关于两种13C-尿素呼气试验方案比较的随机交叉试验的评论回复：方法学局限澄清与研究结论审慎修正

《Diagnostics》：Reply to Di Ciaula, A.; Portincasa, P. Comment on “Huang et al. Accuracy and Agreement of a 45 mg Versus a 75 mg 13C-Urea Breath Test for the Diagnosis of Helicobacter pylori Infection in Adults: A Randomized Crossover Trial. Diagnostics 2026, 16, 1567”

　　我们感谢 Di Ciaula 和 Portincasa 对我们比较两种 ¹³C-尿素呼气试验（UBT）方案的随机交叉试验所提出的深思熟虑且具有建设性的评论。他们的观察阐明了解释我们研究结果的重要方法学边界。我们欢迎这次澄清研究目标、更明确地陈述研究局限并细化结论的机会。特别需要指出的是，诊断一致性、诊断准确性、无统计学显著性差异、等效性、非劣效性和可互换性是相互独立的概念，不应混为一谈。一致性衡量的是两种检测方法对同一个个体的分类判定结果相同的情况有多少；它并不能说明任何一种分类判定结果是否正确。准确性需要与适当的参考标准进行比较，而等效性和非劣效性则要求事先指定的效应估计目标、界值和分析框架。同样地，未能检测到统计学上的显著差异并不意味着临床效能相等的肯定性证据。我们同意，在次要诊断准确性分析中使用的综合参考标准存在纳入偏倚和循环论证的风险。在符合方案分析的 431 名参与者中，仅有 42 名 30 分钟 UBT 分类结果不一致者接受了胃镜检查、快速尿素酶试验和组织学评估，必要时采用免疫组化。对于其余 389 名 UBT 结果一致的参与者，两项指标试验的共同分类被假定为真实的感染状态。由于指标试验为大多数参与者贡献了参考分类，因此敏感性、特异性、预测值和 AUC 可能被高估。这一局限也使我们无法利用这些估计值来确立正式的等效性或非劣效性。本研究的终点是 45 mg 和 75 mg 方案在 30 分钟时的诊断一致性，而非针对每位参与者与独立参考标准比较的绝对诊断准确性。这一选择反映了在每位参与者中实施胃镜检查的伦理和实际操作约束，尤其是对于筛查人群或在非胃镜指征情况下的检测。配对交叉设计对于个体内一致性具有参考价值，但无法克服在评估绝对准确性时缺乏独立验证的不足。综合参考标准仅用于次要准确性分析，并不能消除与部分验证相关的局限性。因此，这些准确性结果应被视为支持性和探索性的。进一步的验证应对所有参与者或预先指定的随机样本应用独立参考标准，并在分析中适当考虑验证和抽样效应。我们还同意本研究未能分离尿素剂量的单一效应。相反，它比较的是实践中使用的两种完整临床检测方案。45 mg 方案使用的是 ¹³C-尿素呼气试验试剂盒（The Kit），为不含柠檬酸的 45 mg 片剂（北京海德润医药集团有限公司，北京，中国；国药准字 H20174047）。75 mg 方案使用的是尿素¹³C 呼气试验试剂盒，以 5 g 颗粒剂形式提供，含 75 mg ¹³C-尿素和柠檬酸（北京华格安邦科技有限公司，北京，中国，上市许可持有人；国药准字 H20061169）。在我们可获得的批准信息中未列出单独的专有商品名，因此我们报告的是已批准的通用试剂盒名称。两种方案在尿素剂量、制剂形式和胃酸酸化条件上同时存在差异。柠檬酸可能通过胃内酸化、胃排空、底物分布以及尿素与细菌尿素酶接触持续时间或程度的变化来影响 ¹³CO? 的呼气排出（DOB）。因此，观察到的差异不能归因于 ¹³C-尿素的用量单独因素，我们的研究不应被解读为否定了柠檬酸的生理学或诊断学作用。即使在某些情况下 45 mg 方案的完整测试表现可接受，现有数据也不能确定方案的哪一组成部分造成了该表现。