Что такое чувствительность в статистике
Чувствительность и специфичность математически описывают точность теста, который сообщает о наличии или отсутствии состояния, по сравнению с « золотым стандартом » или определением.
Термины «чувствительность» и «специфичность» были введены американским биостатистом Джейкобом Йерушалми в 1947 году.
СОДЕРЖАНИЕ
Заявка на отборочное исследование
Представьте себе исследование, оценивающее тест, который проверяет людей на наличие болезни. Каждый человек, проходящий тест, либо болен, либо не болен. Результат теста может быть положительным (классифицируя человека как больного) или отрицательным (классифицируя человека как не болеющего). Результаты тестирования по каждому предмету могут совпадать, а могут и не совпадать с фактическим статусом испытуемого. В этой обстановке:
После получения количества истинно-положительных, ложноположительных, истинно-отрицательных и ложноотрицательных результатов можно рассчитать чувствительность и специфичность теста. Если окажется, что чувствительность высока, то любой человек, у которого есть заболевание, скорее всего, будет классифицирован как положительный по результатам теста. С другой стороны, если специфичность высока, любой человек, у которого нет заболевания, скорее всего, будет классифицирован тестом как отрицательный. На веб-сайте NIH есть обсуждение того, как рассчитываются эти отношения.
Определение
Чувствительность
Отрицательный результат теста с высокой чувствительностью полезен для исключения болезни. Тест с высокой чувствительностью является надежным, если его результат отрицательный, поскольку он редко ставит неправильный диагноз тем, у кого есть болезнь. Тест со 100% чувствительностью распознает всех пациентов с заболеванием по положительному результату. Отрицательный результат теста окончательно исключит наличие заболевания у пациента. Однако положительный результат теста с высокой чувствительностью не обязательно полезен для определения болезни. Предположим, что «фиктивный» тестовый набор всегда дает положительный результат. При использовании на больных пациентах все пациенты дают положительный результат, что дает 100% чувствительность теста. Однако чувствительность не учитывает ложные срабатывания. Поддельный тест также дает положительный результат у всех здоровых пациентов, что дает ему 100% ложноположительный результат, что делает его бесполезным для обнаружения или «управления» заболеванием.
При расчете чувствительности не учитываются неопределенные результаты испытаний. Если тест не может быть повторен, неопределенные образцы должны быть либо исключены из анализа (количество исключений должно быть указано при цитировании чувствительности), либо могут рассматриваться как ложноотрицательные (что дает наихудшее значение чувствительности и, следовательно, может занижать его. ).
Специфичность
Положительный результат теста с высокой специфичностью полезен для определения болезни. У здоровых пациентов тест редко дает положительные результаты. Положительный результат говорит о высокой вероятности наличия заболевания. Тест со 100% специфичностью распознает всех пациентов без заболевания по отрицательному результату, поэтому положительный результат теста определенно будет иметь значение при наличии заболевания. Однако отрицательный результат теста с высокой специфичностью не обязательно полезен для исключения заболевания. Например, тест, который всегда возвращает отрицательный результат, будет иметь специфичность 100%, поскольку специфичность не учитывает ложноотрицательные результаты. Такой тест дал бы отрицательный результат для пациентов с этим заболеванием, что сделало бы его бесполезным для лечения болезни.
Тест с более высокой специфичностью имеет более низкую частоту ошибок типа I.
Графическая иллюстрация
Высокая чувствительность и низкая специфичность
Чувствительность и специфичность математически описывают точность теста, который сообщает о наличии или отсутствии состояния, по сравнению с « золотым стандартом » или определением.
Термины «чувствительность» и «специфичность» были введены американским биостатистом Джейкобом Йерушалми в 1947 году.
СОДЕРЖАНИЕ
Заявка на отборочное исследование
Представьте себе исследование, оценивающее тест, который проверяет людей на наличие болезни. Каждый человек, проходящий тест, либо болен, либо не болен. Результат теста может быть положительным (классифицируя человека как больного) или отрицательным (классифицируя человека как не болеющего). Результаты тестирования по каждому предмету могут совпадать, а могут и не совпадать с фактическим статусом испытуемого. В этой обстановке:
После получения количества истинно-положительных, ложноположительных, истинно-отрицательных и ложноотрицательных результатов можно рассчитать чувствительность и специфичность теста. Если окажется, что чувствительность высока, то любой человек, у которого есть заболевание, скорее всего, будет классифицирован как положительный по результатам теста. С другой стороны, если специфичность высока, любой человек, у которого нет заболевания, скорее всего, будет классифицирован тестом как отрицательный. На веб-сайте NIH есть обсуждение того, как рассчитываются эти отношения.
