摘要

本文是介紹新骨齡標(biāo)準(zhǔn)-《中國人手腕骨發(fā)育標(biāo)準(zhǔn)-中華05》系列文章的第12篇。和任何科學(xué)實(shí)驗(yàn)方法一樣，骨齡評價方法也存在有系統(tǒng)誤差和隨機(jī)誤差。檢驗(yàn)骨齡評價的可靠性，不僅對評價的方法學(xué)有深入的了解，更重要的是能夠?qū)驱g評價結(jié)果做出正確的估價，增強(qiáng)不同評價者之間評價結(jié)果的一致性，提高實(shí)踐應(yīng)用的工作質(zhì)量。

關(guān)鍵詞：骨齡,骨齡評價,骨齡讀片質(zhì)量,骨齡評價質(zhì)量控制,中國人手腕骨發(fā)育標(biāo)準(zhǔn)-中華05,RUS-CHN

錄入日期： 2010/2/13 

和任何科學(xué)實(shí)驗(yàn)方法一樣，骨齡評價方法也存在有系統(tǒng)誤差和隨機(jī)誤差。檢驗(yàn)骨齡評價的可靠性，不僅對評價的方法學(xué)有深入的了解，更重要的是能夠?qū)驱g評價結(jié)果做出正確的估價，增強(qiáng)不同評價者之間評價結(jié)果的一致性，提高實(shí)踐應(yīng)用的工作質(zhì)量。

一、國際間應(yīng)用G-P圖譜和TW法骨齡評價一致性的檢驗(yàn)研究

骨齡評價方法的可靠性主要表現(xiàn)在兩個的方面，一是評價者本人的讀片重復(fù)性，稱為評價者內(nèi)的重復(fù)性；二是多名評價者之間的讀片重復(fù)性，稱為評價者間的重復(fù)性。

G-P圖譜法和TW計分法是國際上應(yīng)用非常廣泛的骨齡評價方法。二十世紀(jì)六十年代，巴黎國際兒童中心在組織協(xié)調(diào)歐洲8個國家的兒童生長研究時，曾經(jīng)對G-P法和TW1方法進(jìn)行了系統(tǒng)的比較研究（Acheson et al., 1963, 1964, 1966）。來自不同國家的6名評價者，使用G-P圖譜和TW1方法評價50名2~18歲兒童的手腕X線片，結(jié)果發(fā)現(xiàn)G-P方法的系統(tǒng)誤差較小，TW1方法的隨機(jī)誤差較小；但如果排除了腕骨，則TW1方法的系統(tǒng)誤差明顯下降，與G-P方法的差異顯著性消失。比較研究的結(jié)果引起了Tanner et al.的注意，在1975年對TW1方法進(jìn)行了修改而提出TW2法。在TW2 法中取消了評價困難的發(fā)育等級（橈骨、尺骨和頭狀骨、三角骨、月骨、舟骨、大多角骨和小多角骨的最后一個發(fā)育等級），以提高讀片可靠性。

TW2方法的原作者（Tanner et al., 1994），以及長期從事兒童生長發(fā)育研究的工作者（Beunen et al., 1980; Tarabger et al., 1976; Wenzwl and Melsen, 1982）以TW2-RUS方法重復(fù)讀片，等級相同的例數(shù)在81%~94%左右，骨齡讀數(shù)的95%置信區(qū)間為±0.5到±0.6歲；使用TW2–Carpal方法，評價者內(nèi)等級相同的例數(shù)在80.6%~92.3%，骨齡讀數(shù)的95%置信區(qū)間為±0.48歲至±0.72歲。評價者間的讀片重復(fù)性較低，TW2-RUS和TW2-Carpal方法的評價者間的重復(fù)性分別在74.4%~80.5% 和74.1%~88.0%。但是，評價者間的重復(fù)性在不同個體間也有很大的差異，比利時的Beunen G.（1980）通過自學(xué)掌握TW2方法后，與TW2方法原作者Whitehouse R.H., Cameron N.進(jìn)行了比較研究，以TW-20方法重復(fù)閱讀112張X線片，評價者之間骨發(fā)育等級相同的例數(shù)在83%以上。但在Baughan et al.（1979）和Medicus et al.（1971）的研究中，2名或3名評價者間重復(fù)讀片的一致性則較低，TW-RUS骨在76%~82%，腕骨在72%~74%之間。

