Testանկացած փորձություն, որն իրականացվում է որոշակի բնակչության վրա, պետք է կարողանա հաշվարկել զգայունություն, յուրահատկությունը, դրական կանխատեսող արժեք, և բացասական կանխատեսող արժեք, որոշելու թեստավորման օգտակարությունը որոշակի հիվանդության կամ բնակչության բնութագրի հայտնաբերման գործում: Եթե մենք ցանկանում ենք թեստ օգտագործել ՝ որոշակի բնութագրեր նմուշի բնակչության մեջ ստուգելու համար, այն, ինչ մենք պետք է իմանանք, հետևյալն է.
- Որքանո՞վ է այս թեստը հայտնաբերելու հավանականությունը գոյություն անձի որոշակի հատկանիշներ հետ նման հատկանիշներ (զգայունություն)?
- Որքանո՞վ է այս թեստը հայտնաբերելու հավանականությունը բացակայություն անձի որոշակի հատկանիշներ ովքեր չունեն այս հատկությունները (առանձնահատկությունը)?
- Որքանո՞վ է հավանական, որ մեկը, ով ունի նույն թեստի արդյունքները դրական իսկապես ունենալ այս հատկությունները (դրական կանխատեսող արժեք)?
-
Որքանո՞վ է հավանական, որ մարդը, ում թեստի արդյունքները բացասական իսկապես չունեմ այս հատկանիշները (բացասական կանխատեսող արժեք)?
Այս արժեքները հաշվարկելու համար շատ կարևոր են որոշել, թե արդյոք թեստը օգտակար է տվյալ բնակչության որոշակի բնութագրերի չափման համար:
Այս հոդվածը ցույց կտա ձեզ, թե ինչպես հաշվարկել այդ արժեքները:
Քայլ
Մեթոդ 1 -ը ՝ 1 -ինը
Քայլ 1. Սահմանեք նմուշառվող բնակչությունը, օրինակ `կլինիկայում 1000 հիվանդ:
Քայլ 2. Որոշեք ցանկալի հիվանդությունը կամ բնութագիրը, օրինակ ՝ սիֆիլիսը:
Քայլ 3. Հիվանդության տարածվածությունը կամ ցանկալի հատկանիշները որոշելու համար պետք է ունենալ ոսկու ստանդարտ չափանիշ, օրինակ ՝ սիֆիլիտիկ խոցի բեկորներից Treponema pallidum մանրէի մուգ դաշտային մանրադիտակային փաստաթղթերը ՝ կլինիկական արդյունքների հետ համատեղ:
Օգտագործեք ոսկու ստանդարտի թեստը `որոշելու, թե ով ունի բնութագրերը, իսկ ով` ոչ: Որպես օրինակ ՝ ասենք, որ 100 մարդ ունի բնութագիրը, իսկ 900 -ը ՝ ոչ:
Քայլ 4. Կատարեք ձեզ հետաքրքրող թեստը `որոշելու դրա զգայունությունը, առանձնահատկությունը, դրական կանխատեսող արժեքը և բացասական կանխատեսող արժեքը այս բնակչության համար:
Հաջորդը, կատարեք թեստը ընտրանքային բնակչության բոլորի համար: Օրինակ, ենթադրենք, սա պլազմային ռեագինի արագ թեստ է (RPR) սիֆիլիսի հայտնաբերման համար: Օգտագործեք այն նմուշում 1000 մարդու փորձարկելու համար:
Քայլ 5. Այն մարդկանց համար, ովքեր ունեն բնութագրեր (ինչպես սահմանված է ոսկու ստանդարտով), գրանցեք դրական փորձարկվածների և բացասական թեստերի քանակը:
Նույնը արեք այն մարդկանց համար, ովքեր չունեն հատկանիշներ (ինչպես սահմանված է ոսկու ստանդարտով): Դուք կունենաք չորս թվեր: Մարդիկ, ովքեր ունեն բնութագրեր ԵՎ թեստի արդյունքները դրական են իսկական դրական (իսկական դրական կամ TP). Մարդիկ, ովքեր ունեն բնութագրեր ԵՎ թեստի արդյունքները բացասական են կեղծ բացասական (կեղծ բացասական կամ FN). Մարդիկ, ովքեր չունեն բնութագրեր ԵՎ թեստի արդյունքները դրական են կեղծ դրական (կեղծ դրական կամ FP). Այն մարդիկ, ովքեր չունեն բնութագրեր ԵՎ թեստի արդյունքները բացասական են իսկական բացասական (իսկական բացասական կամ TN). Օրինակ, ենթադրենք, որ դուք RPR թեստ եք կատարել 1000 հիվանդի վրա: Սիֆիլիսով հիվանդներից 100 -ի մոտ 95 -ի մոտ դրական պատասխան է ստացվել, իսկ մնացած 5 -ինը ՝ բացասական: Սիֆիլիս չունեցող 900 հիվանդների թվում 90 -ի մոտ դրական արդյունք է գրանցվել, իսկ մնացած 810 -ը ՝ բացասական: Այս դեպքում TP = 95, FN = 5, FP = 90 և TN = 810:
Քայլ 6. sensitivityգայունությունը հաշվարկելու համար TP- ն բաժանեք (TP+FN):
