Jakýkoli test provedený na konkrétní populaci musí být schopen vypočítat citlivost, specifičnost, pozitivní prediktivní hodnota, a záporná prediktivní hodnotak určení užitečnosti testování při detekci konkrétní choroby nebo charakteristiky populace. Pokud chceme použít test k testování určitých charakteristik ve vzorkové populaci, potřebujeme vědět:
- Jak je pravděpodobné, že tento test odhalí existence určité vlastnosti člověka s takové vlastnosti (citlivost)?
- Jak je pravděpodobné, že tento test odhalí absence určité vlastnosti člověka kteří nemají tyto vlastnosti (specifičnost)?
- Jak pravděpodobné je, že někdo, kdo má stejné výsledky testů pozitivní skutečně mít tyto charakteristiky (pozitivní prediktivní hodnota)?
-
Jak pravděpodobné je, že osoba, jejíž výsledky testů záporný skutečně nemít tyto charakteristiky (záporná prediktivní hodnota)?
Tyto hodnoty jsou velmi důležité pro výpočet určit, zda je test užitečný pro měření určitých charakteristik v dané populaci.
Tento článek vám ukáže, jak tyto hodnoty vypočítat.
Krok
Metoda 1 z 1: Počítání sebe sama
Krok 1. Definujte populaci, ze které se mají odebrat vzorky, například 1 000 pacientů na klinice
Krok 2. Určete požadovanou nemoc nebo charakteristiku, např. Syfilis
Krok 3. Mít standardní zlatý standard pro stanovení prevalence onemocnění nebo požadovaných charakteristik, např. Mikroskopickou dokumentaci tmavého pole bakterie Treponema pallidum z fragmentů syfilitického vředu, ve spolupráci s klinickými nálezy
Pomocí testu zlatého standardu určete, kdo má vlastnosti a kdo ne. Pro ilustraci řekněme 100 lidí má charakteristiku a 900 ne.
Krok 4. Proveďte test, který vás zajímá, abyste zjistili jeho citlivost, specificitu, pozitivní prediktivní hodnotu a negativní prediktivní hodnotu pro tuto populaci
Dále proveďte test pro všechny ve vzorkové populaci. Řekněme například, že se jedná o test rychlého plazmatického reaginu (RPR) na vyšetření na syfilis. Použijte jej k testování 1000 lidí ve vzorku.
Krok 5. U lidí, kteří mají charakteristiky (jak je stanoveno zlatým standardem), zaznamenejte počet lidí s pozitivním testem a počet lidí s negativním testem
Totéž proveďte pro lidi, kteří nemají vlastnosti (jak jsou definovány zlatým standardem). Budete mít čtyři čísla. Lidé, kteří mají vlastnosti A výsledky testů jsou pozitivní true positive (true positive nebo TP). Lidé, kteří mají vlastnosti A výsledky testů jsou negativní falešné negativy (falešné negativy nebo FN). Lidé, kteří nemají vlastnosti A výsledky testů jsou pozitivní, jsou falešně pozitivní (falešně pozitivní nebo FP). Lidé, kteří nemají vlastnosti A výsledky testů jsou negativní, jsou pravá negativa (pravá negativa nebo TN). Předpokládejme například, že jste provedli test RPR na 1000 pacientech. Mezi 100 pacienty se syfilisem bylo 95 z nich pozitivně testováno, zatímco zbývajících 5 bylo negativních. Mezi 900 pacienty, kteří neměli syfilis, bylo 90 testů pozitivních a zbývajících 810 bylo negativních. V tomto případě TP = 95, FN = 5, FP = 90 a TN = 810.
Krok 6. Chcete -li vypočítat citlivost, rozdělte TP podle (TP+FN)
Ve výše uvedeném příkladu je výpočet 95/(95+5) = 95%. Citlivost nám říká, jak je pravděpodobné, že test poskytne pozitivní výsledek pro osobu, která má danou vlastnost. Jaký podíl ze všech lidí s touto charakteristikou je pozitivní? Citlivost 95% je dost dobrá.
Krok 7. Chcete -li vypočítat specificitu, rozdělte TN o (FP+TN)
Ve výše uvedeném příkladu je výpočet 810/(90+810) = 90%. Specifičnost nám říká o pravděpodobnosti, že test poskytne negativní výsledek u někoho, kdo nemá charakteristiku. Jaký podíl ze všech lidí, kteří nemají charakteristiku, je negativní? 90% specificita je dost dobrá.
Krok 8. Chcete -li vypočítat pozitivní prediktivní hodnotu (NPP), rozdělte TP o (TP+FP)
Ve výše uvedeném kontextu je výpočet 95/(95+90) = 51,4%. Pozitivní prediktivní hodnota udává pravděpodobnost, že osoba má charakteristiku, pokud je výsledek testu pozitivní. Jaký podíl ze všech těch, kteří mají pozitivní test, má ve skutečnosti tuto charakteristiku? NPP 51,4% znamená, že pokud je váš test pozitivní, pravděpodobnost skutečného utrpení dotyčné choroby je 51,4%.
Krok 9. Chcete -li vypočítat zápornou prediktivní hodnotu (NPN), rozdělte TN o (TN+FN)
Pro výše uvedený příklad je výpočet 810/(810+5) = 99,4%. Negativní prediktivní hodnota říká, jak pravděpodobné je, že osoba nebude mít charakteristiku, pokud je výsledek testu negativní. Jaký podíl ze všech těch, kteří testují negativně, ve skutečnosti postrádá příslušné charakteristiky? NPN 99,4% znamená, že pokud je výsledek testu osoby negativní, pravděpodobnost, že u této osoby nebude nemoc, je 99,4%.
Tipy
- Přesnostnebo účinnost, je procento výsledků testu správně identifikovaných testem, tj. (skutečný pozitivní+skutečný negativní)/celkový výsledek testu = (TP+TN)/(TP+TN+FP+FN).
- Dobrý screeningový test má vysokou citlivost, protože chcete mít možnost získat vše, co má určité vlastnosti. Testy, které mají velmi vysokou citlivost, jsou užitečné k vyloučení nemoci nebo charakteristiky, pokud je výsledek negativní. („SNOUT“: pravidlo citlivosti OUT)
- Zkuste si udělat tabulku 2x2, aby to bylo jednodušší.
- Pochopte, že citlivost a specificita jsou vnitřní vlastnosti testu, který Ne závisí na existující populaci, tj. že tyto dvě hodnoty by měly být stejné, pokud je stejný test prováděn na různých populacích.
- Dobrý test ověřitelnosti má vysokou specifičnost, protože chcete, aby byl test specifický a ne mislabel lidi, kteří nemají charakteristiku tím, že předpokládají, že ji mají. Užitečné jsou testy, které mají velmi vysokou specifičnost přiložit některé nemoci nebo vlastnosti, pokud je výsledek pozitivní. ("SPIN": SPecificity-pravidlo IN)
- Pozitivní prediktivní hodnota a negativní prediktivní hodnota naopak závisí na prevalenci této charakteristiky v konkrétní populaci. Čím vzácnější je hledaná charakteristika, tím nižší je pozitivní prediktivní hodnota a tím vyšší je negativní prediktivní hodnota (protože pravděpodobnost předtestu je u vzácných charakteristik nízká). Na druhou stranu, čím je charakteristika běžnější, tím vyšší je pozitivní prediktivní hodnota a tím nižší je negativní prediktivní hodnota (protože pravděpodobnost předtestu je u společné charakteristiky vysoká).
- Pokuste se těmto pojmům dobře porozumět.
