Svaki test proveden na određenoj populaciji mora biti u stanju izračunati osetljivost, 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 testiranje određenih karakteristika u uzorku populacije, ono što moramo znati je:
- Koliko je vjerovatno da će se ovaj test otkriti postojanje određene karakteristike osobe sa takve karakteristike (osjetljivost)?
- Koliko je vjerovatno da će se ovaj test otkriti odsustvo određene karakteristike osobe koji nemaju ove karakteristike (specifičnost)?
- Koliko je vjerovatno da će neko imati iste rezultate testa pozitivno zaista imati ove karakteristike (pozitivna prediktivna vrijednost)?
-
Koliko je vjerovatno da će to biti osoba čiji su rezultati testa negativan zaista nema ove karakteristike (negativna prediktivna vrijednost)?
Ove vrijednosti su 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. Mikroskopska dokumentacija tamnog polja bakterije Treponema pallidum iz fragmenata sifilitičkog ulkusa, u saradnji sa kliničkim nalazima
Upotrijebite test zlatnog standarda da odredite ko ima karakteristike, a ko 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 otkrivanje sifilisa. Koristite ga za testiranje 1000 ljudi u uzorku.
Korak 5. Za ljude koji imaju karakteristike (utvrđene zlatnim standardom) zabilježite broj osoba koje su bile pozitivne i broj osoba koje su negativne
Učinite isto za ljude koji nemaju karakteristike (kako je definirano zlatnim standardom). Imat ćete četiri broja. Ljudi koji imaju karakteristike I rezultati testova su pozitivni istinski pozitivni (istinski pozitivni ili TP). Ljudi koji imaju karakteristike I rezultati testa su negativni lažno negativni (lažno negativni 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 istinski negativi (pravi negativi ili TN). Na primjer, pretpostavimo da ste izvršili 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. Da biste izračunali osjetljivost, podijelite TP sa (TP+FN)
U gornjem primjeru izračun je 95/(95+5) = 95%. Osetljivost nam govori koliko je verovatno da će test dati pozitivan rezultat za osobu koja ima tu karakteristiku. Od svih ljudi koji imaju karakteristiku, koji je omjer pozitivan? Osetljivost od 95% je dovoljno dobra.
Korak 7. Da biste izračunali specifičnost, podijelite TN sa (FP+TN)
U gornjem primjeru izračun je 810/(90+810) = 90%. Specifičnost nam govori o vjerovatnoći da će test dati negativan rezultat kod nekoga ko nema karakteristike. Od svih ljudi koji nemaju karakteristike, koji je omjer testa negativan? 90% specifičnost je dovoljna.
Korak 8. Da biste izračunali pozitivnu prediktivnu vrijednost (NPP), podijelite TP sa (TP+FP)
U gornjem kontekstu, izračun je 95/(95+90) = 51,4%. Pozitivna prediktivna vrijednost govori o vjerovatnoći da osoba ima karakteristiku ako je rezultat testa pozitivan. Od svih onih koji su pozitivni na test, koji omjer zapravo ima tu karakteristiku? NPP 51,4% znači da ako je rezultat testa pozitivan, vjerovatnoća da zaista patite od dotične bolesti je 51,4%.
Korak 9. Da biste izračunali negativnu prediktivnu vrijednost (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
- Tačnost, ili efikasnost, je postotak rezultata testa koji je ispravno identificiran testom, tj. (istinito pozitivno+tačno negativno)/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": Pravilo osjetljivosti OUT)
- Pokušajte napraviti stol 2x2 da bi vam bilo lakše.
- Shvatite da su osjetljivost i specifičnost intrinzična svojstva testa koji no ovisi o postojećoj populaciji, odnosno da bi dvije vrijednosti trebale biti iste ako se isti test izvrši na različitim populacijama.
- Dobar test provjerljivosti ima visoku specifičnost jer želite da test bude specifičan i da ne pogrešno označi ljude koji nemaju karakteristike pretpostavljajući da ih imaju. Korisni su testovi koji imaju vrlo visoku specifičnost ograditi 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 predtestiranja niska za rijetke karakteristike). S druge strane, što je karakteristika uobičajenija, to je veća pozitivna prediktivna vrijednost i niža negativna prediktivna vrijednost (jer je vjerojatnost predtesta velika za zajedničku karakteristiku).
- Pokušajte dobro razumjeti ove koncepte.