Определение
Чувствительность
Отрицательный результат теста с высокой чувствительностью полезен для исключения болезни. Тест с высокой чувствительностью является надежным, если его результат отрицательный, поскольку он редко ставит неправильный диагноз тем, у кого есть болезнь. Тест со 100% чувствительностью распознает всех пациентов с заболеванием по положительному результату. Отрицательный результат теста окончательно исключит наличие заболевания у пациента. Однако положительный результат теста с высокой чувствительностью не обязательно полезен для определения болезни. Предположим, что «фиктивный» тестовый набор всегда дает положительный результат. При использовании на больных пациентах все пациенты дают положительный результат, что дает 100% чувствительность теста. Однако чувствительность не учитывает ложные срабатывания. Поддельный тест также дает положительный результат у всех здоровых пациентов, что дает ему 100% ложноположительный результат, что делает его бесполезным для обнаружения или «управления» заболеванием.
При расчете чувствительности не учитываются неопределенные результаты испытаний. Если тест не может быть повторен, неопределенные образцы должны быть либо исключены из анализа (количество исключений должно быть указано при цитировании чувствительности), либо могут рассматриваться как ложноотрицательные (что дает наихудшее значение чувствительности и, следовательно, может занижать его. ).
Специфичность
Положительный результат теста с высокой специфичностью полезен для определения болезни. У здоровых пациентов тест редко дает положительные результаты. Положительный результат говорит о высокой вероятности наличия заболевания. Тест со 100% специфичностью распознает всех пациентов без заболевания по отрицательному результату, поэтому положительный результат теста определенно будет иметь значение при наличии заболевания. Однако отрицательный результат теста с высокой специфичностью не обязательно полезен для исключения заболевания. Например, тест, который всегда возвращает отрицательный результат, будет иметь специфичность 100%, поскольку специфичность не учитывает ложноотрицательные результаты. Такой тест дал бы отрицательный результат для пациентов с этим заболеванием, что сделало бы его бесполезным для лечения болезни.
Тест с более высокой специфичностью имеет более низкую частоту ошибок типа I.
Графическая иллюстрация
Высокая чувствительность и низкая специфичность
Чувствительность и специфичность
ЧУВСТВИТЕЛЬНОСТЬ И СПЕЦИФИЧНОСТЬ (SENSITIVITY AND SPECIFICITY).
Чувствительность — это доля действительно болеющих людей в обследованной популяции, которые по результатам теста выявляются как больные. Чувствительность — это мера вероятности того, что любой случай болезни (состояния) будет идентифицирован с помощью теста. В клинике тест с высокой чувствительностью полезен для исключения диагноза, если результат отрицателен.
Специфичность — это доля тех, у которых тест отрицателен, среди всех людей, не имеющих болезни (состояния). Это мера вероятности правильной идентификации людей, не имеющих болезни, с помощью теста. В клинике тест с высокой специфичностью полезен для включения диагноза в число возможных в случае положительного результата. Отношения состояния и признака показаны в четырехпольной таблице:
Результаты теста Подлинный статус Всего
Положительный а b a + b
Отрицательный c d c + d
Всего a + c b + d a + b + c + d
a. Больные, выявленные с помощью теста (истинно положительные)
b. Здоровые, имеющие положительный результат теста (ложно положительные)
c. Больные, не выявленные с помощью теста (ложно отрицательные)
d. Здоровые, имеющие отрицательный результат теста (подлинно отрицательные)
Чувствительность = а разделенное на (а+с)
Специфичность = d разделенное на (b+d)
Прогностичность положительного результата = а разделенное на (а+b)
Прогностичность отрицательного результата = d разделенное на (с+d)
Прогностичность положительного результата иногда называется «урожаем» (yield).
Чувствительность и специфичность
В медицине чувствительность диагностического теста, таким образом, заключается в его способности обнаруживать как можно больше пациентов (т.е. иметь наименьшее количество ложноотрицательных результатов ), в то время как специфичность этого теста заключается в его способности обнаруживать больных (иметь наименьшее количество ложноположительных результатов). ).
Резюме
Чувствительность и специфичность (внутренняя достоверность)
Оценка
Когда новый тест или экзамен находится в разработке, необходимо измерить его внутреннюю валидность (чувствительность и специфичность). Используя группу лиц, о наличии или отсутствии заболевания (наличие или отсутствие заболевания установлено с помощью теста по золотому стандарту ), мы измеряем способность теста или обследования с релевантностью предсказать, если болезнь присутствует. Для этого составляется матрица неточностей:
| Больной | Не болен | |
|---|---|---|
| Положительный тест | Вице-президент | FP |
| Отрицательный тест | FN | VN |
В таблице 1 этой матрицы неточностей показаны результаты при измерении внутренней валидности теста. В этой таблице мы видим, что:
Интерпретация
Прогностическая достоверность (или прогностическая ценность, или диагностическая ценность)
Оценка
Интерпретация
Концепция прогностической достоверности очень важна, поскольку в клинической ситуации это результат теста, который доступен, и именно по нему врач должен оценить, присутствует ли заболевание или нет. Прогностическая ценность зависит от распространенности заболевания среди населения. Таким образом, при той же чувствительности и специфичности отрицательная прогностическая ценность данного теста улучшится, поскольку заболевание является редким (не очень распространенным), а положительная прогностическая ценность того же теста улучшится, поскольку заболевание является частым.
