Érzékenység vs. specificitás és prediktív érték

Contents:

1. Mi az érzékenység (True Positive Rate)?
3. Mi a specificitás (True Negative Rate)?
4. Pozitív előrejelzett értékek
5. Negatív előrejelzett értékek

Mi az érzékeny teszt?

A teszt érzékenységét (más néven a valódi pozitív arányt) úgy határozzák meg, hogy a betegségben szenvedők hány százaléka kap pozitív eredményt. Más szóval, a nagy érzékenységű teszt olyan teszt, amely helyesen azonosítja a betegségben szenvedő betegeket. Egy 100%-os érzékenységű teszt minden olyan beteget azonosít, aki a betegségben szenved. Rendkívül ritka, hogy bármely klinikai teszt 100%-os érzékenységű legyen. Egy 90%-os érzékenységű teszt a betegségben szenvedő betegek 90%-át azonosítja, de a betegségben szenvedő betegek 10%-át kihagyja.

A nagy érzékenységű teszt hasznos lehet egy betegség kizárására, ha egy személy eredménye negatív. Például a negatív eredmény a papi kenet vizsgálatakor valószínűleg azt jelenti, hogy a személynek nincs méhnyakrákja. A széles körben használt rövidítés a SnNout (high Sensitivity, Negative result = rule out).
Back to Top

Mi a specifikus teszt?

A teszt specificitása (más néven True Negative Rate) a betegséggel nem rendelkező személyek azon aránya, akiknél a teszt eredménye negatív lesz. Más szóval, egy teszt specificitása arra utal, hogy a teszt mennyire jól azonosítja azokat a betegeket, akiknek nincs betegségük. Egy 100%-os specificitású teszt a betegségben nem szenvedő betegek 100%-át azonosítja. Egy 90%-os specificitású teszt a betegségben nem szenvedő betegek 90%-át azonosítja.

A magas specificitású (magas igaz negatív arányú) tesztek akkor a leghasznosabbak, ha az eredmény pozitív. Egy magas specificitású teszt hasznos lehet egy bizonyos betegségben szenvedő betegek kizárásában. A rövidítés SPin (high Specificity, rule in).

Mi a “magas” tartomány?

Az, hogy mi minősül “magas” érzékenységnek vagy specificitásnak, teszttől függően változik. Például a mélyvénás trombózis és a tüdőembólia tesztek határértékei 200-500 ng/dl között mozognak (Pregerson, 2016).
Back to Top

Magas érzékenység/alacsony specificitás példa

A mammográfia magas érzékenységű/alacsony specificitású vizsgálat.

A magas érzékenységű vizsgálatoknak általában alacsony a specificitása. Más szóval, jók a betegség tényleges eseteinek felderítésére, de meglehetősen magas a téves pozitív eredmények aránya is. A mammográfia példa olyan vizsgálatra, amelynek általában magas az érzékenysége (kb. 70-80%) és alacsony a specificitása. Az érzékenység a daganat méretétől, a beteg korától és egyéb tényezőktől függ. A Cancer.gov szerint a vizsgálatnak meglehetősen magas a téves pozitív eredmények aránya is: az Egyesült Államokban 10 éven keresztül évente mammográfiát végző nők felénél fordul elő téves pozitív eredmény.

Kis érzékenység/magas specificitás példa

Az ilyen típusú vizsgálatra példa a kórházi betegeknél a húgyúti fertőzések vizsgálatára használt nitrát-mintás teszt (e.pl. 27%-os érzékenység, 94%-os specificitás).
Back to Top

Mi a pozitív prediktív érték?

A pozitív prediktív érték (PPV) annak a valószínűsége, hogy egy hipotézisvizsgálat pozitív eredménye valódi hatást jelent. Ez annak a valószínűsége, hogy a pozitív teszteredményt mutató betegeknél valóban fennáll a betegség. Általában az orvosi vizsgálatokban használják, ahol a “pozitív” eredmény azt jelenti, hogy valóban megvan a betegség. Tegyük fel például, hogy Önt egyfajta rákos megbetegedésre tesztelték, és a teszt PPV értéke 15,2%. Ez azt jelenti, hogy ha a tesztje pozitív lett, akkor 15,2% az esélye annak, hogy valóban rákos. Más szóval, egy pozitív teszteredmény nem feltétlenül jelenti azt, hogy Ön egy adott betegségben szenved. Például egy pozitív mammográfiás teszteredmény azt jelentheti, hogy az emlőrák esélye (azaz a pozitív prediktív érték) csak tíz százalék.

A pozitív prediktív érték (a specificitás, az érzékenység és a negatív prediktív értékek mellett) a szűrővizsgálat sikerességének értékelésének egyik módja.

A pozitív prediktív értéket befolyásolja, hogy a betegség mennyire gyakori a vizsgált populációban; ha a betegség nagyon gyakori, akkor a pozitív teszteredménnyel rendelkező személynél nagyobb a valószínűsége annak, hogy valóban megbetegszik, mint ha egy olyan populációban, ahol a betegség ritka, pozitív a teszt eredménye.

