Ocena wartości Ocena wartości diagnostycznej testu diagnostycznej testu – obliczanie czułości, – obliczanie czułości, swoistości, wartości swoistości, wartości predykcyjnych testu. predykcyjnych testu.
Krzywe ROC.Krzywe ROC.
Anna Sepiołogr. B III OAM
Opracowanie zakresu wartości referencyjnych
Dobranie grupy kontrolnej reprezentatywnej dla danej populacji
Badanie próbek referencyjnych – otrzymujemy wartości referencyjne
Opracowanie statystyczne wyników Obliczanie górnej i dolnej wartości referencyjnej
– wyznaczenie przedziału referencyjnego zawierającego zwykle 95% wartości referencyjnych
ChorzyZdrowi
Zbiór wartości prawidłowych cechuje rozproszenie (dyspersja). Ponieważ przy przejściu od stanu zdrowia do stanu choroby najczęściej obserwuje się stopniowe zmiany wartości prawidłowych do nieprawidłowych rozgraniczenie wartości mierzonych na właściwe dla grupy chorych i grupy zdrowych musi mieć charakter umowny.
Wartość graniczna (wartość odcięcia) – kryterium rozdzielające wyniki prawidłowe od wyników uznanych za nieprawidłowe
Zawsze pewna ilość osób zdrowych będzie mieć wartości mierzonego parametru poza wartością graniczną
W grupie osób chorych pewna ilość badanych będzie mieć wartości mierzone poniżej wartości granicznej, a więc mieszczące się w zakresie referencyjnym
ChorzyZdrowi
TP=PD – wyniki prawdziwie dodadnie
TN=PU – wyniki prawdziwie ujemne
FP=FD – wyniki fałszywie dodatnie
FN=FU – wyniki fałszywie ujemne
Podstawowe parametry testu diagnostycznego
Czułość Specyficzność Wartości predykcyjne
Czułość diagnostyczna
Stosunek wyników prawdziwie dodatnich do sumy prawdziwie dodatnich i fałszywie ujemnych
Określa zdolność testu do wykrywania osób chorych
Odnosi się tylko do populacji osób chorych
%100
FUPD
PDczułość
Swoistość diagnostyczna
Stosunek wyników prawdziwie ujemnych do sumy prawdziwie ujemnych i fałszywie dodatnich
Określa zdolność testu do wykrywania osób zdrowych (poprawnego wykluczenia choroby)
Odnosi się tylko do populacji osób zdrowych
%100
FDPU
PUswoistość
Wartość predykcyjna dodatnia PPV
Stosunek wyników prawdziwie dodatnich do sumy wyników prawdziwie dodatnich i fałszywie dodatnich (wszystkich wyników dodatnich)
Proporcja osób rzeczywiście chorych wśród osób z dodatnim wynikiem testu
%100
FDPD
PDwartośćpredykcyjna
dodatnia
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
Wartość predykcyjna dodatnia PPV
Wartość predykcyjna ujemna NPV
Stosunek wyników prawdziwie ujemnych do sumy wyników prawdziwie ujemnych i fałszywie ujemnych (wszystkich wyników ujemnych)
Proporcja osób zdrowych wśród osób z ujemnym wynikiem testu
%100
FUPU
PUwartość
predykcyjnaujemna
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
Wartość predykcyjna ujemna NPV
Wiarygodność testu
Stopień, w jakim wyniki badania odzwierciedlają rzeczywistość
Odsetek pacjentów prawidłowo zakwalifikowanych jako zdrowi lub jako chorzy
%100
FUFDPUPD
PUPDwiarygodność
Kryteria ustalania wartości decyzyjnej
Cel badania (przesiewowe, potwierdzające)
„strata społeczna” Częstość choroby w populacji
Przesunięcie punktu odcięcia w lewo
↑ czułość ↓ swoistość
Kiedy zależy nam na wykryciu wszystkich osób chorych, np. badania przesiewowe (np. wykrywanie fenyloketonurii).
Zdrowi Chorzy
Przesunięcie punktu odcięcia w prawo
↓ czułość ↑ swoistość
Kiedy zależy nam na wykluczeniu wszystkich osób zdrowych, np. jeśli trzeba zdecydować o bardzo inwazyjnym leczeniu.
Zdrowi Chorzy
Krzywe ROC
Potrzebny jest „złoty środek” aby dobrze zaklasyfikować chorych i zdrowych
Powinna być zbliżona liczba chorych i zdrowych
Zdrowi i chorzy powinni reprezentować populację, dla której wykonuje się oznaczenia
Krzywe ROC
ang. Receiver Operating Characteristic – krzywa charakterystyki operatora odbiornika
Zależność pomiędzy czułością a (1-swoistością)
Cel: ustalenie wartości decyzyjnej określonej przez konkretny punkt decyzyjny lub powierzchnię pod krzywą
Dla każdego z możliwych punktów odcięcia obliczamy czułość i specyficzność, a następnie zaznaczamy otrzymane wyniki na wykresie. Zaznaczamy je w układzie współrzędnych, gdzie na osi odciętych jest (1-swoistość), a na osi rzędnych czułość.
ChorzyZdrowi
Optymalnym punktem odcięcia jest punkt krzywej ROC znajdujący się najbliżej punktu o współrzędnych (0,1). Punkt o współrzędnych (0,1) to punkt o czułości równej 1 i swoistości równej 1.
Idealny kształt krzywej ROC
ChorzyZdrowi
Najgorszy kształt krzywej ROC
ChorzyZdrowi
Pole pod krzywą (AUC)Bardzo popularnym podejściem jest wyliczanie pola pod wykresem krzywej ROC, oznaczanego jako AUC (area under curve). Jest to wskaźnik mocy diagnostycznej testu. Wartość wskaźnika AUC przyjmuje wartości z przedziału [0,1]; im większa, tym lepszy model. Większość testów używanych w diagnostyce reprezentuje moc diagnostyczną wyrażającą się wielkościami AUC pomiędzy 0,8 i 0,95.
AUC
Wartość predykcyjna jest intuicyjnym wskaźnikiem wykonania testu, ale zależy od częstości występowania choroby.
Częstość występowania choroby w populacji stosuje się, aby uzmysłowić, że test nie będzie taki sam po zastosowaniu w rzeczywistej sytuacji klinicznej.
Wpływ częstości choroby na wartość diagnostyczną testu
Prevalence (częstość) – proporcja ludzi z chorobą w danej populacji w szczególnym momencie czasu.
Incidence (nowe przypadki) – liczba nowych przypadków choroby pojawiających się w danym okresie czasu (n/1000/rok).
Odds ratio (iloraz prawdopodobieństwa) – prawdopodobieństwo obecności danej choroby podzielone przez prawdopodobieństwo jej nieobecności.
Likehood ratio (iloraz wiarygodności) – prawdopodobieństwo pojawienia się danego wyniku (gdy choroba jest obecna) podzielone przez prawdopodobieństwo tego samego wyniku gdy nie ma choroby.
Dziękuję za uwagę
Top Related