Վերոնշյալ օրինակում հաշվարկը 95/(95+5) = 95%է: Sգայունությունը մեզ ասում է, թե որքանով է հավանական, որ թեստը դրական արդյունք տա այն անձի համար, որն ունի բնութագիրը: Բոլոր այն մարդկանց մեջ, ովքեր ունեն բնութագիր, ո՞ր մասն է թեստը դրական: 95% զգայունությունը բավական լավ է:
Քայլ 7. Առանձնահատկությունը հաշվարկելու համար բաժանեք TN- ը (FP+TN):
Վերոնշյալ օրինակում հաշվարկը 810/(90+810) = 90%է: Առանձնահատկությունը մեզ հուշում է, որ թեստի բացասական արդյունք տալու հավանականության մասին այն անձը, ով չունի բնութագիրը: Բոլոր այն մարդկանց մեջ, ովքեր չունեն բնութագիրը, թեստի ո՞ր մասն է բացասական: 90% կոնկրետությունը բավական լավ է:
Քայլ 8. Դրական կանխատեսող արժեքը (ԱԷԿ) հաշվարկելու համար ՏՓ -ն բաժանել (ԹՓ+PՓ):
Վերոնշյալ համատեքստում հաշվարկը կազմում է 95/(95+90) = 51.4%: Դրական կանխատեսող արժեքը ցույց է տալիս այն հավանականությունը, որ անձը կունենա բնութագիրը, եթե թեստի արդյունքը դրական է: Բոլոր նրանցից, ովքեր դրական արդյունք են տվել, իրականում ո՞ր մասնաբաժինն ունի բնութագիրը: NPP 51,4% նշանակում է, որ եթե ձեր թեստի արդյունքը դրական է, ապա տվյալ հիվանդությամբ իրականում տառապելու հավանականությունը կազմում է 51.4%:
Քայլ 9. Բացասական կանխատեսող արժեքը (NPN) հաշվարկելու համար բաժանեք TN- ը (TN+FN):
Վերոնշյալ օրինակի համար հաշվարկը կազմում է 810/(810+5) = 99.4%: Բացասական կանխատեսող արժեքը ցույց է տալիս, թե որքան հավանական է, որ մարդը բնութագիր չունենա, եթե թեստի արդյունքը բացասական է: Բոլոր նրանցից, ովքեր բացասական են պատասխանել, իրականում ո՞ր մասնաբաժնին են բացակայում տվյալ հատկանիշները: NPN 99.4% -ը նշանակում է, որ եթե անձի թեստի արդյունքը բացասական է, տվյալ անձի մոտ հիվանդություն չունենալու հավանականությունը կազմում է 99.4%:
Խորհուրդներ
- Ճշգրտություն, կամ արդյունավետություն, թեստի արդյունքների ճիշտ որոշված տոկոսն է, այսինքն ՝ (իսկական դրական+ճշմարիտ բացասական)/թեստի ընդհանուր արդյունքը = (TP+TN)/(TP+TN+FP+FN):
- Լավ սքրինինգային թեստը ունի բարձր զգայունություն, քանի որ ցանկանում եք կարողանալ ստանալ այն ամենը, ինչ ունի որոշակի հատկանիշներ: Շատ բարձր զգայունություն ունեցող թեստերը օգտակար են հիվանդությունը կամ բնութագիրը բացառելու համար, եթե արդյունքը բացասական է: («SNOUT». Անզգայունության կանոնը դուրս է)
- Փորձեք պատրաստել 2x2 սեղան `ավելի հեշտ դարձնելու համար:
- Հասկացեք, որ զգայունությունն ու յուրահատկությունը թեստի ներքին հատկություններն են, որոնք ոչ կախված է առկա բնակչությունից, այսինքն ՝ երկու արժեքները պետք է լինեն նույնը, եթե նույն թեստը կատարվի տարբեր պոպուլյացիաների վրա:
- Ստուգելիության լավ թեստը ունի բարձր յուրահատկություն, քանի որ ցանկանում եք, որ թեստը լինի հատուկ և չսխալվեն այն մարդիկ, ովքեր չունեն բնութագիրը `ենթադրելով, որ այն ունեն: Թեստերը, որոնք ունեն շատ բարձր յուրահատկություն, օգտակար են կցել որոշակի հիվանդություններ կամ բնութագրեր, եթե արդյունքը դրական է: («SPIN». SPecificity-rule IN)
- Մյուս կողմից, դրական կանխատեսող արժեքը և բացասական կանխատեսող արժեքը կախված են տվյալ բնութագրի տարածվածությունից որոշակի պոպուլյացիայում: Որքան հազվադեպ է պահանջվող բնութագիրը, այնքան ցածր է կանխատեսող դրական արժեքը և ավելի բարձր `բացասական կանխատեսելի արժեքը (քանի որ հազվագյուտ բնութագրերի դեպքում նախնական փորձարկման հավանականությունը ցածր է): Մյուս կողմից, որքան բնորոշ է բնորոշ հատկանիշը, այնքան բարձր է կանխատեսող դրական արժեքը և ցածր `կանխատեսող բացասական արժեքը (քանի որ ընդհանուր բնութագրի համար նախնական փորձարկման հավանականությունը մեծ է):
- Փորձեք լավ հասկանալ այս հասկացությունները:
