Enhver test utført på en bestemt populasjon må kunne beregnes følsomhet, spesifisitet, positiv prediktiv verdi, og negativ prediktiv verdi, for å bestemme nytten av testing for å påvise en bestemt sykdom eller populasjonskarakteristikk. Hvis vi vil bruke en test for å teste visse egenskaper i en prøvepopulasjon, er det vi trenger å vite:
- Hvor sannsynlig er denne testen å oppdage eksistens visse egenskaper ved en person med slike egenskaper (følsomhet)?
- Hvor sannsynlig er denne testen å oppdage fravær visse egenskaper ved en person som ikke har disse egenskapene (spesifisitet)?
- Hvor sannsynlig er det at noen som har de samme testresultatene positiv virkelig ha disse egenskapene (positiv prediktiv verdi)?
-
Hvor sannsynlig er det at en person hvis testresultater negativ virkelig har ikke disse egenskapene (negativ prediktiv verdi)?
Disse verdiene er veldig viktige å beregne for avgjøre om en test er nyttig for å måle visse egenskaper i en gitt populasjon.
Denne artikkelen viser deg hvordan du beregner disse verdiene.
Steg
Metode 1 av 1: Tell deg selv
Trinn 1. Definer populasjonen som skal prøvesamles, for eksempel 1000 pasienter på en klinikk
Trinn 2. Bestem ønsket sykdom eller karakteristikk, f.eks. Syfilis
Trinn 3. Ha en standard gullstandard for å bestemme forekomst av sykdom eller ønskede egenskaper, f.eks. Mørkfeltmikroskopisk dokumentasjon av bakterien Treponema pallidum fra syfilitiske sårfragmenter, i samarbeid med kliniske funn
Bruk gullstandardtesten for å avgjøre hvem som har egenskapene og hvem som ikke har det. Som en illustrasjon, la oss si at 100 mennesker har karakteristikken og 900 ikke.
Trinn 4. Utfør testen du er interessert i for å bestemme dens sensitivitet, spesifisitet, positive prediktive verdi og negative prediktive verdi for denne populasjonen
Gjør deretter testen for alle i prøvepopulasjonen. La oss for eksempel si at dette er en rask plasma reagin -test (RPR) for screening for syfilis. Bruk den til å teste 1000 personer i en prøve.
Trinn 5. For personer som har egenskapene (som bestemt av gullstandarden), registrer antall personer som testet positivt og antall personer som testet negative
Gjør det samme for folk som ikke har egenskapene (som definert av gullstandarden). Du vil ha fire tall. Folk som har egenskapene OG testresultatene er positive sanne positive (sanne positive eller TP). Personer som har egenskapene OG testresultatene er negative falske negativer (falske negativer eller FN). Folk som ikke har egenskapene OG testresultatene er positive falske positiver (falske positiver eller FP). Personer som ikke har egenskapene OG testresultatene er negative er sanne negativer (sanne negative eller TN). Anta for eksempel at du har utført en RPR -test på 1000 pasienter. Blant de 100 pasientene med syfilis testet 95 av dem positive, mens de resterende 5 var negative. Blant de 900 pasientene som ikke hadde syfilis, testet 90 positive, og de resterende 810 var negative. I dette tilfellet er TP = 95, FN = 5, FP = 90 og TN = 810.
Trinn 6. For å beregne følsomhet, divider TP med (TP+FN)
I eksemplet ovenfor er beregningen 95/(95+5) = 95%. Følsomhet forteller oss hvor sannsynlig testen er for å gi et positivt resultat for en person som har egenskapen. Hvilken andel tester positiv blant alle som har karakteristikken? Følsomheten på 95% er god nok.
Trinn 7. For å beregne spesifisitet, divider TN med (FP+TN)
I eksemplet ovenfor er beregningen 810/(90+810) = 90%. Spesifisitet forteller oss om sannsynligheten for at en test gir et negativt resultat hos noen som ikke har egenskapen. Blant alle som ikke har karakteristikken, hvilken andel tester negativ? 90% spesifisitet er bra nok.
Trinn 8. For å beregne den positive prediktive verdien (NPP), del TP med (TP+FP)
I konteksten ovenfor er beregningen 95/(95+90) = 51,4%. En positiv prediktiv verdi forteller sannsynligheten for at en person har karakteristikken hvis testresultatet er positivt. Blant alle som tester positivt, hvilken andel har egentlig egenskapen? NPP 51,4% betyr at hvis testresultatet er positivt, er sannsynligheten for å faktisk lide av den aktuelle sykdommen 51,4%.
Trinn 9. For å beregne den negative prediktive verdien (NPN), divider TN med (TN+FN)
For eksemplet ovenfor er beregningen 810/(810+5) = 99,4%. En negativ prediktiv verdi forteller hvor sannsynlig en person ikke er å ha en egenskap hvis testresultatet er negativt. Blant alle som tester negative, hvilken andel mangler egentlig egenskapene det er snakk om? NPN 99,4% betyr at hvis en persons testresultat er negativt, er sannsynligheten for ikke å ha sykdommen hos den personen 99,4%.
Tips
- Nøyaktighet, eller effektivitet, er prosentandelen av testresultatene korrekt identifisert av testen, dvs. (sann positiv+sann negativ)/totalt testresultat = (TP+TN)/(TP+TN+FP+FN).
- En god screeningtest har høy sensitivitet, fordi du vil kunne få alt som har visse egenskaper. Tester som har svært høy sensitivitet er nyttige for å utelukke en sykdom eller karakteristikk hvis resultatet er negativt. ("SNOUT": SeNsitivity-rule OUT)
- Prøv å lage et 2x2 bord for å gjøre det lettere.
- Forstå at sensitivitet og spesifisitet er iboende egenskaper ved testen som Nei avhenger av den eksisterende populasjonen, dvs. at de to verdiene skal være de samme hvis den samme testen utføres på forskjellige populasjoner.
- En god kontrollerbarhetstest har en høy spesifisitet, fordi du vil at testen skal være spesifikk og ikke feilmerkende mennesker som ikke har egenskapen ved å anta at de har den. Tester som har en veldig høy spesifisitet er nyttige for omslutte visse sykdommer eller egenskaper hvis resultatet er positivt. ("SPIN": Spesifikasjonsregel IN)
- Den positive prediktive verdien og den negative prediktive verdien er derimot avhengig av utbredelsen av denne egenskapen i en bestemt populasjon. Jo sjeldnere karakteristikken søkes, desto lavere er den positive prediktive verdien og jo høyere er den negative prediktive verdien (fordi sannsynligheten for forhåndstest er lav for sjeldne egenskaper). På den annen side, jo mer vanlig en egenskap er, jo høyere er den positive prediktive verdien og den lavere prediktive verdien (fordi sannsynligheten for forprøven er høy for den vanlige egenskapen).
- Prøv å forstå disse begrepene godt.
