Pozitivní a negativní prediktivní hodnoty - Positive and negative predictive values
![]() | tento článek potřebuje další citace pro ověření.Březen 2012) (Zjistěte, jak a kdy odstranit tuto zprávu šablony) ( |
The pozitivní a negativní prediktivní hodnoty (PPV a NPV ) jsou podíly pozitivních a negativních výsledků v statistika a diagnostické testy to jsou skutečně pozitivní a pravda negativní výsledky.[1] PPV a NPV popisují provedení diagnostického testu nebo jiného statistického měření. Vysoký výsledek lze interpretovat jako indikaci přesnosti takové statistiky. PPV a NPV nejsou součástí testu (jako skutečná kladná sazba a skutečná záporná sazba jsou); závisí také na prevalence.[2] PPV i NPV lze odvodit pomocí Bayesova věta.
Ačkoli se někdy používá synonymně, a pozitivní prediktivní hodnota obecně označuje to, co je stanoveno kontrolními skupinami, zatímco a pravděpodobnost po testu označuje pravděpodobnost pro jednotlivce. Přesto, pokud je jednotlivec pravděpodobnost před testem cílové podmínky je stejná jako prevalence v kontrolní skupině použité ke stanovení pozitivní prediktivní hodnoty, obě jsou numericky stejné.
v vyhledávání informací, statistika PPV se často nazývá přesnost.
Definice
Pozitivní prediktivní hodnota (PPV)
Pozitivní prediktivní hodnota (PPV) je definována jako
kde "skutečně pozitivní „je případ, že test pozitivně předpovídá a subjekt má pozitivní výsledek podle zlatého standardu, a“falešně pozitivní „je případ, že test vytvoří pozitivní předpověď a subjekt bude mít podle zlatého standardu negativní výsledek. Ideální hodnota PPV s dokonalým testem je 1 (100%) a nejhorší možná hodnota by byla nula.
v případové kontrolní studie PPV musí být vypočítán z citlivost, specifičnost, ale také včetně prevalence:
Doplněk PPV je míra falešných objevů (FDR):
Negativní prediktivní hodnota (NPV)
Negativní prediktivní hodnota je definována jako:
kde "pravda negativní „je případ, že test negativně předpovídá a subjekt má podle zlatého standardu negativní výsledek, a“falešně negativní „je případ, že test provede negativní predikci a subjekt bude mít podle zlatého standardu pozitivní výsledek. S dokonalým testem, který nevrací žádné falešné negativy, je hodnota NPV 1 (100%) a s test, který nevrací žádné skutečné negativy, je hodnota NPV nulová.
NPV lze také vypočítat z citlivost, specifičnost, a prevalence:
Doplňkem NPV je míra falešného opomenutí (PRO):
Vztah
Ačkoli se někdy používá synonymně, a negativní prediktivní hodnota obecně odkazuje na to, co je stanoveno kontrolními skupinami, zatímco negativní pravděpodobnost po testu spíše odkazuje na pravděpodobnost pro jednotlivce. Přesto, pokud je jednotlivec pravděpodobnost před testem cílové podmínky je stejná jako prevalence v kontrolní skupině použité ke stanovení záporné prediktivní hodnoty, pak jsou tyto dvě číselné hodnoty stejné.
Následující diagram ukazuje, jak pozitivní prediktivní hodnota, negativní prediktivní hodnota, citlivost a specifičnost souvisejí.
