Citlivost vs. specifičnost a prediktivní hodnota

Obsah:

1. Co je citlivost (True Positive Rate)?
2. Co je specifičnost (True Negative Rate)?
3. Pozitivní předpokládané hodnoty
4. Negativní předpokládané hodnoty

Co je to citlivý test?

Citlivost testu (nazývaná také míra skutečné pozitivity) je definována jako podíl osob s daným onemocněním, které budou mít pozitivní výsledek. Jinými slovy, vysoce citlivý test je takový, který správně identifikuje pacienty s daným onemocněním. Test, který je 100% citlivý, identifikuje všechny pacienty, kteří danou nemoc mají. Je velmi vzácné, aby byl jakýkoli klinický test 100% citlivý. Test s 90% citlivostí identifikuje 90 % pacientů, kteří onemocnění mají, ale přehlédne 10 % pacientů, kteří onemocnění mají.

Vysoce citlivý test může být užitečný pro vyloučení onemocnění, pokud má osoba negativní výsledek. Například negativní výsledek stěru z děložního čípku pravděpodobně znamená, že daná osoba nemá rakovinu děložního čípku. Široce používaná zkratka je SnNout (high Sensitivity, Negative result = rule out).
Zpět na začátek

Co je specifický test?

Specifičnost testu (nazývaná také True Negative Rate) je podíl osob bez onemocnění, které budou mít negativní výsledek. Jinými slovy, specifičnost testu se týká toho, jak dobře test identifikuje pacienty, kteří nemají danou nemoc. Test, který má 100% specificitu, identifikuje 100 % pacientů, kteří danou nemoc nemají. Test, který je specifický na 90 %, identifikuje 90 % pacientů, kteří danou nemoc nemají.

Testy s vysokou specificitou (vysokou mírou pravé negativity) jsou nejužitečnější v případě pozitivního výsledku. Vysoce specifický test může být užitečný pro vyloučení pacientů, kteří mají určité onemocnění. Zkratka zní SPin (high Specificity, rule in).

Co je to „vysoký“ rozsah?“

To, co lze považovat za „vysokou“ citlivost nebo specificitu, se liší podle testu. Například hraniční hodnoty pro testy na hlubokou žilní trombózu a plicní embolii se pohybují v rozmezí 200-500 ng/dl (Pregerson, 2016).
Zpět na začátek

Příklad vysoké citlivosti/nízké specificity

Mamografie je test s vysokou citlivostí / nízkou specificitou.

Všeobecně platí, že testy s vysokou citlivostí mají nízkou specificitu. Jinými slovy, jsou dobré pro zachycení skutečných případů onemocnění, ale je s nimi spojena také poměrně vysoká míra falešně pozitivních výsledků. Příkladem testu, který má obecně vysokou citlivost (asi 70-80 %) a nízkou specifičnost, je mamograf. Citlivost závisí na velikosti nádoru, věku pacientky a dalších faktorech. Podle webu Cancer.gov je s tímto testem spojena také poměrně vysoká míra falešně pozitivních výsledků: u poloviny žen, které ve Spojených státech každoročně po dobu 10 let podstupují mamografické vyšetření, se objeví falešně pozitivní výsledek.

Příklad nízké citlivosti/vysoké specificity

Příkladem tohoto typu testu je nitrátový dipstick test používaný k testování infekcí močových cest u hospitalizovaných pacientů (např.Např. 27% citlivost, 94% specifičnost).
Zpět na začátek

Co je to pozitivní prediktivní hodnota?“

Pozitivní prediktivní hodnota (PPV) je pravděpodobnost, že pozitivní výsledek v testu hypotézy znamená, že se jedná o skutečný účinek. Je to pravděpodobnost, že pacienti, kteří mají pozitivní výsledek testu, skutečně onemocní. Běžně se používá v lékařských testech, kde „pozitivní“ výsledek znamená, že danou nemoc skutečně máte. Řekněme například, že jste byli testováni na určitý typ rakoviny a test měl PPV 15,2 %. To znamená, že pokud by váš test vyšel pozitivní, měli byste 15,2% šanci, že rakovinu skutečně máte. Jinými slovy, pozitivní výsledek testu nemusí nutně znamenat, že máte konkrétní onemocnění. Například pozitivní výsledek testu na mamografu může znamenat, že vaše šance, že máte rakovinu prsu (tj. pozitivní prediktivní hodnota), je pouze desetiprocentní.

Pozitivní prediktivní hodnota je jedním ze způsobů (spolu se specifičností, citlivostí a negativní prediktivní hodnotou) hodnocení úspěšnosti screeningového testu.

Pozitivní prediktivní hodnota je ovlivněna tím, jak časté je dané onemocnění v testované populaci; pokud je onemocnění velmi časté, je pravděpodobnost, že osoba s pozitivním výsledkem testu toto onemocnění skutečně má, vyšší, než když má pozitivní test osoba v populaci, kde je toto onemocnění vzácné.

