PQStat
Statystyczne Oprogramowanie Obliczeniowe
Strona glowna



Ocena testu diagnostycznego

Polecenie:    

Statystyka
Testy nieparametryczne (kat. nieuporządkowane)
Wiarygodność diagnostyczna

Załóżmy, że przy pomocy testu diagnostycznego badamy występowanie danej cechy (najczęściej choroby) i znamy rzeczywistość (tzw. gold-standard) czyli wiemy, czy ta cecha rzeczywiście występuje u badanych osób. Na podstawie tych informacji możemy zbudować tabelę kontyngencji 2 × 2:

tabela_diagnostyczna

gdzie:
TP – wyniki prawdziwie dodatnie
FP – wyniki fałszywie dodatnie
FN – wyniki fałszywie ujemne
TN – wyniki prawdziwie ujemne

Dla takiej tabeli możemy wyliczyć podane niżej miary.
  • Czułość i swoistość testu diagnostycznego

    Każdy test diagnostyczny może w niektórych przypadkach uzyskać wyniki różne od wyników rzeczywistych, na przykład test diagnostyczny na podstawie otrzymanych parametrów klasyfikuje pacjenta do grupy osób chorych na daną chorobę, bądź zdrowych. W rzeczywistości ilość osób zakwalifikowanych do powyższych grup przez test może się różnić od ilości osób rze- czywiście zdrowych i rzeczywiście chorych.

    Stosowane są dwie miary oceny trafności testu. Są to:
    • Czułość – opisuje zdolność wykrywania osób rzeczywiście chorych (posiadających daną cechę). Jeśli więc badamy grupę osób chorych, to czułość daje nam informacje jaki procent z nich ma pozytywny wynik tetsu.

      wzor_czulosc

      Przedział ufności budowany jest w oparciu o metodę Cloppera-Pearsona dla pojedynczej proporcji.
    • Swoistość – opisuje zdolność wykrywania osób rzeczywiście zdrowych (bez danej cechy). Jeśli więc badamy grupę osób zdrowych, to swoistość daje nam informacje jaki procent z nich ma negatywny wynik testu.

      wzor_swoistosc

      Przedział ufności budowany jest w oparciu o metodę Cloppera-Pearsona dla pojedynczej proporcji.
  • Wartości predykcyjne dodatnie i ujemne oraz współczynnik chorobowości
    • Wartość predykcyjna dodatnia (PPV) – prawdopodobieństwo, że osobnik miał chorobę mając pozytywny wynik testu. Jeśli więc badana osoba otrzymała pozytywny wynik testu, to PPV daje jej informację na ile może być pewna, że cierpi na daną chorobę.

      wzor_ppv

      Przedział ufności budowany jest w oparciu o metodę Cloppera-Pearsona dla pojedynczej proporcji.
    • Wartość predykcyjna ujemna (NPV) – prawdopodobieństwo, że osobnik nie miał choroby mając negatywny wynik testu. Jeśli więc badana osoba otrzymała negatywny wynik testu, to NPV daje jej informację na ile może być pewna, że nie cierpi na daną chorobę.

      wzor_npv

      Przedział ufności budowany jest w oparciu o metodę Cloppera-Pearsona dla pojedynczej proporcji.
      Wartości predykcyjne dodatnie i ujemne są zależne od rozpowszechnienia choroby (od współczynnika chorobowości).
    • Współczynnik chorobowości – prawdopodobieństwo wystąpienia choroby w populacji, dla której przeprowadzony był test diagnostyczny.

      prevalence

      Przedział ufności budowany jest w oparciu o metodę Cloppera-Pearsona dla poje- dynczej proporcji.
  • Iloraz wiarygodności wyniku dodatniego i iloraz wiarygodności wyniku ujemnego
    • Iloraz wiarygodności wyniku dodatniego, LR+ – miara ta pozwala na porównywanie dopasowania wyników kilku testów do tzw. gold-standard i nie jest zależna od rozpowszechnienia choroby. Jest to iloraz dwóch szans: szansy na to, że pozytywny wynik testu otrzyma osoba z grupy chorych do szansy, że ten sam efekt będzie obserwowany wśród osób zdrowych.

      wzor_lr_plus

    • Iloraz wiarygodności wyniku ujemnego, LR- – jest to iloraz dwóch szans: szansy na to, że negatywny wynik testu otrzyma osoba z grupy chorych do szansy, że ten sam efekt będzie obserwowany wśród osób zdrowych.

      wzor_lr_minus

  • Dokładność – prawdopodobieństwo prawidłowej diagnozy przy wykorzystaniu testu diagnostycznego. Jeśli więc badana osoba otrzymała pozytywny lub negatywny wynik testu, to Acc daje jej informację o tym na ile może być pewna postawionej diagnozy.

    wzor_acc

    Przedział ufności budowany jest w oparciu o metodę Cloppera-Pearsona dla pojedynczej proporcji.

Przykład 11.9. (plik PL_mammografia.pqs) -> Zobacz film

Mammografia jest jednym z najpowszechniej stosowanych testów przesiewowych pozwalających na wykrycie raka piersi. Poniższe badanie zostało przeprowadza na grupie 250 tzw. ”bezobjawowych” kobiet w wieku od 40 do 50 lat. Mammografia może wykryć ognisko raka mniejsze niż 5 mm, ale również pozwala stwierdzić zmiany, które nie są jeszcze guzkiem, a jedynie zmianą struktury tkanek. Poniżej przedstawiono przykładowy wynik badania mammograficznego.

dane_diagnoza1

Wyznaczymy wartości pozwalające dokonać oceny przeprowadzonego testu diagnostycznego.

okno_diagnostyka

raport_diagnostyka

wykres_diagnostyka

• 90% kobiet chorych na raka piersi zostało poprawnie zdiagnozowanych, czyli uzyskało pozytywny wynik mammografii;
• 95.83% kobiet zdrowych (nie chorujących na raka piersi) zostało poprawnie zdiagnozowanych, czyli uzyskało negatywny wynik mammografii;
• 4 kobiety na 100 przebadanych cierpi z powodu raka piersi;
• Kobieta uzyskująca pozytywny wynik mammografii może być w 47.37% pewna, że ma raka piersi;
• Kobieta uzyskująca negatywny wynik mammografii może być w 99.57% pewna, że nie ma raka piersi;
• Szansa na to, że pozytywny wynik mammografii otrzyma kobieta rzeczywiście chora na raka jest 21.60 razy większa niż szansa, że pozytywny wynik mammografii otrzyma kobieta rzeczywiście zdrowa (nie chorujących na raka piersi);
• Szansa na to, że negatywny wynik mammografii otrzyma kobieta rzeczywiście chora na raka stanowi 10.43% szansyna to, że negatywny wynik mammografii otrzyma kobieta rzeczywiście zdrowa (nie chorujących na raka piersi);
• Kobieta poddająca się mammografii (bez względu na uzyskany wynik) może być pewna postawionej diagnozy w 96.50%.

RSS

Valid HTML 4.01 Transitional Poprawny CSS!

FAQ  |  Polityka prywatności  |  Kontakt
 
 Copyright© 2010-2020 PQStat Software. Wszelkie prawa zastrzeżone.