A pozitív prediktív érték kiszámítása

A pozitív prediktív érték többféleképpen is kiszámítható. A két legelterjedtebb a következő:

Pozitív prediktív érték = a valódi pozitívumok száma / a valódi pozitívumok száma + a hamis pozitívumok száma
vagy
Pozitív prediktív érték = érzékenység x gyakoriság / érzékenység x gyakoriság + (1- specifitás) x (1- gyakoriság)

Az érzékenység a betegségben szenvedő személyek azon aránya, akiknél a teszt eredménye pozitív lesz.

A prediktív érték kiszámítható egy 2×2 kontingencia táblázatból, mint például ez:

A pozitív prediktív érték kiszámításához szükséges két információ be van karikázva: a valódi pozitív arány (a cella) és a hamis pozitív arány (b cella).
A képletet használva:
Pozitív prediktív érték = igaz pozitív arány / (igaz pozitív arány + hamis pozitív arány)*100
Ezekre az adatokra vonatkozóan:
Pozitív prediktív érték = a / (a + b) = 99 / (99 + 901) * 100 = (99/1000)*100 = 9,9%. Ez azt jelenti, hogy ha Ön elvégezte ezt a bizonyos tesztet, akkor annak a valószínűsége, hogy valóban megbetegedett, 9,9%.

Egy jó tesztben a b (hamis pozitív) és c (hamis negatív) cellák számai alacsonyabbak. Ennek van értelme, mivel egy tökéletes tesztnek csak a valódi pozitív és valódi negatív helyeken lesznek számai. A valóságban azonban tökéletes tesztek nem léteznek. Ezenkívül a PPV-t befolyásolja a betegség előfordulási gyakorisága a populációban. Minél több embernek van betegsége, annál jobb a PPV az esélyek előrejelzésében.

A következő kép (a Wikipédia jóvoltából) egy mindössze 10%-os PPV-t mutat, amelyet úgy kapunk, hogy a valódi pozitív (20) értéket elosztjuk a valódi pozitív (20) és a hamis pozitív (180) értékkel. Ez azt jelenti, hogy ez a teszt magas hamis pozitív arány kockázatát hordozza magában.

A pozitív prediktív értékek bármely kontingenciatáblázatból kiszámíthatók. Az Online Validity Calculator ezen a BU.EDU oldalon (görgessen az oldal aljára) kiszámítja a pozitív prediktív értékeket egy kontingencia táblázat segítségével.

Pozitív prediktív érték vs. egy teszt érzékenysége

A pozitív prediktív érték definíciója hasonló egy teszt érzékenységéhez, és a kettőt gyakran összekeverik. A PPV azonban a beteg számára hasznos, míg az érzékenység inkább az orvos számára. A pozitív prediktív érték megmondja, hogy pozitív eredmény esetén mekkora az esélye annak, hogy Önnél van egy betegség. Ez hasznos lehet abban, hogy tudassa Önnel, hogy pánikolnia kell-e vagy sem. Másrészt egy teszt érzékenységét úgy határozzák meg, hogy az adott betegségben szenvedő emberek hány százaléka kap pozitív eredményt. Ez a tény nagyon hasznos az orvosok számára, amikor eldöntik, hogy melyik tesztet használják, de az Ön számára kevés értékkel bír, ha a tesztje pozitív.
Back to Top

Negatív prediktív érték

A negatív prediktív érték annak a valószínűsége, hogy a negatív teszteredményt kapó emberek valóban nem szenvednek a betegségben. Más szóval, ez annak a valószínűsége, hogy a negatív teszteredmény pontos.

A negatív prediktív érték kiszámításának képlete a következő:
Negatív prediktív érték = Igaz negatív arány / (igaz negatív arány + hamis negatív arány)*100

A fenti adatsor esetében:
Negatív prediktív érték = d / (c + d) = 43123 / (32 + 4323) * 100 = (43123/43155)*100 = 99.9%. Ez azt jelenti, hogy ha Ön elvégezte ezt a bizonyos tesztet, és negatív eredményt kapott, akkor 99,9% a valószínűsége annak, hogy nem beteg.

Beyer, W. H. CRC Standard Mathematical Tables, 31st ed. Boca Raton, FL: CRC Press, pp. 536 és 571, 2002.
Dodge, Y. (2008). A statisztika tömör enciklopédiája. Springer.
Everitt, B. S.; Skrondal, A. (2010), The Cambridge Dictionary of Statistics, Cambridge University Press.
Kotz, S.; et al., szerk. (2006), Encyclopedia of Statistical Sciences, Wiley.

——————————————————————————

Segítségre van szüksége egy házi feladathoz vagy tesztkérdéshez? A Chegg Study segítségével lépésről lépésre megoldásokat kaphat kérdéseire a terület szakértőjétől. Az első 30 perc egy Chegg oktatóval ingyenes!