二、《中國人手腕骨發(fā)育標(biāo)準(zhǔn)-中華05》 RUS-CHN法和TW3-C Carpal法的讀片可靠性檢驗(yàn)：

在國內(nèi)，《中國人手腕骨發(fā)育標(biāo)準(zhǔn)-中華05》課題組首次對骨齡評價方法可靠性進(jìn)行了較為全面的研究（張紹巖等，2006）。他們根據(jù)從事骨齡評價工作年限、是否參加過讀片培訓(xùn)、以及每年閱讀X線片的數(shù)量將11名評價者分為三類：

有經(jīng)驗(yàn)者：從事骨齡評價工作在5年以上，曾經(jīng)參加原《中國人骨發(fā)育標(biāo)準(zhǔn)-CHN法》培訓(xùn)1次以上，平均每年讀片數(shù)量在1000例以上者。

較有經(jīng)驗(yàn)者：從事骨齡評價工作在3年以上，曾經(jīng)參加CHN法培訓(xùn)或有自學(xué)經(jīng)歷，平均每年讀片數(shù)量在1000例以下者；

無經(jīng)驗(yàn)者：無骨齡評價經(jīng)歷者；或使用G-P方法讀片者；或雖然參加過原《中國人骨發(fā)育標(biāo)準(zhǔn)-CHN法》培訓(xùn)或自學(xué)，但日常讀片數(shù)量較少者。

所有評價者集中培訓(xùn)3天，然后在不知兒童年齡、性別的情況下，11名評價者使用RUS-CHN法以隨機(jī)順序獨(dú)自閱讀75名正常兒童的左手腕部X線片，其中6名評價者同時評價TW3-C Carpal法的骨發(fā)育等級。20天后，所有評價者使用相同的評價方法，在一天時間內(nèi)獨(dú)自重復(fù)閱讀同一組兒童的手腕部X線片。檢驗(yàn)結(jié)果如下：

1、評價者內(nèi)的可靠性：

（1）RUS-CHN法：

各評價者使用RUS-CHN法重復(fù)讀片，等級相同例數(shù)的百分?jǐn)?shù)平均在63.4%~82.2%之間。重復(fù)讀片不一致的等級主要出現(xiàn)在相鄰等級上，相差2個等級的例數(shù)很少，相差2個等級例數(shù)的百分?jǐn)?shù)的平均數(shù)在1.3%~2.9%。根據(jù)重復(fù)率可將評價者分為三類：

有經(jīng)驗(yàn)者、較有經(jīng)驗(yàn)者和部分無經(jīng)驗(yàn)者，等級相同的重復(fù)率相似，在78.0%~82.2%；

1名無經(jīng)驗(yàn)者，等級相同的例數(shù)為74%；

2名無經(jīng)驗(yàn)者等級相同的例數(shù)在63.4%~67.6%。

所有評價者骨齡讀數(shù)的95%置信區(qū)間在±0.40歲~±0.76歲，除了幾名無經(jīng)驗(yàn)者外，大部分評價者本人重復(fù)讀片的隨機(jī)誤差在±0.6歲以下的適當(dāng)范圍之內(nèi)。

（2）TW3-C Carpal法：

6名評價者參加了TW3-C Carpal法的可靠性檢驗(yàn)。也可將評價者分為三類：

有經(jīng)驗(yàn)者的重復(fù)性較高，82.1%~83.2%；

較有經(jīng)驗(yàn)者和部分無經(jīng)驗(yàn)者的讀片重復(fù)性在72.1%~74.4%；

2名無經(jīng)驗(yàn)者等級相同的例數(shù)在65.6%~70.1%。

所有評價者骨齡讀數(shù)的95%置信區(qū)間為±0.32~±0.71歲，有5名評價者的隨機(jī)誤差在±0.60歲以下，2名無經(jīng)驗(yàn)者在±0.60歲以上，分別為±0.68和±0.72，分別有評價偏低和偏高的系統(tǒng)誤差。

