PDF herunterladen
PDF herunterladen
Für jeden Test, der auf eine bestimmte Population angewendet wird, ist es wichtig, die Sensitivität , Spezifität , den positiven Vorhersagewert und den negativen Vorhersagewert zu berechnen [1] X Forschungsquelle , um zu ermitteln, wie nützlich der Test ist, eine Krankheit oder eine Eigenschaft in der gegebenen Population zu erkennen. Wenn wir einen Test anwenden, um eine bestimmte Eigenschaft in einer Stichprobenpopulation zu testen, würden wir gerne wissen:
- Wie wahrscheinlich erkennt der Test die Anwesenheit eines Merkmals bei jemanden mit dem Merkmal ( Sensitivität )?
- Wie wahrscheinlich erkennt der Test die Abwesenheit eines Merkmals bei jemanden ohne dieses Merkmal ( Spezifität )?
- Wie wahrscheinlich ist es, dass jemand mit einem positiven Testergebnis tatsächlich die Eigenschaft hat ( positiver Vorhersagewert )?
- Wie wahrscheinlich ist es, dass jemand mit einem negativen
Testergebnis tatsächlich die Eigenschaft nicht
hat ( negativer Vorhersagewert
)?
Es ist sehr wichtig, diese Werte zu berechnen, um zu bestimmen, ob ein Test nützlich für die Messung einer bestimmten Charakteristik in einer bestimmten Population ist. Dieser Artikel zeigt, wie man diese Werte berechnet.
Vorgehensweise
-
Definiere eine Stichprobenpopulation, z.B. 1000 Patienten in einer Klinik.
-
Definiere die interessierende Krankheit oder Charakteristik, z.B. Syphilis.
-
Nimm einen gut etablierten Standard-Test, um die Prävalenz der Krankheit oder Eigenschaft festzustellen, beispielsweise Dunkelfeldmikroskopie-Dokumentation der Anwesenheit von Treponema pallidum -Bakterien in einer Ausschabung einer syphilitischen Wunde, zusammen mit klinischen Befunden. Verwende den Standard-Test, um festzustellen, wer die Charakteristik hat und wer nicht. Angenommen, 100 Leute haben sie und 900 nicht.
-
Nimm einen Test, von dem du die Sensitivität, Spezifität, den positiven Vorhersagewert und den negativen Vorhersagewert für diese Stichprobenpopulation bestimmen willst, und führe diesen Test bei allen in der gewählten Stichprobe durch. Dieser Test sei beispielsweise ein schneller Plasma-Reagin-(RPR)-Test, um auf Syphilis zu screenen. Verwende ihn, um die 1000 Personen in der Stichprobe zu testen.
-
Notiere bei den Menschen, die die Charakteritik (nach dem Standard-Test) haben, die Zahl der Menschen, die positiv getestet und die Anzahl der Menschen, die negativ getestet wurden. Mache dasselbe für die Menschen, die die Charakteristik nicht haben (nach dem Standard-Test). Du hast dann vier Zahlen: Menschen mit der Charakteristik, die positiv getestet wurden, sind die richtig Positiven (TP) . Menschen mit der Charakteristik, die negativ getestet wurden, sind die falsch Negativen (FN) . Menschen ohne die Charakteristik, die positiv getestet wurden, sind die falsch Positiven (FP) . Menschen ohne die Charakteristik, die negativ getestet wurden, sind die richtig Negativen (TN) . Angenommen, du hast den RPR-Test bei den 1000 Patienten durchgeführt. Von den 100 Patienten mit Syphilis wurden 95 positiv getestet und 5 negativ getestet. Von den 900 Patienten ohne Syphilis wurden 90 positiv getestet und 810 negativ getestet. In diesem Fall ist TP = 95, FN = 5, FP = 90 und TN = 810.
-
Um die Sensitivität zu berechnen, musst du TP durch (TP + FN) teilen. Im obigen Fall wäre es 95/(95 + 5) = 95%. Die Sensitivität sagt uns, wie wahrscheinlich der Test positiv ausfällt bei jemandem, der die Charakteristik hat. Welcher Anteil von allen Personen, die die Eigenschaft aufweisen, wird positiv getestet? 95% Sensitivität ist ziemlich gut.
