Sådan beregnes følsomhed, specificitet, positiv forudsigelsesværdi og negativ forudsigelsesværdi

Indhold

Trin
Metode 1 af 1: Få din egen optælling
Tips
Advarsler

I enhver test udført på en given population er det vigtigt at beregne følsomhed, specificitet, positiv forudsigelsesværdi og negativ forudsigelsesværdi for at bestemme, hvor nyttig denne test er til at diagnosticere en sygdom eller karakteristika for en given befolkningsgruppe. Hvis vi vil bruge denne test til at undersøge egenskaberne ved en udvalgt population, skal vi vide:

Hvor sandsynligt er testen at opdage Tilgængelighed tegn hos mennesker med karakteristiske træk (følsomhed)?
Hvor sandsynligt er testen at opdage fravær tegn hos mennesker uden karakteristiske træk (specificitet)?
Hvad er sandsynligheden for en person med positiv testresultatet er faktisk der er tegn (positiv forudsigelsesværdi)?
Hvad er sandsynligheden for en person med negativ testresultatet er faktisk Ingen tegn (negativ forudsigelsesværdi)?

Det er meget vigtigt at beregne disse værdier for at afgøre, om en test er nyttig til at vurdere karakteristika for en given population... I denne artikel viser vi dig, hvordan du beregner disse værdier.

Trin

Metode 1 af 1: Få din egen optælling

1 Lav en prøve af befolkningen, f.eks. 1000 patienter på en klinik.
2 Identificer sygdommen eller tegn, du undersøger, såsom syfilis.
3 Udfør en pålidelig guldstandardtest for at bestemme forekomsten af sygdom eller tegn, såsom oplysninger om tilstedeværelse af bakterier bleg treponema, opnået ved hjælp af et mørkfeltmikroskop under hensyntagen til det kliniske billede. Brug en guldstandardtest til at afgøre, hvem der har og hvem der ikke har. For klarhedens skyld, lad os antage, at 100 emner har dem, men 900 ikke.
4 Design en test for følsomheden, specificiteten, den positive forudsigelsesværdi og den negative forudsigelsesværdi for interessepopulationen, og test en prøve af befolkningen. Lad os f.eks. Sige, at dette er en hurtig plasma -reagens (RPR) test for syfilis. Brug den til at prøve 1000 mennesker.
5 Af dem med symptomer (som fastlagt ved guldstandarden), nedskrive antallet af mennesker med positive og negative resultater. Test personer, der ikke viser tegn på samme måde (som fastlagt ved guldstandarden). Du modtager fire cifre. Mennesker med symptomer OG et positivt resultat er sand positiv (PI)... Mennesker med symptomer OG negative resultater er falsk negativ (LO)... Mennesker uden tegn OG et positivt resultat er falsk positiv (LP)... Mennesker uden tegn OG et negativt resultat er sand negativ (IR)... For klarhedens skyld, lad os sige, at du testede 1000 patienter på RPR. 95 ud af 100 patienter med syfilis testede positive og 5 negative. Af de 900 patienter, der ikke havde syfilis, testede 90 positive og 810 negative. I dette tilfælde er PI = 95, LO = 5, LP = 90 og IO = 810.
6 For at beregne følsomheden divideres PI med (PI + LO). I ovenstående tilfælde får vi 95 / (95 + 5) = 95%. Følsomhed fortæller os, hvor sandsynligt en test er til at teste positivt hos en person med symptomerne.Hvilken andel vil teste positiv blandt mennesker med symptomerne? En følsomhed på 95% er ret god.
7 For at beregne specificitet divideres RO med (LP + RO). I ovenstående tilfælde får vi 810 / (90 + 810) = 90%. Specificitet fortæller os, hvor sandsynligt en test er at teste negativ hos en person, der ikke har symptomer. Hvilken andel vil der blandt mennesker uden symptomer få et negativt resultat? En specificitet på 90% er ret god.
8 For at beregne den positive forudsigelsesværdi (PPV) divideres PI med (PI + LP). I ovenstående tilfælde får vi 95 / (95 + 90) = 51,4%. Positiv forudsigelsesværdi fortæller os, hvor sandsynligt en person med et positivt testresultat vil have symptomerne. Hvor stor en andel har symptomerne blandt mennesker, der tester positivt? En PPV på 51,4% betyder, at hvis du tester positivt, er der en 51,4% chance for, at du faktisk er syg.
9 For at beregne negativ forudsigelsesværdi (NPV) divideres RO med (RO + LO). I ovenstående tilfælde får vi 810 / (810 + 5) = 99,4%. Negativ forudsigelsesværdi fortæller os, hvor sandsynligt en person med et negativt testresultat ikke vil have symptomer. Hvilken andel er i virkeligheden symptomfri blandt mennesker, der tester negativ? En HMO på 99,4% betyder, at hvis du tester negativ, er der en 99,4% chance for, at du ikke er syg.

Tips

Gode screeningstest er yderst følsomme og hjælper med at identificere patienter, der har symptomer. Højfølsomhedstest er nyttige i differential diagnose sygdomme eller tegn, hvis de er negative. ("SNOUT": følsomhedsafvigelse)
Nøjagtighed eller effektivitet er procentdelen af testresultater nøjagtigt fastlagt af testen, det vil sige (sandt positivt + sandt negativt) / samlede testresultater = (PI + RO) / (PI + RO + LP + LO).
Prøv at tegne et beredskabstabel for at gøre det lettere for dig selv.
Husk, at følsomhed og specificitet er iboende egenskaber ved en given test, der ikke afhænger af den givne befolkningsgruppe, det vil sige, hvis testen udføres på forskellige befolkningsgrupper, bør disse to værdier forblive uændrede.
Gode kontroltest har en høj specificitet, så test ikke vil begå fejl ved at identificere patienter med symptomer. Højfølsomhedstest er nyttige i diagnostik sygdomme eller tegn, hvis de viser et positivt resultat. ("SPIN": godkendelse af specificitet)
På den anden side afhænger positiv forudsigelsesværdi og negativ forudsigelsesværdi af forekomsten af tegn blandt den udvalgte befolkningsgruppe. Jo mindre almindelige tegnene er, jo lavere er den positive forudsigelsesværdi og jo højere den negative forudsigelsesværdi (da prævalensen er lavere i tilfælde, hvor tegnene er mindre almindelige). Omvendt, jo hyppigere tegnene er, desto højere er den positive forudsigelsesværdi og den lavere forudsigelsesværdi (da prævalensen er højere i tilfælde, hvor tegnene er mere almindelige).
Prøv at forstå disse definitioner godt.