Jak obliczyć czułość, swoistość, dodatnią wartość predykcyjną i ujemną wartość predykcyjną?

Wideo: Ocena testów diagnostycznych - czułość swoistość wiarygność PPV NPV

Zawartość

Kroki
Metoda 1 z 1: Stwórz własną rachubę
Porady
Ostrzeżenia

W każdym teście przeprowadzanym na danej populacji ważne jest, aby obliczyć wrażliwość, specyficzność, dodatnia wartość predykcyjna oraz ujemna wartość predykcyjna w celu określenia przydatności tego testu w diagnozowaniu choroby lub cech danej grupy populacji. Jeśli chcemy wykorzystać ten test do zbadania cech wybranej populacji, musimy wiedzieć:

Jak prawdopodobne jest wykrycie testu Dostępność znaki u ludzi z charakterystyczne cechy (wrażliwość)?
Jak prawdopodobne jest wykrycie testu brak znaki u ludzi bez charakterystyczne cechy (specyficzność)?
Jakie jest prawdopodobieństwo osoby z pozytywny wynik testu jest rzeczywiście jest oznaki (dodatnia wartość predykcyjna)?
Jakie jest prawdopodobieństwo osoby z negatywny wynik testu jest rzeczywiście Nie oznaki (ujemna wartość predykcyjna)?

Bardzo ważne jest, aby obliczyć te wartości, aby określić, czy test jest pomocny w ocenie cech danej populacji... W tym artykule pokażemy, jak obliczyć te wartości.

Kroki

Metoda 1 z 1: Stwórz własną rachubę

1 Skonstruuj próbkę populacji, na przykład 1000 pacjentów w klinice.
2 Zidentyfikuj chorobę lub objawy, które badasz, takie jak kiła.
3 Przeprowadź rzetelny test według złotego standardu, aby określić częstość występowania choroby lub objawy, takie jak informacje o obecności bakterii blady krętlik, uzyskany za pomocą mikroskopu ciemnego pola, z uwzględnieniem obrazu klinicznego. Użyj testu złotego standardu, aby określić, kto ma, a kto nie. Dla jasności załóżmy, że 100 osób je posiada, a 900 nie.
4 Zaprojektuj test czułości, swoistości, dodatniej wartości predykcyjnej i ujemnej wartości predykcyjnej populacji będącej przedmiotem zainteresowania i przetestuj próbkę populacji. Załóżmy na przykład, że jest to szybki test odczynnika osocza (RPR) na kiłę. Użyj go, aby pobrać próbkę 1000 osób.
5 Spośród osób z objawami (określonymi przez złoty standard) zapisz liczbę osób z pozytywnymi i negatywnymi wynikami. Przetestuj ludzi, którzy nie wykazują żadnych znaków w ten sam sposób (zgodnie ze złotym standardem). Otrzymasz cztery cyfry. Osoby z objawami ORAZ z wynikiem pozytywnym to prawdziwie pozytywny (PI)... Osoby z objawami ORAZ negatywnymi wynikami są fałszywie negatywny (LO)... Osoby bez objawów ORAZ z pozytywnym wynikiem są fałszywie dodatni (LP)... Osoby bez objawów ORAZ z wynikiem negatywnym są prawdziwie ujemny (IR)... Dla jasności załóżmy, że przetestowałeś 1000 pacjentów na RPR. 95 na 100 pacjentów z kiłą miało wynik pozytywny, a 5 negatywny. Spośród 900 pacjentów, którzy nie mieli kiły, 90 dało wynik pozytywny, a 810 negatywny. W tym przypadku PI = 95, LO = 5, LP = 90 i IO = 810.
6 Aby obliczyć czułość, podziel PI przez (PI + LO). W powyższym przypadku otrzymujemy 95 / (95 + 5) = 95%. Czułość mówi nam, jak prawdopodobne jest, że test da wynik pozytywny u osoby z objawami.Wśród osób z objawami, jaka część da wynik pozytywny? Czułość 95% jest całkiem dobra.
7 Aby obliczyć specyficzność, podziel RO przez (LP + RO). W powyższym przypadku otrzymujemy 810 / (90 + 810) = 90%. Swoistość mówi nam, jak prawdopodobne jest, że test da wynik negatywny u osoby, która nie ma objawów. Wśród osób bez objawów, jaka część otrzyma wynik negatywny? Specyficzność 90% jest całkiem dobra.
8 Aby obliczyć dodatnią wartość predykcyjną (PPV), podziel PI przez (PI + LP). W powyższym przypadku otrzymujemy 95 / (95 + 90) = 51,4%. Dodatnia wartość predykcyjna mówi nam, jak prawdopodobne jest, że osoba z pozytywnym wynikiem testu będzie miała objawy. Wśród osób, u których wynik testu jest pozytywny, jaka część faktycznie ma objawy? PPV wynoszące 51,4% oznacza, że jeśli wynik testu jest pozytywny, istnieje 51,4% szans, że rzeczywiście jesteś chory.
9 Aby obliczyć ujemną wartość predykcyjną (NPV), podziel RO przez (RO + LO). W powyższym przypadku otrzymujemy 810 / (810 + 5) = 99,4%. Ujemna wartość predykcyjna mówi nam, jak prawdopodobne jest, że osoba z ujemnym wynikiem testu nie będzie miała żadnych objawów. Wśród osób, które uzyskały wynik negatywny, jaka część jest naprawdę bezobjawowa? HMO na poziomie 99,4% oznacza, że jeśli wynik testu jest negatywny, istnieje 99,4% szans, że nie jesteś chory.

Porady

Dobre testy przesiewowe są bardzo czułe i pomagają zidentyfikować pacjentów, u których występują objawy. Testy o wysokiej czułości są przydatne w diagnostyka różnicowa choroby lub oznaki, jeśli są negatywne. („SNOUT”: odchylenie czułości)
Precyzja lub skuteczność to procent wyników testu dokładnie ustalonych przez test, to znaczy (prawdziwie dodatni + prawdziwie ujemny) / ogólne wyniki testu = (PI + RO) / (PI + RO + LP + LO).
Spróbuj narysować tabelę kontyngencji, aby sobie to ułatwić.
Pamiętaj, że czułość i swoistość to nieodłączne właściwości danego testu, które: nie zależą od danej grupy populacji, czyli jeśli badanie jest przeprowadzane na różnych grupach populacji, te dwie wartości powinny pozostać niezmienione.
Dobre testy kontrolne mają wysoką swoistość, dzięki czemu testy nie popełnią błędów w identyfikacji pacjentów z objawami. Testy o wysokiej czułości są przydatne w diagnostyka choroby lub objawy, jeśli wykazują pozytywny wynik. („SPIN”: zatwierdzenie specyfiki)
Z drugiej strony dodatnia wartość predykcyjna i ujemna wartość predykcyjna zależą od poziomu rozpowszechnienia objawów w wybranej grupie populacji. Im mniej powszechne są objawy, tym niższa dodatnia wartość predykcyjna i wyższa ujemna wartość predykcyjna (ponieważ częstość występowania jest mniejsza w przypadkach, gdy objawy są mniej powszechne). I odwrotnie, im częstsze są objawy, tym wyższa pozytywna wartość predykcyjna i niższa negatywna wartość predykcyjna (ponieważ częstość występowania jest wyższa w przypadkach, gdy objawy są częstsze).
Postaraj się dobrze zrozumieć te definicje.