კონკრეტულ პოპულაციაზე ჩატარებული ნებისმიერი ტესტი უნდა იყოს გათვლილი მგრძნობელობა, სპეციფიკა, დადებითი პროგნოზირებადი ღირებულება და უარყოფითი პროგნოზირებადი ღირებულება, რათა დადგინდეს ტესტირების სარგებლიანობა კონკრეტული დაავადების ან პოპულაციის მახასიათებლის გამოვლენისას. თუ ჩვენ გვინდა გამოვიყენოთ ტესტი ნიმუშის პოპულაციაში გარკვეული მახასიათებლების შესამოწმებლად, ის რაც უნდა ვიცოდეთ არის:
- რამდენად სავარაუდოა ამ ტესტის გამოვლენა არსებობა პიროვნების გარკვეული მახასიათებლები თან ასეთი მახასიათებლები (მგრძნობელობა)?
- რამდენად სავარაუდოა ამ ტესტის გამოვლენა არყოფნა პიროვნების გარკვეული მახასიათებლები ვისაც არ აქვს ეს მახასიათებლები (სპეციფიკა)?
- რამდენად სავარაუდოა, რომ ვიღაცას, ვისაც აქვს იგივე ტესტის შედეგები დადებითი ჭეშმარიტად აქვს ეს მახასიათებლები (დადებითი პროგნოზირებადი ღირებულება)?
-
რამდენად სავარაუდოა, რომ ადამიანი, რომლის გამოცდის შედეგებიც უარყოფითი ჭეშმარიტად არ მაქვს ეს მახასიათებლები (უარყოფითი პროგნოზირებადი მნიშვნელობა)?
ეს მნიშვნელობები ძალიან მნიშვნელოვანია გამოთვლა განსაზღვრავს რამდენად სასარგებლოა ტესტი მოცემულ პოპულაციაში გარკვეული მახასიათებლების გასაზომად.
ეს სტატია გაჩვენებთ როგორ გამოვთვალოთ ეს მნიშვნელობები.
ნაბიჯი
მეთოდი 1 -დან 1: საკუთარი თავის დათვლა
ნაბიჯი 1. განსაზღვრეთ შერჩეული მოსახლეობა, მაგალითად კლინიკაში 1000 პაციენტი
ნაბიჯი 2. განსაზღვრეთ სასურველი დაავადება ან მახასიათებელი, მაგ. სიფილისი
ნაბიჯი 3. გქონდეთ სტანდარტული ოქროს სტანდარტი დაავადების გავრცელების ან სასურველი მახასიათებლების დასადგენად, მაგ. სიფილისური წყლულის ფრაგმენტების ბაქტერიის Treponema pallidum- ის ბნელი მიკროსკოპული დოკუმენტაცია, კლინიკურ დასკვნებთან ერთად
გამოიყენეთ ოქროს სტანდარტის ტესტი იმის დასადგენად, თუ ვის აქვს მახასიათებლები და ვის არა. საილუსტრაციოდ, ვთქვათ, 100 ადამიანს აქვს მახასიათებელი და 900 არა.
ნაბიჯი 4. შეასრულეთ თქვენთვის საინტერესო ტესტი, რათა დადგინდეს მისი მგრძნობელობა, სპეციფიკა, პოზიტიური პროგნოზირებადი მნიშვნელობა და უარყოფითი პროგნოზირებადი მნიშვნელობა ამ პოპულაციისათვის
შემდეგი, ჩაატარეთ ტესტი ყველასთვის, ვინც არის შერჩეული მოსახლეობა. მაგალითად, ვთქვათ, ეს არის სწრაფი პლაზმური რეაქინის ტესტი (RPR) სიფილისის შესამოწმებლად. გამოიყენეთ იგი სინჯის 1000 ადამიანის შესამოწმებლად.
