forest(dataset=dataset_name, con=.95);
위 프로그램 수행 결과, 저자명(Author)에 따른 문헌별 민감도, 특이도 및 95%의 신뢰구간이 함께 출력된다.
그림 2-11 Coupled forest 그림
176
2.4.2.2. 요약추정치 및 요약곡선 추정
￭ M-L SROC 모형
M-L SROC 곡선을 추정하는 SAS 명령문은 다음과 같다
/*SROC 곡선 추정 매크로 적용*/
%INCLUDE 'E:\NECA\진단메타분석\최종보고서\ML_SROC.txt' ;
%ML_sroc(dataset=dataset_name);
위 프로그램을 이용하여 분석한 결과
인 곡선(점선)과 비교하여 왼쪽으로 치우 친 형태의 SROC 곡선을 확인할 수 있다. 이는 진단 정확성(ln
)이 역치의 영향을 받음을 나타낸다.그림 2-12 M-L SROC 곡선
177
￭ 이변량 모형
면역 환자에서의 Aspergillusis에 대한 갈락토 감지를 통한 진단 정확성 메타분석을 수행하기 위해 SAS 매크로 bivariate_model을 적용하였다.
%INCLUDE 'L:\NECA\진단메타분석\bivariate_model.txt' ;
%bivariate_model(dataset=dataset_name);
Parameter Estimates Parameter EstimateStandard
Error DF t Value Pr > |t| Alpha Lower Upper Gradient msens 1.44 0.2256 26 6.38 <.0001 0.05 0.9762 1.9038 -2.94E-06 mspec 2.2507 0.1388 26 16.22 <.0001 0.05 1.9655 2.5359 -0.00004 s2usens 0.8695 0.3722 26 2.34 0.0275 0.05 0.1045 1.6345 5.89E-06 s2uspec 0.4104 0.1393 26 2.95 0.0067 0.05 0.1241 0.6967 0.000028 -0.0838 0.1612 26 -0.52 0.6076 0.05 -0.4152 0.2476 -0.00004
Covariance Matrix of Parameter Estimates
Row Parameter msens mspec s2usens s2uspec covsesp 1 msens 0.05091 -0.00302 0.007131 -0.00006 -0.00177 2 mspec -0.00302 0.01925 0.000082 0.000112 0.000458 3 s2usens 0.007131 0.000082 0.1385 0.000627 -0.00445 4 s2uspec -0.00006 0.000112 0.000627 0.0194 -0.00271 5 covsesp -0.00177 0.000458 -0.00445 -0.00271 0.02599
Additional Estimates Label Estimate Standard
Error DF t Value Pr > |t| Alpha Lower Upper logLR+ 2.1382 0.1288 26 16.61 <.0001 0.05 1.8735 2.4029 logLR- -1.5525 0.1816 26 -8.55 <.0001 0.05 -1.9258 -1.1791 sensitivity 0.8085 0.03494 26 23.14 <.0001 0.05 0.7366 0.8803 specificity 0.9047 0.01196 26 75.63 <.0001 0.05 0.8801 0.9293
그림 2-13 이변량 모형 수행 결과