Kaikki tietylle populaatiolle tehdyt testit on voitava laskea herkkyys, spesifisyys, positiivinen ennakoiva arvoja negatiivinen ennustava arvo, testin hyödyllisyyden määrittämiseksi tietyn sairauden tai populaation ominaisuuden havaitsemiseksi. Jos haluamme testin avulla testata tiettyjä otosjoukon ominaisuuksia, meidän on tiedettävä:
- Kuinka todennäköistä tämä testi on havaita olemassaolo tietyt henkilön ominaisuudet kanssa tällaiset ominaisuudet (herkkyys)?
- Kuinka todennäköistä tämä testi on havaita poissaolo tietyt henkilön ominaisuudet joilla ei ole nämä ominaisuudet (spesifisyys)?
- Kuinka todennäköistä on, että joku, jolla on samat testitulokset positiivinen todella omistaa nämä ominaisuudet (positiivinen ennakoiva arvo)?
-
Kuinka todennäköistä on, että henkilö, jonka testitulokset negatiivinen todella ei ole nämä ominaisuudet (negatiivinen ennakoiva arvo)?
Nämä arvot on erittäin tärkeä laskea määrittää, onko testistä hyötyä tiettyjen ominaisuuksien mittaamiseen tietyssä populaatiossa.
Tässä artikkelissa kerrotaan, miten nämä arvot lasketaan.
Vaihe
Menetelmä 1: 1: Laske itsesi
Vaihe 1. Määritä otanta otettavaksi, esimerkiksi 1000 potilasta klinikalla
Vaihe 2. Määritä haluttu sairaus tai ominaisuus, esim. Kuppa
Vaihe 3. Käytä vakiomuotoista kultastandardia taudin esiintyvyyden tai haluttujen ominaisuuksien määrittämiseksi, esim. Tumman kentän mikroskooppinen dokumentointi Treponema pallidum -bakteerista syfiliittisistä haavafragmentteista yhteistyössä kliinisten havaintojen kanssa
Käytä kultastandarditestiä määrittääksesi, kenellä on ominaisuudet ja kenellä ei. Esimerkiksi 100 ihmisellä on ominaisuus ja 900 ei.
Vaihe 4. Suorita kiinnostava testi määrittääksesi sen herkkyyden, spesifisyyden, positiivisen ennustearvon ja negatiivisen ennustearvon tälle populaatiolle
Tee seuraavaksi testi kaikille otosjoukolle. Oletetaan esimerkiksi, että tämä on nopea plasman reagin -testi (RPR) kupiksen seulomiseksi. Käytä sitä testataksesi 1000 ihmistä näytteestä.
Vaihe 5. Kirjoita ihmisille, joilla on ominaisuudet (määritelty kultastandardin mukaan), positiivisten ja negatiivisten testien määrä
Tee sama ihmisille, joilla ei ole ominaisuuksia (kuten kultastandardi määrittelee). Saat neljä numeroa. Ihmiset, joilla on ominaisuudet JA testitulokset ovat positiivisia, ovat tosi positiivisia (tosi positiivisia tai TP). Ihmiset, joilla on ominaisuudet JA testitulokset ovat negatiivisia, ovat väärät negatiivit (väärät negatiivit tai FN). Ihmiset, joilla ei ole ominaisuuksia JA testitulokset ovat positiivisia, ovat vääriä positiivisia (vääriä positiivisia tai FP). Ihmiset, joilla ei ole ominaisuuksia JA testitulokset ovat negatiivisia, ovat todelliset negatiivit (todelliset negatiivit tai TN). Oletetaan esimerkiksi, että olet suorittanut RPR -testin 1000 potilaalle. Niistä 100 potilaasta, joilla oli kuppa, 95 heistä oli positiivisia ja loput 5 negatiivisia. Niistä 900 potilaasta, joilla ei ollut kuppaa, 90 testistä oli positiivinen ja loput 810 negatiivista. Tässä tapauksessa TP = 95, FN = 5, FP = 90 ja TN = 810.