Для расчета прогностических значений теста, когда репрезентативность выборки не определена, мы используем формулы ( прогностическое значение ) на основе теоремы Байеса, используя чувствительность и специфичность, рассчитанные для выборки, и распространенность состояния, которое будет поставлен диагноз.
Когда тест имеет хорошую положительную прогностическую ценность, особенно когда его результат положительный, он надежен. Аналогичным образом, тест с хорошей отрицательной прогностической ценностью считается надежным, если его результат отрицательный. Например, тест с хорошей отрицательной прогностической ценностью и плохой положительной прогностической ценностью дает достоверную информацию, если она отрицательная, но ее трудно интерпретировать, если ее результат положительный.
О точности медицинских анализов. Чувствительность и специфичность
Готовимся к лабораторным исследованиям или как правильно сдать анализы
Как сдать анализы. Подготовка к сдаче анализов. Факторы, в.
Давайте представим, что мы придумали некий клинический анализ или тест, который отвечает на простой вопрос: есть или нет заболевание Х. Пусть это будет анализ крови. Начнем проверку нашего теста.
Чувствительно диагностического теста
Проверим, насколько хорошо наш анализ выявляет заболевших. Возьмем 100 пробирок, в которых находится кровь точно больных пациентов.
Проведем наш анализ и выясним, что в 99 случаях тест показал наличие болезни, а в одном случае болезнь не подтвердилась. Еще раз акцентируем внимание, в пробирках кровь пациентов, гарантированно страдающих болезнью Х. При полученных результатах чувствительность нашего теста будет равна 99%.
Мы получили 99 истинно положительных результатов и 1 ложноотрицательный.
Идеальной чувствительностью является стопроцентная чувствительность диагностического теста. Как мы понимаем, в реальности идеал недостижим, но это не значит, что к этому не нужно стремиться.
Специфичность диагностического теста
Как правильно собрать материал для анализов мочи и кала
Сведения об общем клиническом анализе мочи Непосредстве.
Чувствительность и специфичность некоторых диагностических тестов
Ого, да мы создали замечательный тест, который имеет очень хорошую чувствительность и замечательную специфичность. Пришла пора спасать людей от опасной болезни Х.
Итак, мы имеем болезнь Х, с заболеваемостью 100 на 100000 населения. Очевидно, что в городе с населением в 1 миллион человек, 1000 человек болеют болезнью Х.
Один из жителей этого города, узнав о нашем замечательном анализе, имеющем чувствительность 99% и специфичность в 98%, решил сдать анализ. Анализ показал, что у этого жителя города есть болезнь Х.
Вопрос: какова вероятность того, что этот житель города действительно болеет болезнью Х? Попробуйте ответить на этот вопрос. Ниже мы продемонстрируем верное решение этой задачи.
Давайте предположим, что мы решили проверить все население города на зараженность болезнью Х с помощью нашего теста. Исходя из того, что 1% тестов будут иметь ложноотрицательный результат и 2% тестов будут иметь ложноположительный результат, мы получим следующее:
Из каждой сотни исследований мы получим 2 ложноположительных результата. В 1 миллионе 10 тысяч сотен, т.е. мы получим 20 000 ложноположительных результата.
т.е. 20 990 человек получат информацию о том, что по результатам теста они больны. Из них в действительности больны 990 человек, а 20 000 человек получат ложноположительный результат диагностического теста.
т.е. 10 человек из истинно больных получат ложноотрицательный результат. На самом деле они больны, но результат теста говорит об обратном.
Что из этого следует?
Врачи должны будут провести дополнительные тесты, чтобы понять, кто из 20990 человек действительно болен, а кто здоров.
Вероятность того, что человек, получивший результат исследования, говорящий о заболевании, действительно болен, составляет
Другая сторона нашей медали: мы выявили 979 010 людей, которые с очень высокой долей вероятности не больны (вспомним, что среди них есть 10 больных, которых мы не выявили из-за ложноотрицательных результатов диагностического теста).
Здесь может возникнуть вопрос: а как же врачи ставят диагнозы, если даже столь точные тесты как в нашем примере дают столь низкую вероятность того, что человек болен? Все просто и не просто:
Выводы
Введение в доказательную медицину
Читая статьи, и получая консультации на нашем сайте, вы част.