Таким образом, чем ближе полученная оценка специфичности к 1 . тем лучше проверяемый тест распознает отсутствие болезни у пациентов Задание: Оцените полученные значения с различными доверительными интервалами, помните, что чем уже ДИ, тем точнее полученная интервальная оценка, чем шире ДИ, тем оценка надежнее. Результаты анализа напишите в графе « Выводы», проверьте себя, используя таблицу на рисунке 3.
Оценка различающей способности проверяемого диагностического теста и его предсказательной ценности.
Задание: Оцените полученные результаты для отношения правдоподобий. Результаты анализа напишите в графе «Выводы».
Теоретические основы:
Отношение правдоподобий сводит воедино информацию о чувствительности и специфичности проверяемого диагностического теста. Оно сообщает нам, насколько сильно полученные результаты теста изменяют вероятность наличия данной болезни у пациента.
Отношение правдоподобий для положительных результатов диагностического теста (LR[+] = f(T+|D+) / f(T+|D-)) показывает, во сколько раз доля истинных «позитивов» (верно положительных результатов диагностического теста) превышает долю ложных «позитивов» (ошибочно положительных результатов теста).
LR[+] показывает, во сколько раз чаще положительные результаты данного диагностического теста будут получаться у больных, чем у здоровых.
Чем больше LR[+],
Тем выше способность положительных результатов теста распознавать наличие болезни
Отношение правдоподобий для отрицательных результатов диагностического теста (LR[-] = f(T-|D+) / f(T-|D-)) показывает, во сколько раз доля ложных «негативов» (ошибочно отрицательных результатов диагностического теста) меньше доли истинных «негативов» (верно отрицательных результатов теста).
LR[-] показывает, во сколько раз реже отрицательные результаты данного диагностического теста будут получаться у больных, чем у здоровых.
Чем меньше LR[-], тем лучше способность отрицательного результата теста распознавать отсутствие болезни.
•
Шаг 5. Проанализируйте полученные оценки для распространенности заболевания, а также для предсказательной полезности положительных и отрицательных результатов теста. Выводы напишите в соответствующей графе.
Теоретические основы
Вероятность обнаружить пациента с данной болезнью в данной популяции: P(D+) называется распространенностью болезни. Ее оценкой является доля, f(D+), лиц с данной болезнью в выборке объемом n из данной популяции, выявленных с помощью золотого стандарта.
Предсказательная вероятность для положительного результата теста, PV[+] или PPV
- PV[+] (или PPV)есть мера того, насколько хорошо данный тест предсказывает наличие болезни у пациента.
- PV[+]есть вероятность наличия болезни у пациента при условии, что данный тест дал у него положительный результат.
Предсказательная вероятность для отрицательного результата теста, PV[-] или NPV
- PV[-] (или NPV)есть мера того, насколько хорошо данный тест выявляет (предсказывает) отсутствие болезни у пациента.
- PV[-]есть вероятность отсутствия болезни у пациента при условии, что данный тест дал у него отрицательный результат.
Шаг 6.Программа PPVNPV (*.xls) (www.cardiff.ac.uk/medic/aboutus/departments/ primarycareandpublichealth/resources/PPVNPV.xls)
Порядок работы:
· Откройте программу PPVNPV (*.xls).
· Введите данные из своей таблицы. Данные вносятся без изменений.
- Проверьте, совпадают ли значения оценки чувствительности (Sensitivity) и специфичности (Specificity).
- Обратите внимание на график:
Красная линия обозначает вероятность того, что тест даст положительный результат.
Синия линия – обратная вероятность отрицательного результата теста.
Обозначения:
Predictive value of positive test (PVP/PPV) – какова вероятность того, что у пациента действительно данная болезнь.
Мерой предсказательной полезности положительного результата теста является тестовая вероятность болезни, т.е. вероятность наличия болезни у пациента при условии, что данный тест дал у него положительный результат.
Predictive value of negative test (NVP/NPV)– вероятность того, что у здорового человека тест выявит отсутствие болезни.
Оценкой этой вероятности является доля пациентов с верными отрицательными результатами теста среди всех протестированных пациентов (здоровых и больных) с отрицательными результатами теста
Критерий проверки: чем дальше линии друг от друга, тем выше качество теста. Если красная и синия линии прижимаются к диагонали графика – качество теста не удовлетворительно
|