贝叶斯潜类别模型在无金标准条件下评估心理健康诊断测试的验证研究：以职业倦怠为例

《Scientific Reports》：Proof-of-concept of bayesian latent class modelling usefulness for assessing diagnostic tests in absence of diagnostic standards in mental health

本刊推荐：为解决心理健康领域缺乏诊断金标准的问题，研究人员开展了一项关于贝叶斯潜类别模型(BLCM)的验证研究。通过评估职业倦怠早期检测工具(EDTB)和Oldenburg倦怠量表(OLBI)的诊断准确性，发现BLCM方法能更准确地评估测试性能（EDTB灵敏度0.91，特异度0.82）。该研究为无金标准条件下的诊断测试评估提供了方法学范式。

　　

在心理健康评估领域，一个长期存在的困境困扰着研究人员和临床医生：如何准确评估诊断测试的性能当缺乏完美的金标准时？这个问题在职业倦怠等主观性健康结局的测量中尤为突出。传统方法通常将某个现有测试默认为金标准，但这种做法可能导致新开发测试的诊断准确性被低估——因为所有差异都会被归因于新测试的错误分类。

以职业倦怠的评估为例，这种现象对个人健康和组织效能都有显著影响，但其测量主要依赖自评工具，如Oldenburg倦怠量表(OLBI)。最近，医疗专业人员开发了首个异质性评估工具——职业倦怠早期检测工具(EDTB)，但评估其诊断准确性面临挑战，因为OLBI本身并非完美标准。之前的研究采用传统方法评估EDTB，可能得出了有偏差的结果。

在这项发表于《Scientific Reports》的研究中，由Yara Shoman领衔的研究团队提出了一种创新解决方案：使用贝叶斯潜类别模型(Bayesian Latent Class Modelling, BLCM)来评估诊断测试，而不假设任何测试为金标准。这种方法通过整合先验知识和观察数据，能够同时估计多个测试的敏感度、特异度和疾病患病率。

研究人员利用了来自比利时和瑞士两个独立研究的数据，包括100名比利时患者和42名瑞士患者。所有患者都在医疗咨询前后完成了OLBI和EDTB两种测试。研究团队应用了Hui-Walter框架，针对两种测试和两个人群构建了BLCM模型，并比较了有条件依赖和无条件依赖的模型表现。

关键技术方法包括：使用Hui-Walter潜类别模型框架，采用马尔可夫链蒙特卡洛(Markov Chain Monte Carlo, MCMC)算法进行贝叶斯估计，设置5000次迭代的预烧期和10000次迭代的采样过程，运行两个独立链评估收敛性，并进行了广泛的敏感性分析，包括使用最小信息先验和基于文献的信息先验。

结果

模型收敛与拟合

贝叶斯潜类别模型结果显示，有条件依赖和无条件依赖的模型之间没有显著差异，协方差项的95%可信区间包含0。无条件依赖模型的有效样本量(SSeff)均大于1000，Gelman-Rubin统计量(psrf)均小于1.05，表明模型收敛良好。轨迹图显示两条链在EDTB和OLBI的诊断敏感度和特异度参数上收敛良好，自相关在少量迭代后迅速下降。

诊断准确性估计

使用无条件依赖的BLCM，EDTB的诊断敏感度为0.91(95%可信区间0.77-1.00)，诊断特异度为0.82(0.59-1.00)。OLBI的诊断敏感度为0.73(0.59-0.89)，诊断特异度为0.73(0.54-0.94)。比利时研究人群的倦怠患病率为52%(29%-71%)，瑞士研究人群为82%(58%-100%)。

预测值

在比利时人群中，EDTB的阳性预测值(Positive Predictive Value, PPV)为84.5%，阴性预测值(Negative Predictive Value, NPV)为89%。在瑞士人群中，PPV为95.8%，NPV为66%。这些预测值反映了测试在不同患病率人群中的实际应用性能。

敏感性分析

敏感性分析结果显示，EDTB和OLBI的诊断敏感度和特异度估计值保持稳定。在所有模型中，诊断敏感度从未低于0.82，诊断特异度从未低于0.78。OLBI的最低估计诊断敏感度为0.69，最低估计诊断特异度为0.67。某些模型中EDTB诊断特异度的可信区间变宽，但点估计值保持稳定。

讨论与结论

本研究通过对比BLCM方法与传统金标准方法的结果，凸显了BLCM在心理健康诊断研究中的优势。与之前使用传统方法的研究相比，BLCM评估的EDTB诊断性能更为优越：瑞士研究中传统方法报告的EDTB敏感度和特异度分别为0.88和0.29，比利时研究分别为0.76和0.60，而BLCM评估结果分别为0.91和0.82。

这一差异凸显了将不完美测试误判为金标准所带来的偏差。BLCM方法承认所有测试都存在不完美性，通过潜类别分析同时估计所有测试的性能参数，从而获得更准确的评估结果。

研究结果支持BLCM在缺乏金标准的心理健康研究中的实用性和可行性。尽管样本量较小，但模型收敛指标良好，结果稳健，证明了该方法即使在有限样本条件下也能产生可靠估计。

职业倦怠的二分法问题在本研究中得到关注。研究者指出，将倦怠视为分类变量还是连续变量仍存争议，但临床实践需要明确的分类决策。BLCM方法可以扩展至处理连续测试结果，为未来研究提供了方向。

研究的局限性包括样本量较小、假设测试性能在比利时和瑞士人群间恒定，以及测试结果二分法可能的信息损失。然而，作为概念验证研究，其主要目的是展示BLCM方法在无金标准条件下的应用价值。

这项研究为首个使用BLCM评估倦怠测量工具诊断性能的研究，为心理健康领域的方法学研究提供了重要参考。研究结果鼓励在更大型、更具代表性的样本中应用BLCM，并推广至其他主观性健康结局的评估，如生活质量、幸福感等心理测量领域。

最终，本研究证实了BLCM在无金标准条件下评估诊断测试的实用性和科学性。通过提供更准确、偏差更小的性能估计，BLCM有望改善心理健康评估工具的质量，促进循证实践的发展。研究强调，在缺乏完美金标准的情况下，BLCM提供了一种更为现实和严谨的方法学选择，有助于推动诊断测试评估领域的科学进步。