هر آزمایشی که بر روی جمعیت خاصی انجام شود ، باید بتواند محاسبه شود حساسیت, اختصاصی, ارزش پیش بینی مثبت ، و ارزش پیش بینی منفی ، برای تعیین سودمندی آزمایش در تشخیص یک بیماری خاص یا ویژگی جمعیت. اگر می خواهیم از یک آزمون برای آزمایش ویژگی های خاصی در یک نمونه نمونه استفاده کنیم ، آنچه باید بدانیم این است:
- تشخیص این آزمایش چقدر محتمل است وجود داشتن ویژگی های خاص یک فرد با چنین ویژگی هایی (حساسیت)؟
- تشخیص این آزمایش چقدر محتمل است غیبت ویژگی های خاص یک فرد که ندارند این ویژگی ها (ویژگی)؟
- چقدر محتمل است کسی که نتایج آزمایش مشابهی داشته باشد مثبت براستی دارند این ویژگی ها (ارزش پیش بینی مثبت)؟
-
چقدر محتمل است که فردی که نتایج آزمایشاتش اعلام شده است منفی براستی ندارد این ویژگی ها (ارزش پیش بینی منفی)؟
محاسبه این مقادیر بسیار مهم است تعیین اینکه آیا یک آزمون برای اندازه گیری ویژگی های خاص در یک جمعیت معین مفید است یا خیر.
این مقاله نحوه محاسبه این مقادیر را به شما نشان می دهد.
گام
روش 1 از 1: خودتان را بشمارید
مرحله 1. جمعیت نمونه گیری را تعیین کنید ، به عنوان مثال 1000 بیمار در یک کلینیک
مرحله 2. بیماری یا ویژگی مورد نظر را تعیین کنید ، به عنوان مثال سفلیس
مرحله 3. برای تعیین میزان شیوع بیماری یا ویژگی های مورد نظر ، یک استاندارد طلایی استاندارد ، مانند اسناد میکروسکوپی میدان تیره باکتری Treponema pallidum از قطعات زخم سفلیس ، با همکاری یافته های بالینی ، داشته باشید
با استفاده از آزمون استاندارد طلا تعیین کنید که چه کسی دارای ویژگی ها و چه کسانی دارای ویژگی ها نیست. به عنوان مثال ، فرض کنید 100 نفر دارای این ویژگی هستند و 900 نفر این ویژگی را ندارند.
مرحله 4. آزمایشی را که به آن علاقه دارید انجام دهید تا حساسیت ، ویژگی ، ارزش پیش بینی مثبت و ارزش پیش بینی منفی آن برای این جمعیت تعیین شود
در مرحله بعد ، آزمایش را برای همه افراد جامعه انجام دهید. برای مثال ، فرض کنید این آزمایش سریع واکنش پلاسما (RPR) برای غربالگری سفلیس است. از آن برای آزمایش 1000 نفر در یک نمونه استفاده کنید.
مرحله 5. برای افرادی که دارای ویژگی ها هستند (مطابق استاندارد طلا) ، تعداد افرادی را که تست مثبت و تعداد افرادی را که منفی بودند ، ثبت کنید
همین کار را برای افرادی که ویژگی ها را ندارند (مطابق استاندارد طلا) انجام دهید. چهار عدد خواهید داشت. افرادی که دارای ویژگی ها و نتایج آزمایش هستند مثبت هستند مثبت واقعی (مثبت واقعی یا TP) به افرادی که ویژگی ها و نتایج آزمایش آنها منفی است ، هستند منفی کاذب (منفی کاذب یا FN) به افرادی که ویژگی ها و نتایج آزمایش را ندارند مثبت هستند مثبت کاذب (مثبت کاذب یا FP) به افرادی که ویژگی ها و نتایج آزمایش را منفی نشان می دهند منفی های واقعی (منفی واقعی یا TN) به به عنوان مثال ، فرض کنید شما یک آزمایش RPR روی 1000 بیمار انجام داده اید. در میان 100 بیمار مبتلا به سفلیس ، 95 نفر از آنها مثبت و 5 مابقی منفی بودند. در بین 900 بیمار که سفلیس نداشتند ، 90 مورد مثبت و 810 مابقی منفی بود. در این حالت ، TP = 95 ، FN = 5 ، FP = 90 و TN = 810.