Vaihe 6. Laske herkkyys jakamalla TP (TP+FN)
Yllä olevassa esimerkissä laskelma on 95/(95+5) = 95%. Herkkyys kertoo meille, kuinka todennäköisesti testi antaa positiivisen tuloksen henkilölle, jolla on ominaisuus. Mikä osuus kaikista ihmisistä, joilla on ominaisuus, on positiivinen? Herkkyys 95% on riittävä.
Vaihe 7. Laske spesifisyys jakamalla TN (FP+TN)
Yllä olevassa esimerkissä laskelma on 810/(90+810) = 90%. Spesifisyys kertoo meille todennäköisyydestä, että testi antaa negatiivisen tuloksen henkilölle, jolla ei ole ominaisuutta. Mikä osuus kaikista ihmisistä, joilla ei ole ominaisuutta, mikä on negatiivinen testi? 90% spesifisyys riittää.
Vaihe 8. Laske positiivinen ennustava arvo (NPP) jakamalla TP (TP+FP)
Yllä olevassa yhteydessä laskelma on 95/(95+90) = 51,4%. Positiivinen ennakoiva arvo kertoo todennäköisyyden, että henkilöllä on ominaisuus, jos testitulos on positiivinen. Millä osuudella on todellinen ominaisuus kaikkien positiivisten testien joukossa? Ydinvoimala 51,4% tarkoittaa, että jos testituloksesi on positiivinen, todennäköisyys kärsiä kyseisestä sairaudesta on 51,4%.
Vaihe 9. Jos haluat laskea negatiivisen ennustavan arvon (NPN), jaa TN (TN+FN)
Yllä olevassa esimerkissä laskelma on 810/(810+5) = 99,4%. Negatiivinen ennakoiva arvo kertoo, kuinka todennäköisesti henkilöllä ei ole ominaisuutta, jos testitulos on negatiivinen. Millä osalla kaikista negatiivisista testeistä puuttuvat kyseiset ominaisuudet? NPN 99,4% tarkoittaa, että jos henkilön testitulos on negatiivinen, todennäköisyys, ettei kyseisellä henkilöllä ole tautia, on 99,4%.
Vinkkejä
- Tarkkuustai tehokkuus, on testin oikein tunnistama testitulosten prosenttiosuus, eli (tosi positiivinen+todellinen negatiivinen)/kokonaistestitulos = (TP+TN)/(TP+TN+FP+FN).
- Hyvä seulontatesti on herkkä, koska haluat saada kaiken, jolla on tiettyjä ominaisuuksia. Testit, joilla on erittäin suuri herkkyys, ovat hyödyllisiä sairauden tai ominaisuuden poissulkemiseksi, jos tulos on negatiivinen. ("SNOUT": SENsitivity-sääntö OUT)
- Yritä tehdä 2x2 -taulukko helpottaaksesi sitä.
- Ymmärrä, että herkkyys ja spesifisyys ovat testin luontaisia ominaisuuksia ei riippuu olemassa olevasta populaatiosta, eli kahden arvon tulee olla samat, jos sama testi suoritetaan eri populaatioille.
- Hyvällä todennettavuustestillä on suuri spesifisyys, koska haluat testin olevan spesifinen eikä merkitä väärin ihmisiä, joilla ei ole ominaisuutta olettaen, että heillä on se. Testit, joilla on erittäin korkea spesifisyys, ovat hyödyllisiä liittää tietyt sairaudet tai ominaisuudet, jos tulos on positiivinen. ("SPIN": SPecificity-sääntö IN)
- Toisaalta positiivinen ennustava arvo ja negatiivinen ennustearvo riippuvat tämän ominaisuuden esiintyvyydestä tietyssä populaatiossa. Mitä harvinaisempaa ominaisuutta haetaan, sitä pienempi on positiivinen ennustava arvo ja sitä suurempi negatiivinen ennustearvo (koska harvinaisten ominaisuuksien ennakkotodennäköisyys on pieni). Toisaalta mitä yleisempi ominaisuus on, sitä suurempi on positiivinen ennustava arvo ja sitä pienempi negatiivinen ennustearvo (koska esitestin todennäköisyys on suuri yhteiselle ominaisuudelle).
- Yritä ymmärtää nämä käsitteet hyvin.