Pravdivý stav | ||||||
Celková populace | Podmínka pozitivní | Stav negativní | Prevalence = Σ Podmínka pozitivní/Σ Celkový počet obyvatel | Přesnost (ACC) = Σ True positive + Σ True positive/Σ Celkový počet obyvatel | ||
Předpokládaný stav pozitivní | Opravdu pozitivní | Falešně pozitivní, Chyba typu I. | Pozitivní prediktivní hodnota (PPV), Přesnost = Σ Opravdu pozitivní/Σ Předpokládaný stav pozitivní | Falešná míra objevení (FDR) = Σ Falešně pozitivní/Σ Předpokládaný stav pozitivní | ||
Předpokládaný stav negativní | Falešně negativní, Chyba typu II | Pravda záporná | Míra chybného opomenutí (PRO) = Σ Falešně negativní/Σ Předpovězený stav negativní | Negativní prediktivní hodnota (NPV) = Σ Skutečně negativní/Σ Předpovězený stav negativní | ||
Skutečná kladná sazba (TPR), Odvolání, Citlivost pravděpodobnost detekce, Napájení = Σ Opravdu pozitivní/Σ Podmínka pozitivní | Falešná kladná sazba (FPR), Vypadnout, pravděpodobnost falešného poplachu = Σ Falešně pozitivní/Σ Stav negativní | Poměr pozitivní pravděpodobnosti (LR +) = TPR/FPR | Poměr diagnostických šancí (DOR) = LR +/LR− | F1 skóre = 2 · Přesnost · Připomeňme/Precision + Recall | ||
Falešně negativní sazba (FNR), míra slečny = Σ Falešně negativní/Σ Podmínka pozitivní | Specifičnost (SPC), selektivita, Skutečná záporná sazba (TNR) = Σ Skutečně negativní/Σ Stav negativní | Poměr záporné pravděpodobnosti (LR−) = FNR/TNR |
Pozitivní a negativní prediktivní hodnoty lze odhadnout pouze pomocí údajů z a průřezová studie nebo jiná populační studie, ve které platí prevalence lze získat odhady. Naproti tomu lze citlivost a specificitu odhadnout z případové kontrolní studie.
Pracoval příklad
Předpokládejme fekální okultní krev Screeningový test (FOB) se používá u 2030 lidí k hledání rakoviny tlustého střeva:
Pacienti s rakovina střev (jak bylo potvrzeno dne endoskopie ) | ||||||
Podmínka pozitivní | Stav negativní | Prevalence = (TP + FN) / Celková_Populace = (20+10)/2030 ≈1.48% | Přesnost (ACC) = (TP + TN) / Celková_Populace = (20+1820)/2030 ≈90.64% | |||
Fekální okultní krev obrazovka test výsledek | Test výsledek pozitivní | Opravdu pozitivní (TP) = 20 (2030 x 1,48% x 67%) | Falešně pozitivní (FP) = 180 (2030 x (100 - 1,48%) x (100 - 91%)) | Pozitivní prediktivní hodnota (PPV), Přesnost = TP / (TP + FP) = 20 / (20 + 180) = 10% | Falešná míra objevení (FDR) = FP / (TP + FP) = 180/(20+180) = 90.0% | |
Test výsledek negativní | Falešně negativní (FN) = 10 (2030 x 1,48% x (100 - 67%)) | Pravda záporná (TN) = 1820 (2030 x (100 - 1,48%) x 91%) | Míra chybného opomenutí (PRO) = FN / (FN + TN) = 10 / (10 + 1820) ≈ 0.55% | Negativní prediktivní hodnota (NPV) = TN / (FN + TN) = 1820 / (10 + 1820) ≈ 99.45% | ||
TPR, Odvolání, Citlivost = TP / (TP + FN) = 20 / (20 + 10) ≈ 66.7% | Falešná kladná sazba (FPR),Vypadnout, pravděpodobnost falešného poplachu = FP / (FP + TN) = 180/(180+1820) =9.0% | Poměr pozitivní pravděpodobnosti (LR +) = TPR/FPR = (20/30)/(180/2000) ≈7.41 | Poměr diagnostických šancí (DOR) = LR +/LR− ≈20.2 | F1 skóre = 2 · Přesnost · Připomeňme/Precision + Recall ≈0.174 | ||
Falešná záporná sazba (FNR), míra slečny = FN / (TP + FN) = 10/(20+10) ≈ 33.3% | Specifičnost, Selektivita, Skutečná záporná sazba (TNR) = TN / (FP + TN) = 1820 / (180 + 1820) = 91% | Poměr záporné pravděpodobnosti (LR−) = FNR/TNR = (10/30)/(1820/2000) ≈0.366 |
Malá pozitivní prediktivní hodnota (PPV = 10%) naznačuje, že mnoho pozitivních výsledků tohoto testovacího postupu je falešně pozitivních. Bude tedy nutné sledovat jakýkoli pozitivní výsledek spolehlivějším testem, abychom získali přesnější posouzení, zda je přítomna rakovina. Takový test však může být užitečný, pokud je levný a pohodlný. Síla testu FOB obrazovky je místo toho v negativní prediktivní hodnota - který, je-li pro jednotlivce negativní, nám dává vysokou jistotu, že jeho negativní výsledek je pravdivý.
