Svaki test proveden na određenoj populaciji mora biti u stanju izračunati osjetljivost, specifičnost, pozitivna prediktivna vrijednost, i negativna prediktivna vrijednost, kako bi se utvrdila korisnost testiranja u otkrivanju određene bolesti ili populacijske karakteristike. Ako želimo koristiti test za ispitivanje određenih karakteristika u uzorku populacije, ono što moramo znati je:
- Koliko je vjerojatno da će se ovaj test otkriti postojanje određene osobine osobe s takve karakteristike (osjetljivost)?
- Koliko je vjerojatno da će se ovaj test otkriti odsutnost određene osobine osobe koji nemaju ove karakteristike (specifičnost)?
- Kolika je vjerojatnost da netko tko ima iste rezultate testa pozitivan uistinu imati ove karakteristike (pozitivna prediktivna vrijednost)?
-
Kolika je vjerojatnost da osoba čiji su rezultati testa negativan uistinu nemam ove karakteristike (negativna prediktivna vrijednost)?
Ove su vrijednosti vrlo važne za izračunavanje utvrditi je li test koristan za mjerenje određenih karakteristika u datoj populaciji.
Ovaj članak će vam pokazati kako izračunati ove vrijednosti.
Korak
Metoda 1 od 1: Brojanje sebe
Korak 1. Definirajte populaciju za uzorkovanje, na primjer 1000 pacijenata u klinici
Korak 2. Odredite željenu bolest ili karakteristiku, npr. Sifilis
Korak 3. Imati standardni zlatni standard za određivanje prevalencije bolesti ili željenih karakteristika, npr. Mikroskopsku dokumentaciju tamnog polja bakterije Treponema pallidum iz fragmenata sifilitičkog ulkusa, u suradnji s kliničkim nalazima
Upotrijebite test zlatnog standarda da biste utvrdili tko ima karakteristike, a tko ne. Ilustracije radi, recimo da 100 ljudi ima karakteristike, a 900 njih nema.
Korak 4. Izvedite test koji vas zanima kako biste utvrdili njegovu osjetljivost, specifičnost, pozitivnu prediktivnu vrijednost i negativnu prediktivnu vrijednost za ovu populaciju
Zatim napravite test za sve u uzorku populacije. Na primjer, recimo da je ovo brzi test plazma reagina (RPR) za pregled sifilisa. Pomoću njega testirajte 1000 ljudi u uzorku.
Korak 5. Za ljude koji imaju karakteristike (kako je utvrđeno zlatnim standardom) zabilježite broj osoba koje su bile pozitivne i broj osoba koje su negativne
Učinite isto za osobe koje nemaju karakteristike (kako je definirano zlatnim standardom). Imat ćete četiri broja. Ljudi koji imaju karakteristike I pozitivni su rezultati testova istinski pozitivni (istinski pozitivni ili TP). Ljudi koji imaju karakteristike I rezultati testa su negativni su lažni negativi (lažni negativi ili FN). Ljudi koji nemaju karakteristike I rezultati testova su pozitivni lažno pozitivni (lažno pozitivni ili FP). Ljudi koji nemaju karakteristike I rezultati testa su negativni su pravi negativi (pravi negativi ili TN). Na primjer, pretpostavimo da ste proveli RPR test na 1000 pacijenata. Među 100 pacijenata sa sifilisom, 95 ih je bilo pozitivno, dok je preostalih 5 bilo negativno. Među 900 pacijenata koji nisu imali sifilis, 90 je bilo pozitivno, a preostalih 810 je bilo negativno. U ovom slučaju, TP = 95, FN = 5, FP = 90 i TN = 810.
Korak 6. Za izračun osjetljivosti podijelite TP sa (TP+FN)
U gornjem primjeru izračun je 95/(95+5) = 95%. Osjetljivost nam govori koliko je vjerojatno da će test dati pozitivan rezultat za osobu koja ima tu karakteristiku. Koliki je omjer među svim ljudima koji imaju karakteristiku pozitivan? Osjetljivost od 95% je dovoljno dobra.
Korak 7. Za izračun specifičnosti podijelite TN sa (FP+TN)
U gornjem primjeru izračun je 810/(90+810) = 90%. Specifičnost nam govori o vjerojatnosti da će test dati negativan rezultat kod nekoga tko nema karakteristike. Koliki je omjer negativnog testa među svim ljudima koji nemaju karakteristike? 90% specifičnost je dovoljno dobra.
Korak 8. Za izračun pozitivne prediktivne vrijednosti (NPP), podijelite TP sa (TP+FP)
U gornjem kontekstu izračun je 95/(95+90) = 51,4%. Pozitivna prediktivna vrijednost govori o vjerojatnosti da osoba ima karakteristiku ako je rezultat testa pozitivan. Među svim onima koji su pozitivni na test, koji udio zapravo ima tu karakteristiku? NPP 51,4% znači da ako je rezultat testa pozitivan, vjerojatnost da zaista patite od dotične bolesti je 51,4%.
Korak 9. Za izračun negativne prediktivne vrijednosti (NPN) podijelite TN sa (TN+FN)
Za gornji primjer izračun je 810/(810+5) = 99,4%. Negativna prediktivna vrijednost govori koliko je vjerojatno da osoba neće imati karakteristike ako je rezultat testa negativan. Među svim onima koji imaju negativan test, koji omjer zapravo nema dotične karakteristike? NPN 99,4% znači da ako je rezultat testa osobe negativan, vjerojatnost da nema bolest kod te osobe je 99,4%.
Savjeti
- Točnost, ili učinkovitost, je postotak rezultata testa koji je ispravno identificiran testom, tj. (pravi pozitivan+pravi negativan)/ukupni rezultat testa = (TP+TN)/(TP+TN+FP+FN).
- Dobar skrining test ima visoku osjetljivost, jer želite dobiti sve što ima određene karakteristike. Testovi koji imaju vrlo visoku osjetljivost korisni su za isključivanje bolesti ili karakteristika ako je rezultat negativan. ("SNOUT": SeNsitivity-rule OUT)
- Pokušajte napraviti stol 2x2 kako biste olakšali.
- Shvatite da su osjetljivost i specifičnost intrinzična svojstva testa koji Ne ovisi o postojećoj populaciji, tj. da bi dvije vrijednosti trebale biti iste ako se isti test provodi na različitim populacijama.
- Dobar test provjerljivosti ima visoku specifičnost, jer želite da test bude specifičan, a ne da pogrešno označava ljude koji nemaju karakteristike pretpostavljajući da ih imaju. Korisni su testovi koji imaju vrlo visoku specifičnost Priložiti određene bolesti ili karakteristike ako je rezultat pozitivan. ("SPIN": pravilo specifičnosti IN)
- Pozitivna prediktivna vrijednost i negativna prediktivna vrijednost, s druge strane, ovise o prevalenciji ove karakteristike u određenoj populaciji. Što je rjeđa tražena karakteristika, to je niža pozitivna prediktivna vrijednost i veća negativna prediktivna vrijednost (jer je vjerojatnost predtesta niska za rijetke karakteristike). S druge strane, što je karakteristika češća, to je veća pozitivna prediktivna vrijednost i niža negativna prediktivna vrijednost (jer je vjerojatnost predtesta velika za zajedničku karakteristiku).
- Pokušajte dobro razumjeti ove pojmove.
