Wkono

Hvordan beregne sensitivitet, spesifisitet, positiv prediktiv verdi, og negativ prediktiv verdi

For enhver gitt test administreres til en gitt befolkning, er det viktig å beregne følsomheten, spesifisitet, positiv logisk verdi, og negativ prediktiv verdi, for å bestemme hvor nyttig med testen er å detektere en sykdom eller karakteristikk i en gitt populasjon. Hvis vi ønsker å bruke en test for å teste en bestemt egenskap i en prøve befolkning, ønsker vi å vite:

  • Hvor sannsynlig er det test for å oppdage tilstedeværelsen av en karakteristisk i noen med den karakteristiske (følsomhet)?
  • Hvor sannsynlig er testen for å detektere fravær av en karakteristikk i noen uten fravær> karakteristikken (spesifisitet)?
  • Hvor sannsynlig er noen med et positivt testresultat å faktisk ha positive> den karakteristiske (positiv prediktiv verdi)?
  • Hvor sannsynlig er noen med et negativt testresultat å faktisk ikke ha negativ> den karakteristiske (negativ prediktiv verdi)?

Disse verdier er meget viktig for å beregne for å bestemme om en test er nyttig for måling av en spesifikk egenskap hos en gitt populasjon. Denne artikkelen vil demonstrere hvordan man skal beregne disse verdiene.

Trinn

Hvordan beregne sensitivitet, spesifisitet, positiv prediktiv verdi, og negativ prediktiv verdi. følsomheten, spesifisitet, positiv logisk verdi.
Hvordan beregne sensitivitet, spesifisitet, positiv prediktiv verdi, og negativ prediktiv verdi. følsomheten, spesifisitet, positiv logisk verdi.

Gjør din egen beregning

  1. 1
    Definer en befolkning til å prøve, e. G. 1000 pasienter i en klinikk.
  2. 2
    Definere sykdommen eller karakteristikk av interesse, e. G..
  3. 3
    Ha en veletablert gullstandarden test for å fastslå utbredelsen av sykdom eller karakteristiske, e. G. darkfield mikroskopisk dokumentasjon av tilstedeværelse av Treponema pallidum bakterier fra skraper av en syphilic sår, i samarbeid med kliniske funn. Bruk gullstandarden test for å avgjøre hvem som har den karakteristiske og hvem som ikke gjør det. For illustrasjon, la oss si du har 100 personer det og 900 ikke.
  4. 4
    Har en test som du er interessert i å bestemme sin sensitivitet, spesifisitet, positiv prediktiv verdi, og negativ prediktiv verdi for denne pasientgruppen, og kjøre denne testen på alle innenfor utvalgte befolkningen prøven. For eksempel, la denne testen være en rask plasma reagin (RPR) test for screening av syfilis. Bruk den til å teste 1000 personer i utvalget.
  5. 5
    For folk som har den karakteristiske (som bestemmes av gullstandarden), registrere antall mennesker som testet positivt og antall mennesker som testet negativt. Gjør det samme for folk som ikke har den karakteristiske (som bestemmes av gullstandarden). Du vil ende opp med fire tall. Personer med den karakteristiske og testet positivt er de sanne positive (TP). Personer med den karakteristiske og testet negative er de falske negativer (FN). Folk uten den karakteristiske og testet positivt er de falske positiver (FP). Folk uten den karakteristiske og testet negative er de sanne negative (TN) For eksempel, la oss anta at du gjorde RPR test på 1000 pasienter. Blant de 100 pasienter med syfilis, 95 av dem testet positivt, og fem testet negativt. Blant de 900 pasientene uten syfilis, testet 90 positive, og 810 testet negativt. I dette tilfellet, TP = 95, FN = 5, FP = 90, og TN = 810.
  6. 6
    For å beregne sensitivitet, dele TP by (tp + fn). I tilfellet ovenfor, ville det være 95 / (95 +5) = 95%. Følsomheten forteller oss hvor sannsynlig testen er kommet tilbake positiv på noen som har den karakteristiske. Blant alle menneskene som har den karakteristiske, hva vil andelen teste positivt? 95% sensitivitet er ganske bra.
  7. 7
    For å beregne spesifisitet, dele TN by (fp + tn). I tilfellet ovenfor, ville det være 810 / (90 810) = 90%. Spesifisitet forteller oss hvor sannsynlig testen er å komme tilbake negativ i noen som ikke har det karakteristiske. Blant alle mennesker uten den karakteristiske, hva vil andelen teste negativt? 90% spesifisitet er ganske bra.
  8. 8
    For å beregne positiv prediktiv verdi (PPV), dele TP by (tp + fp). I tilfellet ovenfor, ville det være 95 / (95 +90) = 51,4%. Positiv prediktiv verdi forteller oss hvor sannsynlig at noen er å ha den karakteristiske hvis testen er positiv. Blant alle folk som tester positivt, hvor stor andel virkelig har den karakteristiske? 51,4% PPV betyr at hvis du tester positivt, har du en 51,4% sjanse for faktisk å ha sykdommen.
  9. 9
    For å beregne negativ prediktiv verdi (NPV), dele TN by (tn + fn). I tilfellet ovenfor, ville det være 810 / (810 +5) = 99,4%. Negativ prediktiv verdi forteller oss hvor sannsynlig at noen er å ikke ha den karakteristiske hvis testen er negativ. Blant alle mennesker som tester negativt, hvor stor andel virkelig ikke har den karakteristiske? 99.4% NPV betyr at hvis du tester negativt, har du en 99,4% sjanse for ikke å ha sykdommen.

Tips

  • Prøve å tegne ut en 2x2 tabell for å gjøre ting enklere.
  • Nøyaktighet, eller effektivitet, er prosentandelen av testresultatene riktig identifisert av testen, dvs. (sanne positive + sanne negative) / totalt testresultater = (TP + TN) / (TP + TN + FP + FN).
  • Prøv å forstå disse begrepene godt.
  • Gode ​​bekreftende tester har høy spesifisitet, fordi du vil at testen skal være konkret og ikke mislabel de uten den karakteristiske som å ha det. Tester med svært høy spesifisitet er nyttig å herske i sykdommer eller egenskaper hvis de kommer tilbake positivt. ("SPIN": spesifisitet-regelen IN)
  • Vet at sensitivitet og spesifisitet er iboende egenskapene til et gitt test, og er ikke avhengig av en gitt befolkning, dvs. disse to verdiene bør være det samme når den samme test anvendbar til forskjellige populasjoner.
  • Positiv prediktiv verdi og negativ prediktiv verdi, på den annen side, avhengig av forekomsten av karakteristikken i en gitt populasjon. Jo sjeldnere karakteristiske, jo lavere positiv prediktiv verdi og høyere negativ prediktiv verdi (fordi pre-test sannsynlighet er lav for sjelden egenskap). Motsatt, jo mer vanlig den karakteristiske, jo høyere positive prediktive verdi og lavere negativ prediktiv verdi (fordi pre-ligheten er høy for vanlig karakteristikk).
  • Gode ​​screening tester har høy følsomhet, fordi du ønsker å være i stand til å plukke opp alle de som har den karakteristiske. Forsøk med meget høy følsomhet er anvendbare for å utelukke sykdommer eller egenskaper hvis de kommer tilbake negativ. ("SNUTE": Sensitivity-regelen OUT)

Advarsler

  • Det er lett å gjøre slurvefeil i beregningen. Sjekk din matte nøye. Tegne ut en 2x2 tabell vil hjelpe.