Problémy
Další jednotlivé faktory
Pamatujte, že PPV není vlastní testu - záleží také na prevalenci.[2] Vzhledem k velkému účinku prevalence na prediktivní hodnoty byl navržen standardizovaný přístup, kde je PPV normalizována na prevalenci 50%.[3] PPV je přímo úměrná prevalenci onemocnění nebo stavu. Ve výše uvedeném příkladu, pokud by skupina testovaných lidí zahrnovala vyšší podíl lidí s rakovinou tlustého střeva, pak by PPV pravděpodobně vyšla vyšší a NPV nižší. Pokud by všichni ve skupině měli rakovinu tlustého střeva, PPV by byla 100% a NPV 0%.
K překonání tohoto problému by se NPV a PPV měly používat pouze v případě, že poměr počtu pacientů ve skupině s onemocněním a počtu pacientů ve zdravé kontrolní skupině použitého ke stanovení NPV a PPV odpovídá prevalenci onemocnění u studovaná populace, nebo v případě, že jsou srovnávány dvě skupiny onemocnění, je-li poměr počtu pacientů ve skupině onemocnění 1 a počtu pacientů ve skupině onemocnění 2 ekvivalentní poměru prevalencí dvou studovaných onemocnění. Jinak pozitivní a negativní poměry pravděpodobnosti jsou přesnější než NPV a PPV, protože poměry pravděpodobnosti nezávisí na prevalenci.
Když má testovaná osoba jinou pravděpodobnost před testem mít podmínku než kontrolní skupiny použité ke stanovení PPV a NPV, PPV a NPV se obecně odlišují od pozitivních a negativních pravděpodobnosti po testu, přičemž PPV a NPV odkazují na ty, které stanovily kontrolní skupiny, a pravděpodobnosti po testu odkazující na pravděpodobnosti pro testovaného jedince (odhadované například poměry pravděpodobnosti ). Přednostně by v takových případech měla být studována velká skupina ekvivalentních jedinců, aby se stanovily oddělené pozitivní a negativní prediktivní hodnoty pro použití testu u těchto jedinců.
Bayesian Aktualizace
Bayesova věta uděluje inherentní omezení přesnosti screeningových testů jako funkce prevalence onemocnění nebo pravděpodobnosti před testem. Ukázalo se, že testovací systém může tolerovat významné poklesy prevalence až do určitého dobře definovaného bodu známého jako prahová hodnota prevalence, pod kterou spolehlivost pozitivního screeningového testu strmě klesá. To znamená, že Balayla a kol. [4] ukázaly, že sekvenční testování překonává výše uvedená Bayesiánská omezení a zvyšuje tak spolehlivost screeningových testů. Pro požadovanou pozitivní prediktivní hodnotu, která se blíží k, je počet iterací pozitivního testu ni potřeba je:
kde ni = počet testovacích iterací nezbytných k dosažení ρ, požadované pozitivní prediktivní hodnoty, a = citlivost, b = specificita, φ = prevalence nemoci a k = konstanta. Za zmínku stojí, že jmenovatel výše uvedené rovnice je přirozený logaritmus kladné hodnoty míra pravděpodobnosti (+ LR).
