Minden vizsgálatot, amelyet egy adott populáción végeznek, képesnek kell lennie számítani érzékenység, sajátosság, pozitív prediktív érték, és negatív prediktív érték, hogy meghatározzák a vizsgálatok hasznosságát egy adott betegség vagy populáció jellemzőjének kimutatásában. Ha egy teszt segítségével szeretnénk bizonyos jellemzőket tesztelni egy mintapopulációban, akkor tudnunk kell:
- Mennyire valószínű, hogy ez a teszt felismeri létezés egy személy bizonyos jellemzői val vel ilyen jellemzők (érzékenység)?
- Mennyire valószínű, hogy ez a teszt felismeri hiány egy személy bizonyos jellemzői akiknek nincs ezek a jellemzők (sajátosság)?
- Mennyire valószínű, hogy valaki ugyanazokkal a vizsgálati eredményekkel rendelkezik pozitív valóban van ezek a jellemzők (pozitív prediktív érték)?
-
Mennyire valószínű, hogy egy személy, akinek a vizsgálati eredményei negatív valóban nincs ezek a jellemzők (negatív prediktív érték)?
Ezeket az értékeket nagyon fontos kiszámítani határozza meg, hogy egy teszt hasznos -e bizonyos jellemzők mérésére egy adott populációban.
Ez a cikk megmutatja, hogyan kell kiszámítani ezeket az értékeket.
Lépés
1. módszer 1 -ből: Számolja magát
1. lépés Határozza meg a mintavételre kerülő populációt, például 1000 beteget egy klinikán
2. lépés Határozza meg a kívánt betegséget vagy jellemzőt, pl. Szifilisz
Lépés 3. Rendelkezzen szabványos aranyszabvánnyal a betegségek előfordulásának vagy a kívánt jellemzőknek a meghatározásához, pl. A Treponema pallidum baktérium sötétmezős mikroszkópos dokumentációja szifilitikus fekélydarabokból, klinikai leletekkel együttműködve
Az arany standard teszt segítségével határozza meg, hogy kik rendelkeznek a jellemzőkkel és kik nem. Illusztrációként tegyük fel, hogy 100 ember rendelkezik a jellemzővel, 900 pedig nem.
4. lépés. Végezze el az Önt érdeklő tesztet, hogy meghatározza érzékenységét, specificitását, pozitív prediktív értékét és negatív prediktív értékét ehhez a populációhoz
Ezután végezze el a tesztet a mintapopulációban mindenki számára. Tegyük fel például, hogy ez egy gyors plazma reagin teszt (RPR) a szifilisz szűrésére. Használja 1000 ember teszteléséhez egy mintában.
5. lépés. Azoknál az embereknél, akik rendelkeznek a jellemzőkkel (az aranyszabvány alapján), jegyezze fel a pozitív és a negatív tesztelők számát
Tegye ugyanezt azokkal az emberekkel, akik nem rendelkeznek a jellemzőkkel (az aranyszabvány szerint). Négy számod lesz. Azok az emberek, akik rendelkeznek a jellemzőkkel és a teszteredmények pozitívak valódi pozitívumok (valódi pozitívumok vagy TP). Azok az emberek, akik rendelkeznek a jellemzőkkel és a teszteredmények negatívak hamis negatívok (hamis negatívok vagy FN). Azok az emberek, akik nem rendelkeznek a jellemzőkkel ÉS a teszteredmények pozitívak hamis pozitív (hamis pozitív vagy FP). Azok az emberek, akik nem rendelkeznek a jellemzőkkel ÉS a teszteredmények negatívak, azok valódi negatívok (valódi negatívok vagy TN). Tegyük fel például, hogy RPR tesztet végzett 1000 betegnél. A 100 szifiliszben szenvedő beteg közül 95 -en pozitív, míg a többi 5 negatív volt. A szifiliszben nem szenvedő 900 beteg közül 90 pozitív, a többi 810 negatív volt. Ebben az esetben TP = 95, FN = 5, FP = 90 és TN = 810.
