Como calcular a sensibilidade, especificidade, valor preditivo positivo e valor preditivo negativo

Métodos 1:

Faça as contas por si mesmo

Em qualquer ensaio em particular que se aplica a uma população específica, é importante para o cálculo do sensibilidade, o especificidade, o valor preditivo positivo e ele valor preditivo negativo, pois isso permite-nos determinar o quão útil é o teste para uma doença ou característica na população específica. Se queremos analisar uma característica particular em uma amostra da população, devemos considerar:

• Qual é a probabilidade de que o ensaio detecta o presença uma característica em alguém com recurso (sensibilidade)?
• Qual é a probabilidade de que o ensaio detecta o ausência uma característica em alguém sem recurso (especificidade)?
• Qual é a probabilidade de que alguém com um resultado positivo no teste ter realmente característica (valor preditivo positivo)?
• Qual a probabilidade de alguém com um resultado negativo no teste não têm realmente característica (valor preditivo negativo)?
  
  

É muito importante para calcular esses valores para determinar se um teste é útil para medir uma característica particular em uma população específica. Aqui nós mostramos-lhe como calculá-los.

Faça as contas por si mesmo

1

Definir a amostra da população, p. eg., 1000 pacientes da clínica.

2

Define a doença ou o recurso que você deseja analisar, p. ex., sífilis.

3

Use um teste de alta precisão padrão é consolidada para determinar a prevalência da doença ou característica, p. ex., o microscópio de campo escuro documentação da presença da bactéria Treponema pallidum em um sifílica úlcera raspados, juntamente com as conclusões clínicas sobre o assunto. Além disso, por meio do teste padrão de alta precisão para determinar quem tem a característica e quem não é. Como exemplo, digamos que há 100 pessoas que sofrem e 900 não.

4

Escolha um teste que lhe interessa e lhe permitem determinar a sensibilidade, especificidade, valor preditivo positivo e valor preditivo negativo para essa população e aplicar todas as pessoas que compõem a sua amostra selecionada. Por exemplo, você pode escolher o RPR test (RPR) para detectar a sífilis e usar em 1000 pessoas na sua amostra.

5

Quando você analisa o grupo de pessoas que têm as características (como determinado pela alta precisão do teste padrão), observa quantas pessoas foram positivos e quantos negativo. Fazer o mesmo quando se analisa o grupo de pessoas que não têm a característica (como determinado pelo ensaio padrão de alta precisão). No final, você vai ter quatro quantidades. As pessoas que testaram característica positiva e os resultados são verdadeiros positivos (TP). As pessoas que têm a característica E eles são negativos falso negativo (FN). As pessoas que não têm a característica E eles são positivos falso positivo (FP). As pessoas que não têm a característica E eles são negativos Verdadeiro negativo (VN). Por exemplo, suponha que você aplicado o teste RPR 1000 pacientes. Dos 100 pacientes com sífilis, 95 deles deram positivo e 5 negativo. 900 pacientes sem sífilis, 90 foram positivas e 810 resultado, negativo. Neste caso, VP = 95, NF = 5, PF = 90 e VN = 810.

6

Para calcular a sensibilidade, divididas entre VP (VP + FN). No primeiro caso, obtemos 95 / (95 + 5) = 95%. A sensibilidade nos permite saber qual é a probabilidade de que resultar o teste positivo para alguém que tem a característica. Em outras palavras, todas as pessoas que têm a característica, qual a proporção irá resultar positivo? Se conseguirmos 95%, em seguida, a sensibilidade é muito bom.

7

Para calcular a especificidade, VN dividida entre (FP + VN). No primeiro caso, temos 810 / (90 + 810) = 90%. A especificidade nos permite saber qual é a probabilidade de que o ensaio deu um resultado negativo para alguém que não tem o recurso. Em outras palavras, de todas as pessoas sem propriedade, qual a proporção resultará negativo? Se conseguirmos 90%, em seguida, a especificidade é muito bom.

8

Para calcular o valor preditivo positivo (PPV), divididos entre o VP (VP + FP). No caso acima, obteríamos 95 / (95 + 90) = 51,4%. O valor preditivo positivo nos permite saber qual a probabilidade de que alguém tem a função de se o resultado positivo do teste. Em outras palavras, todas as pessoas que testaram positivo no teste, qual a proporção realmente tem a propriedade? Se tivermos 51,4% como VPP, significa que uma pessoa que dá resultado de teste positivo, tem uma possibilidade de 51,4%, na verdade, ter a doença.

9

Para calcular o valor preditivo negativo (NPV), divididos entre VN (VN + FN). No primeiro caso, temos 810 / (810 + 5) = 99,4%. O valor preditivo negativo nos permite saber qual a probabilidade de que alguém não tem o recurso se resultados negativos no teste. Em outras palavras, todas as pessoas que estavam negativo no teste, que proporção realmente não têm a propriedade? Se tivermos 99,4% como VPN, isto significa que uma pessoa que testar resultado negativo, tem uma possibilidade de 99,4% de ter a doença.

dicas

• o precisão ou eficiência é a percentagem dos resultados dos testes que foram identificados corretamente, ou seja, (verdadeiros positivos + verdadeiros negativos) / total de resultados de teste = (VP + VN) / (VP + VN + FP + FN).
• Testes com uma boa capacidade de detecção tem alta sensibilidade, porque eles permitem-lhe registar todos aqueles que têm a característica. Além disso, ensaios com sensibilidade elevada são muito úteis para descartar doenças ou características se testar resultado negativo. ("SNOUT": SENSIBILIDADE-regra OUT)
• Você pode desenhar uma tabela 2x2 para fazer o cálculo mais fácil.
• Testes com uma boa confirmação tem alta especificidade, porque eles permitem que o teste é específico e não erroneamente rotular aqueles que não têm a característica como se eles fazem. Os testes com alta especificidade são úteis para doenças ou características se testarem positivo. ("SPIN": Na especificidade-regra)
• Lembre-se que a sensibilidade ea especificidade são propriedades intrínsecas de um teste particular e não depender de uma população específica, isto é, estes dois valores devem permanecer constantes quando o mesmo teste é aplicado a diferentes populações.
• Por outro lado, o valor preditivo positivo e valor preditivo negativo dependem da prevalência da propriedade em uma população específica. Embora a funcionalidade é mais raro, o valor preditivo positivo será menor e o valor preditivo negativo será maior (porque a probabilidade de o teste preliminar para baixo é uma característica rara). Pelo contrário, o mais comum é a característica, o valor preditivo positivo será mais elevado e o valor preditivo negativo será menor (porque a probabilidade de pré-teste é elevado para uma característica comum).
• Esforce-se para compreender esses conceitos.

avisos

• É fácil de cometer erros descuidados durante o cálculo. Portanto, leia com atenção as contas que você faz. Ele vai ajudar bastante desenhar uma tabela 2x2.