formålet med denne artikel er at hjælpe med at give en forståelse af følsomhed, specificitet, positiv forudsigelig værdi (PPV) og negativ forudsigelig værdi (NPV) i et intuitivt og forståeligt format.

baggrund

følsomhed og specificitet er karakteristika ved en test.

positiv prædiktiv værdi (PPV) og negativ prædiktiv værdi (NPV) betragtes bedst som den kliniske relevans af en test.

den signifikante forskel er, at PPV og NPV bruger forekomsten af en tilstand til at bestemme sandsynligheden for en test, der diagnosticerer den specifikke sygdom. Mens følsomhed og specificitet er uafhængige af prævalensen.

prævalens er antallet af tilfælde i en defineret population på et enkelt tidspunkt og udtrykkes som en decimal eller en procentdel.

følsomhed er procentdelen af ægte positive (f. eks. 90% følsomhed = 90% af mennesker, der har målsygdommen, vil teste positive).

specificitet er procentdelen af sande negativer (f. eks. 90% specificitet = 90% af mennesker, der ikke har målsygdommen, vil teste negativt).

disse giver dig mulighed for at udelukke forhold ind eller ud, men ikke definitivt diagnosticere en tilstand.

et klassisk bord, der gør det muligt at udarbejde følsomhed og specificitet kvantitativt, kan ses nedenfor.

følsomhed

følsomheden af en test er andelen af mennesker, der tester positive blandt alle dem, der faktisk har sygdommen.

en følsom test hjælper med at udelukke en sygdom, når testen er negativ (f.eks. Meget følsom = snude = udelukke.

følsomhed kan betragtes som’hvor delikat/følsom testen er for at hente små ændringer’. Testen for amylase er meget følsom, fordi den er i stand til at optage meget små mængder amylase i blodet. Som et resultat er chancen for, at amylase er til stede, der er “under tærsklen for detektion”, lille. Derfor ville et negativt resultat betyde en af to ting. For det første, at amylase er til stede, men i så små mængder, at det ikke kan påvises ved testen (usandsynligt, fordi denne test opfanger små ændringer). For det andet er amylase slet ikke til stede (mere sandsynligt).

dette eksempel fungerer, fordi sygdommen (pancreatitis) har et træk (amylase), der næsten altid er til stede, og testen ser efter det træk. Hvis egenskaben ikke er til stede, er sygdommen usandsynligt at være til stede og kan udelukkes.

specificitet

specificiteten af en test er andelen af mennesker, der tester negativt blandt alle dem, der faktisk ikke har den sygdom.

en specifik test hjælper med at styre en sygdom, når den er positiv (f.eks. Meget specifik = SPIN = regel i.

hvis en sygdom (UTI) har et træk (nitrit i urinen), der er sjældent ved andre sygdomme, kan en test for dette træk betragtes som meget specifik, fordi træk er specifikt for den sygdom. Et positivt resultat betyder dog ikke, at de helt sikkert har en UTI, fordi en meget specifik test ikke faktor i, hvor almindelig sygdommen er (prævalens).

positiv prædiktiv værdi (PPV) og negativ prædiktiv værdi (NPV)

positiv prædiktiv værdi (PPV) og negativ prædiktiv værdi (NPV)

positiv prædiktiv værdi (PPV) og negativ prædiktiv værdi (PPV) prædiktiv værdi (NPV) er direkte relateret til prævalens og giver dig mulighed for Klinisk at sige, hvor sandsynligt det er, at en patient har en bestemt sygdom.

positiv prædiktiv værdi (PPV)

den positive prædiktive værdi er sandsynligheden for, at den enkelte efter et positivt testresultat virkelig vil have den specifikke sygdom.

negativ forudsigelig værdi (NPV)

den negative forudsigelige værdi er ikke mere end sandsynligheden for, at efter et negativt testresultat, vil denne person virkelig ikke have den specifikke sygdom.

for en given test (dvs.følsomhed og specificitet forbliver den samme), da prævalensen falder, vil den negative prædiktive værdi (NPV PPV falder, fordi der vil være flere falske positive for hver sand positiv. Dette skyldes, at du jager efter en “nål i en høstak” og sandsynligvis finder mange andre ting, der ligner hinanden undervejs – jo større høstakken er, jo oftere fejler du ting for en nål.

derfor, når forekomsten falder, øges NPV, fordi der vil være mere sande negativer for hvert falsk negativt. Dette skyldes, at et falsk negativt ville betyde, at en person faktisk har sygdommen, hvilket er usandsynligt, fordi sygdommen er sjælden (lav prævalens).eksempler på, hvordan PPV og NPV kan variere med prævalensen for en specifik test, kan ses nedenfor.

endelige tanker

forhåbentlig ved hjælp af denne artikel er begreberne følsomhed, specificitet, PPV og NPV nu klarere. De givne eksempler skal give dig mulighed for at se, hvordan og hvorfor disse varierer, når forskellige faktorer ændrer sig.