2、評價者間的可靠性：

（1）RUS-CHN法：

各評價者與制訂中華05標(biāo)準(zhǔn)的讀片員相比，骨發(fā)育等級相同的例數(shù)平均在61.3%~77.3%。由此可見評價者間的等級重復(fù)性均低于評價者內(nèi)的重復(fù)性。評價者間的重復(fù)性分為3類：

有經(jīng)驗(yàn)者、較有經(jīng)驗(yàn)者和1名無經(jīng)驗(yàn)者，其評價者間的重復(fù)性在73%~77%；

部分無經(jīng)驗(yàn)者評價者間的重復(fù)性在69%~70%；

部分無經(jīng)驗(yàn)者評價者間的重復(fù)性在65%左右（61%~66%）。

在各評價者骨齡讀數(shù)的95%置信區(qū)間為±0.42~±0.96歲。評價者間等級重復(fù)性在75%左右的5名評價者的隨機(jī)誤差在±0.60歲以下（±0.41~±0.58歲）；評價者間等級重復(fù)性在61%~70%的評價者（無經(jīng)驗(yàn)者）的隨機(jī)誤差大于±0.60歲（±0.64~±0.96歲）。

（2）TW3-C Carpal法：

各評價者與制訂中華05標(biāo)準(zhǔn)的讀片員相比，評價者間腕骨等級的重復(fù)率在77.4%~88.0%，普遍高于RUS-CHN方法：

有經(jīng)驗(yàn)者和1名較有經(jīng)驗(yàn)者，評價者間等級相同例數(shù)的平均數(shù)在86%~88%；

部分無經(jīng)驗(yàn)者。等級相同例數(shù)平均在82%~84%；

一名無經(jīng)驗(yàn)者，等級相同例數(shù)的平均數(shù)在77%。

有經(jīng)驗(yàn)者、較有經(jīng)驗(yàn)者以及1名無經(jīng)驗(yàn)者骨齡讀數(shù)的95%置信區(qū)間在±0.60歲以下，1名無經(jīng)驗(yàn)者在±0.60歲以上。

通過上述的檢驗(yàn)說明，RUS-CHN法與TW3-C Carpal法的可靠性與TW3-RUS法基本相同。在有不同經(jīng)驗(yàn)的評價者之間，骨齡評價的可靠性有顯著性差異；有經(jīng)驗(yàn)者讀片可靠性水平較高，少數(shù)無經(jīng)驗(yàn)者通過一次學(xué)習(xí)培訓(xùn)可以達(dá)到較有經(jīng)驗(yàn)者的類似水平，但大部分無經(jīng)驗(yàn)者可靠性水平較低。這些研究不經(jīng)說明讀片練習(xí)與經(jīng)驗(yàn)是取得可靠骨齡結(jié)果的基礎(chǔ)，而且也說明了通過可靠性檢驗(yàn)，實(shí)行讀片質(zhì)量控制的重要性。

三、骨齡讀片質(zhì)量控制方法

（一）、評價者內(nèi)的讀片可靠性檢驗(yàn)：

（1）計算重復(fù)率：應(yīng)用者應(yīng)選擇、閱讀一定數(shù)量的手腕骨部X線片（最好在50張以上），年齡范圍應(yīng)包括所欲應(yīng)用年齡段。相隔一段時間后（應(yīng)至少15天以上），重復(fù)讀片，比較兩次讀片結(jié)果，統(tǒng)計相同等級例數(shù)的百分?jǐn)?shù)，判斷重復(fù)性。如果分別統(tǒng)計每塊骨的重復(fù)率，還可以分析出那一塊骨，或哪些發(fā)育等級的重復(fù)性較差，使用圖譜法時，通過檢驗(yàn)可發(fā)現(xiàn)重復(fù)讀片差異較大的年齡范圍，然后重點(diǎn)學(xué)習(xí)、練習(xí)，以提高重復(fù)性。

