Hur man beräknar känslighet, specificitet, positivt prediktivt värde och negativt prediktivt värde

Innehåll

Steg
Metod 1 av 1: Gör din egen räkning
Tips
Varningar

I alla test som utförs på en given population är det viktigt att beräkna känslighet, specificitet, positivt prediktivt värde och negativt prediktivt värde för att avgöra hur användbart detta test är för att diagnostisera en sjukdom eller egenskaper hos en given befolkningsgrupp. Om vi vill använda detta test för att undersöka egenskaperna hos en utvald befolkning, måste vi veta:

Hur troligt är det att testet upptäcker Tillgänglighet tecken hos människor med karakteristiska egenskaper (känslighet)?
Hur troligt är det att testet upptäcker frånvaro tecken hos människor utan karakteristiska egenskaper (specificitet)?
Vad är sannolikheten för en person med positiv testresultatet är faktiskt det finns tecken (positivt prediktivt värde)?
Vad är sannolikheten för en person med negativ testresultatet är faktiskt Nej tecken (negativt prediktivt värde)?

Det är mycket viktigt att beräkna dessa värden för att avgöra om ett test är till hjälp för att bedöma egenskaperna hos en given population... I den här artikeln kommer vi att visa dig hur du beräknar dessa värden.

Steg

Metod 1 av 1: Gör din egen räkning

1 Konstruera ett urval av befolkningen, till exempel 1000 patienter på en klinik.
2 Identifiera sjukdomen eller tecken du undersöker, till exempel syfilis.
3 Gör ett tillförlitligt guldstandardtest för att bestämma förekomsten av sjukdom eller tecken, till exempel information om förekomst av bakterier blek treponema, erhållet med ett mörkt fältmikroskop, med hänsyn till den kliniska bilden. Använd ett guldstandardtest för att avgöra vem som har och vem som inte har det. För klarhetens skull, låt oss anta att 100 ämnen har dem, men 900 inte.
4 Utforma ett test för känsligheten, specificiteten, det positiva prediktiva värdet och det negativa prediktiva värdet för den intresserade befolkningen och testa ett urval av befolkningen. Till exempel, låt oss säga att det här är ett snabbt plasmareagens (RPR) test för syfilis. Använd den för att prova 1000 personer.
5 Av dem med symtom (enligt guldstandarden), skriv ner antalet personer med positiva och negativa resultat. Testa människor som inte visar några tecken på samma sätt (enligt guldstandarden). Du får fyra siffror. Personer med symptom OCH ett positivt resultat är sant positivt (PI)... Människor med symptom OCH negativa resultat är falskt negativt (LO)... Människor utan tecken OCH ett positivt resultat är falskt positivt (LP)... Människor utan tecken OCH ett negativt resultat är sant negativt (IR)... För klarhetens skull, låt oss säga att du testade 1000 patienter på RPR. 95 av 100 patienter med syfilis testade positivt och 5 negativt. Av de 900 patienter som inte hade syfilis testade 90 positiva och 810 negativa. I detta fall är PI = 95, LO = 5, LP = 90 och IO = 810.
6 För att beräkna känsligheten, dela PI med (PI + LO). I ovanstående fall får vi 95 / (95 + 5) = 95%. Känslighet berättar hur troligt ett test är för att testa positivt hos en person med symtomen.Vilken andel kommer att testa positivt bland personer med symtomen? En känslighet på 95% är ganska bra.
7 För att beräkna specificiteten, dividera RO med (LP + RO). I ovanstående fall får vi 810 / (90 + 810) = 90%. Specificitet berättar för oss hur troligt ett test är att testa negativt hos en person som inte har några symptom. Vilken andel får ett negativt resultat bland personer utan symptom? En specificitet på 90% är ganska bra.
8 För att beräkna det positiva prediktiva värdet (PPV), dividera PI med (PI + LP). I ovanstående fall får vi 95 / (95 + 90) = 51,4%. Positivt prediktivt värde berättar hur sannolikt en person med ett positivt testresultat kommer att få symptomen. Bland personer som testar positivt, hur stor andel har egentligen symptomen? En PPV på 51,4% betyder att om du testar positivt finns det en 51,4% chans att du faktiskt är sjuk.
9 För att beräkna negativt prediktivt värde (NPV), dividera RO med (RO + LO). I ovanstående fall får vi 810 / (810 + 5) = 99,4%. Negativt prediktivt värde berättar hur sannolikt en person med ett negativt testresultat inte kommer att ha några symptom. Vilken andel är verkligen symptomlösa bland människor som testar negativt? En HMO på 99,4% innebär att om du testar negativt finns det en 99,4% chans att du inte är sjuk.

Tips

Bra screeningtester är mycket känsliga och hjälper till att identifiera patienter som har symtom. Högkänslighetstester är användbara i differentialdiagnos sjukdomar eller tecken om de är negativa. ("SNOUT": känslighetsavvikelse)
Noggrannhet eller effekt är procentandelen testresultat som fastställs exakt av testet, det vill säga (sant positivt + sant negativt) / övergripande testresultat = (PI + RO) / (PI + RO + LP + LO).
Försök att rita ett beredskapstabell för att göra det lättare för dig själv.
Kom ihåg att känslighet och specificitet är inneboende egenskaper hos ett givet test som inte beroende på den givna befolkningsgruppen, det vill säga om testet utförs på olika befolkningsgrupper bör dessa två värden förbli oförändrade.
Bra kontrolltester har en hög specificitet så att testning inte gör misstag vid identifiering av patienter med symptom. Högkänslighetstester är användbara i diagnostik sjukdomar eller tecken, om de visar ett positivt resultat. ("SPIN": godkännande av specificitet)
Å andra sidan beror positivt prediktivt värde och negativt prediktivt värde på graden av förekomst av tecken bland den utvalda befolkningsgruppen. Ju mindre vanliga tecknen, desto lägre är det positiva prediktiva värdet och desto högre det negativa prediktiva värdet (eftersom prevalensen är lägre i de fall tecknen är mindre vanliga). Omvänt, ju oftare tecknen är, desto högre är det positiva prediktiva värdet och det lägre det negativa prediktiva värdet (eftersom prevalensen är högre i de fall tecknen är vanligare).
Försök att förstå dessa definitioner väl.