6. lépés. Az érzékenység kiszámításához ossza el a TP -t (TP+FN)
A fenti példában a számítás 95/(95+5) = 95%. Az érzékenység megmutatja, hogy a teszt mennyire valószínű, hogy pozitív eredményt ad egy olyan személy számára, aki rendelkezik a jellemzővel. Az összes olyan személy közül, akik rendelkeznek a jellemzővel, milyen arányban pozitív a teszt? A 95% -os érzékenység elég jó.
7. lépés. A specificitás kiszámításához ossza el a TN -t (FP+TN)
A fenti példában a számítás 810/(90+810) = 90%. A specificitás arról árulkodik, hogy valószínű, hogy egy teszt negatív eredményt ad valakiben, aki nem rendelkezik a jellemzővel. Azok közül, akik nem rendelkeznek a jellemzővel, milyen arányú a negatív teszt? A 90% -os specificitás elég jó.
8. lépés: A pozitív prediktív érték (NPP) kiszámításához ossza el TP -t (TP+FP)
A fenti összefüggésben a számítás 95/(95+90) = 51,4%. A pozitív prediktív érték azt a valószínűséget jelzi, hogy egy személy rendelkezik a jellemzővel, ha a teszt eredménye pozitív. Az összes pozitív eredményt mutató személy közül valójában milyen arányban vannak jellemzőik? Az atomerőmű 51,4% -a azt jelenti, hogy ha a teszt eredménye pozitív, akkor a szóban forgó betegségben való tényleges szenvedés valószínűsége 51,4%.
9. lépés. A negatív prediktív érték (NPN) kiszámításához ossza meg TN -t (TN+FN)
A fenti példában a számítás 810/(810+5) = 99,4%. A negatív prediktív érték azt jelzi, hogy egy személynek nem valószínű, hogy nincs jellemzője, ha a teszt eredménye negatív. Azok közül, akik negatív eredményt mutatnak, valójában milyen arányban hiányoznak a szóban forgó jellemzők? Az NPN 99,4% azt jelenti, hogy ha egy személy teszteredménye negatív, akkor 99,4% annak valószínűsége, hogy nem szenved a betegségben.
Tippek
- Pontosság, vagy hatékonyság, a vizsgálati eredmények százalékos aránya, amelyet a teszt helyesen azonosított, azaz (valódi pozitív+valódi negatív)/összes teszt eredménye = (TP+TN)/(TP+TN+FP+FN).
- Egy jó szűrővizsgálatnak nagy az érzékenysége, mert szeretne mindent megszerezni, aminek bizonyos jellemzői vannak. A nagyon magas érzékenységű tesztek hasznosak egy betegség vagy jellemző kizárására, ha az eredmény negatív. ("SNOUT": SENsitivity-szabály OUT)
- Próbáljon 2x2 -es asztalt készíteni, hogy megkönnyítse.
- Értsd meg, hogy az érzékenység és a specifitás a teszt belső tulajdonságai nem a meglévő populációtól függ, vagyis hogy a két értéknek azonosnak kell lennie, ha ugyanazt a vizsgálatot különböző populációkon végzik.
- A jó igazolhatósági tesztnek nagy a specifitása, mert azt szeretné, hogy a teszt specifikus legyen, és ne tévesztesse meg azokat az embereket, akik nem rendelkeznek a jellemzővel, feltételezve, hogy megvannak. Hasznosak azok a tesztek, amelyek nagyon specifikusak mellékel bizonyos betegségek vagy jellemzők, ha az eredmény pozitív. ("SPIN": SPecificity-szabály IN)
- A pozitív prediktív érték és a negatív prediktív érték viszont ennek a jellemzőnek az elterjedtségétől függ egy adott populációban. Minél ritkább a keresett karakterisztika, annál alacsonyabb a pozitív prediktív érték és annál magasabb a negatív prediktív érték (mivel a ritka jellemzők esetében az elővizsgálat valószínűsége alacsony). Másrészt, minél gyakoribb egy jellemző, annál magasabb a pozitív prediktív érték, és annál alacsonyabb a negatív prediktív érték (mivel az előzetes próba valószínűsége magas a közös jellemzőnél).
- Próbálja jól megérteni ezeket a fogalmakat.