Různé cílové podmínky
PPV se používá k označení pravděpodobnosti, že v případě pozitivního testu má pacient skutečně stanovené onemocnění. Může však existovat více než jedna příčina onemocnění a každá jednotlivá potenciální příčina nemusí vždy vést k zjevné nemoci pozorované u pacienta. Existuje potenciál kombinovat související cílové podmínky PPV a NPV, jako je interpretace PPV nebo NPV testu jako s onemocněním, když tato hodnota PPV nebo NPV ve skutečnosti odkazuje pouze na predispozici daného onemocnění.
Příkladem je mikrobiologický výtěr z krku používaný u pacientů s bolestmi v krku. Publikace uvádějící PPV výtěru z krku obvykle uvádějí spíše pravděpodobnost přítomnosti této bakterie v krku, než že je pacient z nalezených bakterií nemocný. Pokud by přítomnost této bakterie vždy vedla k bolesti v krku, pak by byl PPV velmi užitečný. Bakterie však mohou kolonizovat jedince neškodným způsobem a nikdy nevedou k infekci nebo nemoci. Bolesti v krku vyskytující se u těchto jedinců jsou způsobeny jinými látkami, jako je virus. V této situaci představuje zlatý standard použitý v hodnotící studii pouze přítomnost bakterií (které mohou být neškodné), ale nikoli kauzální bakteriální bolest v krku. Je dokázáno, že tento problém ovlivní pozitivní prediktivní hodnotu mnohem více než negativní prediktivní hodnotu.[5] K vyhodnocení diagnostických testů, kde se zlatý standard dívá pouze na potenciální příčiny nemoci, lze použít rozšíření prediktivní hodnoty zvané Etiologická prediktivní hodnota.[6][7]
Viz také
- Binární klasifikace
- Citlivost a specifičnost
- Falešná míra objevení
- Relevance (vyhledávání informací)
- Charakteristika přijímač-operátor
- Poměr diagnostických šancí
- Index citlivosti
Reference
- ^ Fletcher, Robert H. Fletcher; Suzanne W. (2005). Klinická epidemiologie: základy (4. vydání). Baltimore, MD: Lippincott Williams & Wilkins. str.45. ISBN 0-7817-5215-9.
- ^ A b Altman, DG; Bland, JM (1994). „Diagnostické testy 2: Prediktivní hodnoty“. BMJ. 309 (6947): 102. doi:10.1136 / bmj.309.6947.102. PMC 2540558. PMID 8038641.
- ^ Heston, Thomas F. (2011). "Standardizace prediktivních hodnot v diagnostickém zobrazovacím výzkumu". Journal of Magnetic Resonance Imaging. 33 (2): 505, odpověď autora 506–7. doi:10,1002 / jmri.22466. PMID 21274995.
- ^ Jacques Balayla. Bayesianské aktualizace a sekvenční testování: Překonání inferenčních omezení screeningových testů. ArXiv 2020. https://arxiv.org/abs/2006.11641.
- ^ Orda, Ulrich; Gunnarsson, Ronny K; Orda, Sabine; Fitzgerald, Mark; Rofe, Geoffry; Dargan, Anna (2016). „Etiologická prediktivní hodnota rychlého imunotestu pro detekci antigenu streptokoků skupiny A z výtěrů z krku u pacientů s bolestmi v krku“ (PDF). International Journal of Infection Diseases. 45 (Duben): 32–5. doi:10.1016 / j.ijid.2016.02.002. PMID 26873279.
- ^ Gunnarsson, Ronny K .; Lanke, Jan (2002). "Prediktivní hodnota mikrobiologických diagnostických testů, pokud jsou přítomny asymptomatické nosiče". Statistika v medicíně. 21 (12): 1773–85. doi:10.1002 / sim.1119. PMID 12111911.
- ^ Gunnarsson, Ronny K. „Kalkulačka EPV“. Science Network TV.