مرحله 6. برای محاسبه حساسیت ، TP را بر (TP+FN) تقسیم کنید
در مثال بالا ، محاسبه 95/(95+5) = 95٪ است. حساسیت به ما می گوید که چقدر احتمال دارد این آزمایش برای فردی که دارای ویژگی مثبت است ، نتیجه مثبت بدهد. در بین همه افرادی که این ویژگی را دارند ، چه نسبتی مثبت است؟ حساسیت 95 به اندازه کافی خوب است.
مرحله 7. برای محاسبه ویژگی ، TN را بر (FP+TN) تقسیم کنید
در مثال بالا ، محاسبه 810/(90+810) = 90٪ است. ویژگی به ما می گوید که احتمال دارد یک آزمایش در کسی که ویژگی را ندارد نتیجه منفی بدهد. در بین همه افرادی که این ویژگی را ندارند ، چه نسبتی تست منفی است؟ ویژگی 90٪ به اندازه کافی خوب است.
مرحله 8. برای محاسبه ارزش پیش بینی مثبت (NPP) ، TP را بر (TP+FP) تقسیم کنید
در زمینه فوق ، محاسبه 95/(95+90) = 51.4 is است. یک مقدار پیش بینی مثبت احتمال اینکه شخص دارای ویژگی باشد در صورت مثبت بودن نتیجه آزمایش را نشان می دهد. در بین همه افرادی که تست مثبت دارند ، در واقع چه نسبتی دارای ویژگی است؟ NPP 51.4 means به این معنی است که اگر نتیجه آزمایش شما مثبت باشد ، احتمال اینکه در واقع از بیماری مورد نظر رنج ببرید 51.4 است.
مرحله 9. برای محاسبه مقدار پیش بینی منفی (NPN) ، TN را بر (TN+FN) تقسیم کنید
برای مثال بالا ، محاسبه 810/(810+5) = 99.4 is است. مقدار پیش بینی منفی نشان می دهد که در صورت منفی بودن نتیجه آزمایش ، احتمال اینکه فرد دارای ویژگی نباشد ، چقدر است. در بین همه کسانی که تست آنها منفی است ، در واقع چه نسبتی فاقد ویژگی های مورد نظر است؟ NPN 99.4 means به این معنی است که اگر نتیجه آزمایش فرد منفی باشد ، احتمال عدم ابتلا به این بیماری در آن فرد 99.4 است.
نکات
- دقت ، یا کارآیی ، درصدی از نتایج آزمایش است که به درستی توسط آزمون مشخص شده است ، یعنی (مثبت مثبت+منفی واقعی)/مجموع نتیجه آزمایش = (TP+TN)/(TP+TN+FP+FN).
- یک تست غربالگری خوب از حساسیت بالایی برخوردار است ، زیرا شما می خواهید بتوانید هر چیزی را که دارای ویژگی های خاصی است بدست آورید. اگر نتیجه منفی باشد ، آزمایش هایی که حساسیت بسیار بالایی دارند برای رد بیماری یا ویژگی مفید هستند. ("SNOUT": SeNsitivity-rule OUT)
- سعی کنید یک میز 2x2 بسازید تا کار راحت تر شود.
- درک کنید که حساسیت و ویژگی از ویژگیهای ذاتی آزمون هستند نه بستگی به جمعیت موجود دارد ، یعنی اگر در گروه های مختلف آزمایش مشابهی انجام شود ، این دو مقدار باید یکسان باشد.
- یک تست صحت سنجی خوب از ویژگی بالایی برخوردار است ، زیرا شما می خواهید این آزمون مختص به افراد خاص باشد و با فرض داشتن این ویژگی ، افراد را برچسب گذاری نکنند. آزمایشاتی که دارای ویژگی بسیار بالایی هستند برای آنها مفید است محصور کردن اگر نتیجه مثبت باشد بیماریها یا ویژگیهای خاصی ایجاد می شود. ("SPIN": SPecificity-rule IN)
- ارزش پیش بینی مثبت و ارزش پیش بینی منفی ، از سوی دیگر ، به شیوع این ویژگی در جمعیت خاصی بستگی دارد. هر چه ویژگی مورد نظر نادرتر باشد ، ارزش پیش بینی مثبت پایین تر و ارزش پیش بینی منفی بیشتر است (زیرا احتمال پیش آزمون برای ویژگی های نادر کم است). از طرف دیگر ، هرچه یک ویژگی رایج تر باشد ، ارزش پیش بینی مثبت بیشتر و ارزش پیش بینی منفی پایین تر است (زیرا احتمال پیش آزمون برای ویژگی مشترک زیاد است).
- سعی کنید این مفاهیم را به خوبی درک کنید.