ნაბიჯი 5. იმ ადამიანებისთვის, რომლებსაც აქვთ მახასიათებლები (როგორც ეს განსაზღვრულია ოქროს სტანდარტით), ჩაწერეთ პოზიტიური ადამიანების რაოდენობა და უარყოფითი ადამიანების რაოდენობა
იგივე გააკეთეთ ადამიანებზე, რომლებსაც არ გააჩნიათ მახასიათებლები (როგორც განსაზღვრულია ოქროს სტანდარტით). თქვენ გექნებათ ოთხი ნომერი. ადამიანები, რომლებსაც აქვთ მახასიათებლები და ტესტის შედეგები დადებითია ჭეშმარიტი დადებითი (ნამდვილი დადებითი ან TP) რა ადამიანები, რომლებსაც აქვთ მახასიათებლები და ტესტის შედეგები უარყოფითია ცრუ უარყოფითი (ცრუ უარყოფითი ან FN) რა ადამიანები, რომლებსაც არ აქვთ მახასიათებლები და ტესტის შედეგები დადებითია ცრუ დადებითი (ცრუ დადებითი ან FP) რა ადამიანები, რომლებსაც არ აქვთ მახასიათებლები და ტესტის შედეგები უარყოფითია, არიან ჭეშმარიტი ნეგატივები (ნამდვილი ნეგატივები ან TN) რა მაგალითად, დავუშვათ, რომ თქვენ ჩაატარეთ RPR ტესტი 1000 პაციენტზე. სიფილისით დაავადებულ 100 პაციენტს შორის, 95 მათგანს დადებითი ტესტირება მოჰყვა, ხოლო დანარჩენ 5 – ს უარყოფითი. 900 პაციენტს შორის, რომელთაც არ ჰქონდათ სიფილისი, 90 დადებითად გამოსცადეს, დანარჩენი 810 კი უარყოფითი იყო. ამ შემთხვევაში, TP = 95, FN = 5, FP = 90 და TN = 810.
ნაბიჯი 6. მგრძნობელობის გამოსათვლელად, გაყავით TP (TP+FN)
ზემოთ მოყვანილ მაგალითში გაანგარიშება არის 95/(95+5) = 95%. მგრძნობელობა გვეუბნება, რამდენად სავარაუდოა, რომ ტესტმა დადებითი შედეგი მისცეს ადამიანს, რომელსაც აქვს მახასიათებელი. ყველა იმ ადამიანს შორის, ვისაც აქვს მახასიათებელი, რა პროპორციაა დადებითი? 95% -იანი მგრძნობელობა საკმაოდ კარგია.
ნაბიჯი 7. სპეციფიკის გამოსათვლელად გაყავით TN (FP+TN)
ზემოთ მოყვანილ მაგალითში გაანგარიშება არის 810/(90+810) = 90%. სპეციფიკა გვეუბნება იმ ალბათობის შესახებ, რომ ტესტმა უარყოფითი შედეგი გამოიღოს ადამიანში, რომელსაც არ გააჩნია მახასიათებელი. ყველა იმ ადამიანს შორის, ვისაც არ გააჩნია მახასიათებელი, რა პროპორციაა უარყოფითი? 90% სპეციფიკა საკმაოდ კარგია.
ნაბიჯი 8. დადებითი პროგნოზირების ღირებულების (NPP) გამოსათვლელად გაყავით TP (TP+FP)
ზემოაღნიშნულ კონტექსტში, გაანგარიშება არის 95/(95+90) = 51.4%. დადებითი პროგნოზირებადი მნიშვნელობა მიუთითებს იმაზე, თუ რამდენად სავარაუდოა, რომ ადამიანს აქვს მახასიათებელი, თუ ტესტის შედეგი დადებითია. ყველა მათგანს, ვინც დადებითად გამოსცდა, რა პროპორციას აქვს რეალურად მახასიათებელი? NPP 51,4% ნიშნავს იმას, რომ თუ თქვენი ტესტის შედეგი დადებითია, მოცემული დაავადებით რეალურად დაავადებული ალბათობა არის 51,4%.