Výpočet pozitivní prediktivní hodnoty

Pozitivní prediktivní hodnotu lze vypočítat několika způsoby. Dva z nejběžnějších jsou:

Pozitivní prediktivní hodnota = počet pravdivě pozitivních výsledků / počet pravdivě pozitivních výsledků + počet falešně pozitivních výsledků
nebo
Pozitivní prediktivní hodnota = citlivost x prevalence / citlivost x prevalence + (1- specificita) x (1- prevalence)

Citlivost je podíl osob s daným onemocněním, které budou mít pozitivní výsledek testu.

Prediktivní hodnotu lze vypočítat z kontingenční tabulky 2×2, jako je tato:

Dvě informace, které potřebujete k výpočtu pozitivní prediktivní hodnoty, jsou zakroužkovány: míra pravé pozitivity (buňka a) a míra falešné pozitivity (buňka b).
Pomocí vzorce:
Pozitivní prediktivní hodnota = skutečná pozitivní míra / (skutečná pozitivní míra + falešná pozitivní míra)*100
Pro tento konkrétní soubor dat:
Pozitivní prediktivní hodnota = a / (a + b) = 99 / (99 + 901) * 100 = (99/1000)*100 = 9,9 %. To znamená, že pokud jste podstoupili tento konkrétní test, pravděpodobnost, že jste skutečně onemocněli, je 9,9 %.

Dobrý test bude mít nižší čísla v buňkách b (falešně pozitivní) a c (falešně negativní). To dává smysl, protože dokonalý test bude mít čísla pouze v místech skutečně pozitivních a skutečně negativních. Ve skutečnosti však dokonalé testy neexistují. Kromě toho je PPV ovlivněna prevalencí onemocnění v populaci. Čím více lidí má danou nemoc, tím lepší je PPV při předpovídání pravděpodobnosti.

Následující obrázek (s laskavým svolením Wikipedie) ukazuje PPV pouhých 10 %, kterou získáme vydělením pravých pozitivních výsledků (20) pravými pozitivními výsledky (20) a falešně pozitivními výsledky (180). To znamená, že tento test s sebou nese riziko vysoké míry falešné pozitivity.

Pozitivní prediktivní hodnoty lze vypočítat z libovolné kontingenční tabulky. Online kalkulačka validity na této stránce BU.EDU (přejděte na konec stránky) vypočítá pozitivní prediktivní hodnoty pomocí kontingenční tabulky.

Pozitivní prediktivní hodnota vs. citlivost testu

Definice pozitivní prediktivní hodnoty je podobná citlivosti testu a tyto dvě hodnoty se často zaměňují. PPV je však užitečná pro pacienta, zatímco citlivost je užitečnější pro lékaře. Pozitivní prediktivní hodnota vám řekne, jaká je pravděpodobnost onemocnění v případě pozitivního výsledku. To může být užitečné pro to, abyste věděli, zda máte panikařit, nebo ne. Na druhou stranu citlivost testu je definována jako podíl osob s daným onemocněním, které budou mít pozitivní výsledek. Tento fakt je velmi užitečný pro lékaře při rozhodování, který test použít, ale pro vás má jen malou hodnotu, pokud máte pozitivní test.
Zpět na začátek

Negativní prediktivní hodnota

Negativní prediktivní hodnota je pravděpodobnost, že lidé, kteří mají negativní výsledek testu, skutečně nemají danou nemoc. Jinými slovy je to pravděpodobnost, že negativní výsledek testu je přesný.

Vzorec pro zjištění negativní prediktivní hodnoty je následující:
Negativní prediktivní hodnota = skutečná negativita / (skutečná negativita + falešná negativita)*100

Pro výše uvedený soubor dat:
Negativní prediktivní hodnota = d / (c + d) = 43123 / (32 + 4323) * 100 = (43123/43155)*100 = 99.9%. To znamená, že pokud jste podstoupili tento konkrétní test a obdrželi negativní výsledek, pravděpodobnost, že toto onemocnění nemáte, je 99,9 %.

Beyer, W. H. CRC Standard Mathematical Tables, 31. vyd. Boca Raton, FL: CRC Press, str. 536 a 571, 2002.
Dodge, Y. (2008). Stručná encyklopedie statistiky. Springer.
Everitt, B. S.; Skrondal, A. (2010), The Cambridge Dictionary of Statistics, Cambridge University Press.
Kotz, S.; et al., eds. (2006), Encyclopedia of Statistical Sciences, Wiley.

——————————————————————————

Potřebujete pomoci s domácím úkolem nebo testovou otázkou? Se službou Chegg Study můžete získat řešení svých otázek krok za krokem od odborníka v oboru. Prvních 30 minut s učitelem od Chegg je zdarma!