（2）計算骨齡讀數(shù)95%的置信區(qū)間：該統(tǒng)計量說明了所評價骨齡的隨機(jī)誤差范圍，計算公式為：  ±t0.05√(∑d2/2n)，其中∑d2為兩次讀片骨齡差值的平方和，n為X線片的數(shù)量，t0.05為t檢驗(yàn)中0.05水平上的t值。

（3）系統(tǒng)誤差：分別計算兩次讀片骨齡的平均數(shù)和標(biāo)準(zhǔn)差，比較平均數(shù)的差異，觀察系統(tǒng)誤差的大小，并同時進(jìn)行兩相關(guān)樣本的差異顯著性檢驗(yàn)。

（二）、評價者間的讀片可靠性檢驗(yàn)：

在不同評價者之間重復(fù)閱讀一定數(shù)量的手腕部X線片，使用上述相同的統(tǒng)計方法計算，即可得出評價者間的隨機(jī)誤差和系統(tǒng)誤差。評價者之間的讀片可靠性檢驗(yàn)也同樣重要，但在施行起來，其難度大于評價者內(nèi)的可靠性檢驗(yàn)，最好是在應(yīng)用領(lǐng)域內(nèi)，定期組織、交流經(jīng)驗(yàn)，討論、統(tǒng)一評價尺度，是提高讀片質(zhì)量，保證臨床和科研工作可比性的重要措施。

參考文獻(xiàn)

張紹巖, 吳真列, 沈勛章, 等. 中國人手腕骨發(fā)育標(biāo)準(zhǔn)-中華05 II. RUS-CHN 和TW3-C腕骨方法的讀片可靠性.中國運(yùn)動醫(yī)學(xué)雜志, 2006, 25(6): 641-646.

Acheson RM, Vicinus JH and Fowler GB. Studies in the reliability of assessing skeletal maturity from   X-ray. Part II. The Bone-Specific Approach. Hum Biol, 1964, 36:211-228.

Acheson RM, Vicinus JH and Fowler GB. Studies in the reliability of assessing skeletal maturity from X-ray.

Part III. Greulich-Pyle atlas and Tanner-Whitehouse method contrasted. Hum Biol, 1966, 38:205-218.

Acheson RM, Fowler GB, Fry EI, et al. Studies in the reliability of assessing skeletal maturity from X-ray. I. Greulich-Pyle atlas. Hum Biol, 1963, 35:317-349.

Baughan B, Demirjian A, and Levesque GY. Skeletal maturity standards for French-Canadian children of school-age with a discussion of the reliability and validity of such measures. Hum Biol, 1979, 51(3): 353-370.

Beunen G. and Cameron N. The reproducibility of TW2 skeletal age assessments by a self-taught assessor.Ann Hum Biol, 1980,7(2): 155-162.

Beunen G. and Cameron N. The reproducibility of TW2 skeletal age assessments by a self-taught assessor.Ann Hum Biol, 1980,7(2): 155-162.

Medicus H, Gron AM andMoorees CFA. Reproducilibity of rating stages of osseous development. Am J Phys  Anthropol, 1971, 35:359-372.

Wenzel A. and Melsen B. Replicability of assessing radiographs by the Tanner and Whitehouse-2 method. Hum Biol, 1982, 54(3):575-581.

Taranger J, Burning B, Claesson I, et al. Skeletal development from birth to 7 years. Acta Paediatr Scand, 1976,258 (Suppl.):98-108.

Tanner, JM and Gibbons RD. A computerized image analysis system for estimating Tanner-Whitehouse 2 bone  age. Horm Res, 1994, 42:282-287.