-
Um die Spezifität zu berechnen, musst du TN durch (FP+TN) teilen. Im obigen Fall wäre es 810/(90+810)= 90%. Die Spezifität sagt uns, wie wahrscheinlich der Test negativ ausfällt bei jemandem, der die Charakteristik nicht hat. Welcher Anteil von allen Personen, die die Eigenschaft nicht aufweisen, wird negativ getestet? 90% Spezifität ist ziemlich gut.
-
Um den positiven Vorhersagewert (PPV) zu berechnen, musst du TP durch (TP+FP) teilen. Im obigen Fall wäre es 95/(95+90)= 51,4%. Der positive Vorhersagewert sagt uns, wie wahrscheinlich jemand die Charakteristik hat, wenn der Test positiv ausfällt. Welcher Anteil von allen Personen, deren Test positiv ist, hat wirklich die Eigenschaft? 51,4% PPV bedeutet, wenn dein Test positiv ist, dann hast du mit einer Wahrscheinlichkeit von 51,4% wirklich die Krankheit.
-
Um den negativen Vorhersagewert (NPV) zu berechnen, musst du TN durch (TN+FN) teilen. Im obigen Fall wäre es 810/(810+5)= 99,4%. Der negative Vorhersagewert sagt uns, wie wahrscheinlich jemand die Charakteristik nicht hat, wenn der Test negativ ausfällt. Welcher Anteil von allen Personen, deren Test negativ ist, hat wirklich nicht die Eigenschaft? 99,4% NPV bedeutet, wenn dein Test negativ ist, dann hast du mit einer Wahrscheinlichkeit von 99,4% nicht die Krankheit.Werbeanzeige
Tipps
- Korrektklassifikationsrate oder Vertrauenswahrscheinlichkeit ist der Anteil der Test-Ergebnisse, die die vom Test korrekt identifiziert wurden, d.h. (richtig positive + richtig negative)/Gesamt-Test-Ergebnisse = (TP+TN)/(TP+TN+FP+FN).
- Gute Screening-Tests haben eine hohe Sensitivität, denn du willst in der Lage sein, alle heraus zu finden, die die Charakteristik haben. Tests mit sehr hoher Sensitivität sind nützlich, um Krankheiten oder Eigenschaften auszuschließen , wenn das Ergebnis negativ ist. ("SNOUT": SeNsitivity - rule OUT)
- Gute Bestätigungstests haben eine hohe Spezifität, denn du möchtest, dass dein Test spezifisch ist und nicht denen, die die Charakteristik nicht haben, sie trotzdem zuschreibt. Tests mit sehr hoher Spezifität sind nützlich, um sicher zu sein, dass Krankheiten oder Eigenschaften vorliegen, wenn das Test-Ergebnis positiv ist. ("SPIN": SPecificity - rule IN)
- Sensitivität und Spezifität sind intrinsische Eigenschaften eines gegebenen Tests, und sind nicht abhängig von der gegebenen Population, das heißt diese beiden Werte sollten gleich sein, wenn der gleiche Test auf verschiedene Populationen angewandt wird.
- Positiver Vorhersagewert und negativer Vorhersagewert andererseits hängen von der Häufigkeit des Merkmals in einer gegebenen Population ab. Je seltener die Charakteristik, desto niedriger ist der positive Vorhersagewert und je höher ist der negative Vorhersagewert (weil die Wahrscheinlichkeit vor dem Test niedrig ist für seltene Charakteristiken). Umgekehrt, je häufiger das Merkmal, um so höher ist der positive Vorhersagewert und um so niedriger der negative Vorhersagewert (weil die Wahrscheinlichkeit vor dem Test hoch ist für häufige Charakteristiken).
- Versuche, diese Konzepte gut zu verstehen.
- Versuche, eine 2x2-Tabelle zu machen, damit du es leichter hast.
Werbeanzeige
Warnungen
- Man macht leicht Flüchtigkeitsfehler bei der Berechnung. Überprüfe deine Rechnung sorgfältig. Das Erstellen einer 2x2-Tabelle hilft.
Werbeanzeige
Über dieses wikiHow
Diese Seite wurde bisher 13.724 mal abgerufen.
Werbeanzeige
Melde dich für den kostenlosen wikiHow Newsletter an!
Du erhältst hilfreiche Tipps und Anleitungen jede Woche direkt in deine Inbox.
Registriere mich!
