Мир диагностических тестов развивается очень быстро. Новые технологии постоянно разрабатываются, а существующие совершенствуются. Широко и быстро распространенные предвзятые результаты, полученные в плохо спланированных исследованиях, могут привести врачей к принятию неверных решений для лечения. Тщательный процесс оценки диагностических тестов перед внедрением в клиническую практику может не только уменьшить количество нежелательных клинических последствий, связанных с вводящими в заблуждение оценками точности тестов, но и сократить расходы на здравоохранение за счет предотвращения ненужных тестов. Исследования для определения диагностической точности теста являются жизненно важной частью этого процесса оценки.

В 1999 году в Риме собралась Кокрановская рабочая группа по методам диагностики и скрининга. Вдохновленная успехом инициативы CONSORT группа исследователей поставила перед собой задачу разработать контрольный список пунктов, которые должны быть включены в отчет об исследовании диагностической точности. Полная и точная отчетность позволяет читателю обнаружить возможность систематической ошибки в исследовании (внутренняя валидность) и оценить обобщаемость и применимость результатов (внешняя валидность). Так в 2003 году был разработан STARD (the Standards for Reporting of Diagnostic Accuracy), состоящий из списка в 25 пунктов и типовой блок-схемы, которая предоставляет информацию о методе набора пациентов, порядке выполнения теста и количестве пациентов, проходящих оцениваемое тестирование, эталонный стандарт или и то, и другое [5]. Однако принятые пункты приходилось периодически адаптировать под те или иные исследования[1]. В 2015 году список пунктов STARD был расширен до 30 пунктов. Его можно найти по адресу https://www.equator-network.org/reporting-guidelines/..

В знак признания важности рефератов в исследованиях в области здравоохранения в 2017 г. было выпущено целевое расширение руководящих принципов отчетности STARD для рефератов конференций и журналов. Было выделено одиннадцать основных компонентов для включения в рефераты. Авторы продемонстрировали, что это достижимо при типичном ограничении количества слов в 200–300 [4].

STARD для рефератов 11 пунктов контрольного списка [2]:

1. Идентификация как исследование диагностической точности с использованием как минимум одного показателя точности (например, чувствительности, специфичности, прогностических значений или AUC)
2. Цели исследования
3. Сбор данных: было ли это проспективное или ретроспективное исследование
4. Критерии приемлемости для участников и условия, в которых были собраны данные
5. Сформировали ли участники последовательную, случайную или удобную серию
6. Описание индексного теста и эталонного стандарта
7. Количество участников с целевым состоянием и без него, включенных в анализ
8. Оценки диагностической точности и их точность (например, 95% доверительные интервалы)
9. Общая интерпретация результатов
10. Последствия для практики, включая предполагаемое использование индексного теста
11. Регистрационный номер и название реестра

Авторы публикации 2017 года в журнале Preventive Veterinary Medicine [3] статье рассматривается так называемый модифицированный стандарт STARD-BLCM. Авторы обратили внимание на то, что контрольный список ограничен исследованиями, предназначенными для оценки точности одного или нескольких тестов, когда статус заболевания определяется с помощью идеальной эталонной процедуры (золотой стандарт) или когда статус болезни неизвестен, а тесты оцениваются по несовершенной эталонной процедуре с известными ограничениями точности (например, известная чувствительность и специфичность). Таким образом, STARD не подходит в случае инфекционных заболеваний. В случае инфекционных заболеваний с длительным латентным периодом (например, хронических инфекций) необходимо адаптировать контрольный список STARD, чтобы установить требования к отчетности для исследований точности диагностических тестов, в которых используются LCM в байесовской структуре.

STARD для абстрактов и статей могут помочь улучшить качество отчетов об исследованиях диагностической точности за счет включения важной информации об исследовании в каждый тезис, тем самым повышая ценность таких исследований для клинического и исследовательского сообщества.

Использованная литература:
1. An extension of STARD statements for reporting diagnostic accuracy studies on liver fibrosis tests: The Liver-FibroSTARD standards / J. Borsier [и др.] // Journal of Hepatology. – 2015. – Vol. 62, № 4. – p. 807-815. - https://doi.org/10.1016/j.jhep.2014.10.042
2. Reporting of Artificial Intelligence Diagnostic Accuracy Studies in Pathology Abstracts: Compliance with STARD for Abstracts Guidelines / C. McGenity [и др.] // Journal of Pathology Informatics. – 2022. – Vol. 13. – #100091. - https://doi.org/10.1016/j.jpi.2022.100091
3. STARD-BLCM: Standards for the Reporting of Diagnostic accuracy studies that use Bayesian Latent Class Models / P. Kostoulas [и др.] // Preventive Veterinary Medicine. – 2017. – Vol. 138, № 1. – p. 37-47. - https://doi.org/10.1016/j.prevetmed.2017.01.006
4. STARD for Abstracts: essential items for reporting diagnostic accuracy studies in journal or conference abstracts / J. F. Cohen [и др.] // BMJ. – 2017. – Vol. 358. – # j3751. - https://doi.org/10.1136/bmj.j3751
5. Towards complete and accurate reporting of studies of diagnostic accuracy: the STARD initiative / P. M. Bossuyt [и др.] // Clinical Biochemistry. – 2003. – Vol. 36, № 1. – p. 1-7. - https://doi.org/10.1016/S0009-9120(02)00443-5