ნაბიჯი 9. უარყოფითი პროგნოზირებადი მნიშვნელობის გამოსათვლელად (NPN), გავყოთ TN (TN+FN)
ზემოთ მოყვანილი მაგალითისთვის გაანგარიშება არის 810/(810+5) = 99.4%. უარყოფითი პროგნოზირებადი მნიშვნელობა მიუთითებს იმაზე, თუ რამდენად სავარაუდოა, რომ ადამიანს არ ჰქონდეს მახასიათებელი, თუ ტესტის შედეგი უარყოფითია. ყველა მათგანს, ვინც უარყოფით ტესტს ატარებს, რეალურად რა პროპორციას აკლია მოცემული მახასიათებლები? NPN 99.4% ნიშნავს, რომ თუ პირის ტესტის შედეგი უარყოფითია, ამ ადამიანში დაავადების არარსებობის ალბათობაა 99.4%.
Რჩევები
- სიზუსტე ან ეფექტურობა არის ტესტის შედეგების სწორად განსაზღვრული პროცენტი, ანუ (ჭეშმარიტი დადებითი+ჭეშმარიტი უარყოფითი)/ტესტის საერთო შედეგი = (TP+TN)/(TP+TN+FP+FN).
- კარგი სკრინინგის ტესტს აქვს მაღალი მგრძნობელობა, რადგან თქვენ გინდათ შეძლოთ მიიღოთ ყველაფერი, რასაც აქვს გარკვეული მახასიათებლები. ტესტები, რომლებსაც აქვთ ძალიან მაღალი მგრძნობელობა, სასარგებლოა დაავადების გამორიცხვის ან მახასიათებლის შემთხვევაში, თუ შედეგი უარყოფითია. ("SNOUT": მგრძნობიარობა-წესი გარეთ)
- შეეცადეთ გააკეთოთ 2x2 მაგიდა, რომ გაადვილოთ.
- გესმოდეთ, რომ მგრძნობელობა და სპეციფიკა არის ტესტის თანდაყოლილი თვისებები არა დამოკიდებულია არსებულ პოპულაციაზე, ანუ რომ ორი მნიშვნელობა ერთი და იგივე იყოს, თუ ერთი და იგივე ტესტი ტარდება სხვადასხვა პოპულაციაზე.
- კარგი გადამოწმების ტესტს აქვს მაღალი სპეციფიკა, რადგან თქვენ გინდათ რომ ტესტი იყოს კონკრეტული და არა შეცდომაში შეყვანილი ადამიანები, რომლებსაც არ გააჩნიათ მახასიათებელი იმის გათვალისწინებით, რომ აქვთ ეს. ტესტები, რომლებსაც აქვთ ძალიან მაღალი სპეციფიკა, სასარგებლოა მიმაგრება გარკვეული დაავადებები ან მახასიათებლები, თუ შედეგი დადებითია. ("SPIN": SPecificity-rule IN)
- პოზიტიური პროგნოზირებადი მნიშვნელობა და უარყოფითი პროგნოზირებადი ღირებულება, მეორეს მხრივ, დამოკიდებულია ამ მახასიათებლის გავრცელებაზე კონკრეტულ პოპულაციაში. რაც უფრო იშვიათია მოთხოვნილი მახასიათებელი, მით უფრო დაბალია პოზიტიური პროგნოზირების მნიშვნელობა და უფრო მაღალია უარყოფითი პროგნოზირებადი ღირებულება (რადგან იშვიათი მახასიათებლებისთვის წინასწარი გამოცდის ალბათობა დაბალია). მეორეს მხრივ, რაც უფრო ხშირია მახასიათებელი, მით უფრო მაღალია პოზიტიური პროგნოზირების მნიშვნელობა და დაბალია უარყოფითი პროგნოზირებადი ღირებულება (რადგან წინასწარი გამოცდის ალბათობა მაღალია საერთო მახასიათებლისთვის).
- შეეცადეთ კარგად გაიგოთ ეს ცნებები.