补充分析显示，45 mg 方案的连续 DOB 值总体较低，尽管分类结果总体一致性较高。该观察具有探索性和假设生成意义，并不能证明剂量或制剂形式的因果关系。理想情况下，未来研究应标准化制剂、辅料和酸化条件，仅改变尿素剂量。同日交叉设计也是一个合理担忧。两项检测间隔至少 2 小时（平均间隔 153.17 分钟），且在每次干预前均采集新的基线呼气样本。第二周期的基线 DOB 数据完整且已通过质控。随机序列间的一致性相似：序列 A（先 45 mg 后 75 mg）为 90.3%（κ = 0.776），序列 B（先 75 mg 后 45 mg）为 90.2%（κ = 0.754）。这些结果表明无明显顺序相关差异，但不能排除残余同位素或其他结转效应。质控后的基线数据和按序列分层的分析可提供一定信心，但并不能替代专门设计用于估计结转、周期和序列效应的模型。本研究未预先设定或报告正式的结转分析，因此我们不主张事后评估能解决这一设计局限。未来交叉研究最好在不同天实施两种方案，或预先指定结转、周期和序列效应的分析，包括对第二周期前基线的评估。我们理解对基于数据得出的截断值的关切。分类一致性分析必须与基于 ROC 的准确性分析加以区分。对于分类一致性，每个 DOB 测量值均根据固定临床规则分类：<5.0‰ 为阴性，≥5.0‰ 为阳性。相比之下，所报告的 ROC 阈值是在同一数据集内通过最大化 Youden 指数选定并评估的，且以同一综合参考标准为对照。后者方法易产生乐观偏倚和过拟合，可能夸大诊断性能。ROC 衍生的阈值为次要探索性结果，不应被视为外部验证的临床截断值。未来研究应预先指定制造商定义或独立验证的阈值，并在独立队列中进行评估。更广泛地说，所报告 AUC 之间无统计学显著差异（0.953 和 0.966，*p* = 0.50）本身并不说明等效性、正式非劣效性或临床可互换性。队列内的临床异质性也限制了推断。研究纳入 336 名初次诊断者和 95 名根除后确认者。这两类人群在细菌负荷、尿素酶活性和 DOB 分布方面可能存在差异。在根除后情境下，低细菌负荷和临界 DOB 值可能增加低信号方案产生假阴性结果的风险。我们未按临床指征分层后进行具有足够效能的诊断准确性分析，因此汇总结果无法解决该问题。本研究不支持优先使用 45 mg 方案进行根除确认。未来研究应在分别具有足够效能的队列中评估未治疗人群和根除后人群，并使用与各指征相适应的参考标准。42 例不一致病例需格外谨慎地解读。内镜参考检测将 15 例判为幽门螺杆菌阳性，27 例判为阴性。在 15 例阳性病例中，75 mg 方案正确识别 11 例，45 mg 方案正确识别 4 例；在 27 例阴性病例中，45 mg 方案正确识别 16 例，75 mg 方案正确识别 11 例。由于该亚组是根据指标试验之间的不一致性选取的，因此不能用于估计人群水平的敏感性、特异性或总体优越性。该结果选择亚组内的统计学比较并不能使其代表完整队列。尽管如此，该模式提示两种方案可能存在不同的工作特征：75 mg 方案可能更倾向于将临界或低负荷感染判为阳性，而 45 mg 方案则更倾向于阴性判定。这些发现不支持在所有临床情境中完全互换使用，应视为假设生成性结果。总之，本研究最稳健的发现是两种完整 ¹³C-UBT 方案在 30 分钟时具有实质性诊断一致性。次要准确性分析支持对 45 mg 方案的进一步评估，但并未证明两种方案等效、确定性非劣效、可互换或适合在所有临床指征中进行广泛替代。未来研究应对所有参与者或预先指定的代表性样本应用独立参考标准；将尿素剂量与制剂、辅料和酸化效应分离；在不同天实施两种检测或预先指定交叉效应的分析；使用外部建立的截断值；并按初次诊断与根除后确认进行分层入组和分层分析。我们感谢 Di Ciaula 和 Portincasa 帮助我们明确这些优先事项，并将我们原有的结论置于适当审慎的基础上。