เนื้อหา

• ขั้นตอน
• วิธีที่ 1 จาก 1: สร้างจำนวนของคุณเอง
• เคล็ดลับ
• คำเตือน

ในการทดสอบใดๆ กับประชากรที่กำหนด การคำนวณเป็นสิ่งสำคัญ ความไว, ความจำเพาะ, ค่าพยากรณ์เชิงบวก และ ค่าพยากรณ์เชิงลบ เพื่อพิจารณาว่าการทดสอบนี้มีประโยชน์เพียงใดในการวินิจฉัยโรคหรือลักษณะเฉพาะของกลุ่มประชากรที่กำหนด หากเราต้องการใช้การทดสอบนี้เพื่อตรวจสอบลักษณะของประชากรที่เลือก เราจำเป็นต้องรู้:

• มีโอกาสแค่ไหนที่การทดสอบจะตรวจพบ ความพร้อมใช้งาน สัญญาณในมนุษย์ กับ ลักษณะเฉพาะ (ความไว)?
• มีโอกาสแค่ไหนที่การทดสอบจะตรวจพบ ขาด สัญญาณในมนุษย์ ปราศจาก ลักษณะเฉพาะ (ความจำเพาะ)?
• ความน่าจะเป็นของคนที่มี เชิงบวก ผลการทดสอบเป็นจริง มี สัญญาณ (ค่าพยากรณ์เชิงบวก)?
• ความน่าจะเป็นของคนที่มี เชิงลบ ผลการทดสอบเป็นจริง ไม่ สัญญาณ (ค่าพยากรณ์เชิงลบ)?
  
  

การคำนวณค่าเหล่านี้เป็นสิ่งสำคัญมากเพื่อ ตรวจสอบว่าการทดสอบมีประโยชน์ในการประเมินลักษณะของประชากรที่กำหนดหรือไม่... ในบทความนี้ เราจะแสดงวิธีการคำนวณค่าเหล่านี้

ขั้นตอน

วิธีที่ 1 จาก 1: สร้างจำนวนของคุณเอง

1. 1 สร้างกลุ่มตัวอย่าง เช่น ผู้ป่วย 1,000 คนในคลินิก
2. 2 ระบุโรคหรือสัญญาณที่คุณกำลังค้นคว้า เช่น ซิฟิลิส
3. 3 ทำการทดสอบมาตรฐานทองคำที่เชื่อถือได้ เพื่อตรวจสอบความชุกของโรคหรือสัญญาณ เช่น ข้อมูลเกี่ยวกับการมีอยู่ของแบคทีเรีย treponema ซีดได้โดยใช้กล้องจุลทรรศน์สนามมืดโดยคำนึงถึงภาพทางคลินิก ใช้การทดสอบมาตรฐานทองคำเพื่อตัดสินว่าใครมีและใครไม่มี เพื่อความชัดเจน สมมติว่า 100 วิชามี แต่ 900 ไม่มี
4. 4 ออกแบบการทดสอบความไว ความจำเพาะ ค่าพยากรณ์เชิงบวก และค่าพยากรณ์เชิงลบของประชากรที่สนใจ และทดสอบกลุ่มตัวอย่าง ตัวอย่างเช่น สมมติว่านี่คือการทดสอบอย่างรวดเร็วด้วยพลาสมารีเอเจนต์ (RPR) สำหรับซิฟิลิส ใช้เพื่อสุ่มตัวอย่าง 1,000 คน
5. 5 ของผู้ที่มีอาการ (ตามที่กำหนดโดยมาตรฐานทองคำ) ให้เขียนจำนวนคนที่มีผลบวกและลบ ทดสอบคนที่ไม่แสดงเครื่องหมายในลักษณะเดียวกัน (ตามที่กำหนดโดยมาตรฐานทองคำ) คุณจะได้รับสี่หลัก คนที่มีอาการและผลบวกคือ บวกจริง (PI)... คนที่มีอาการและผลลบคือ ลบเท็จ (LO)... คนไม่มีสัญญาณและผลบวกคือ บวกเท็จ (LP)... คนไม่มีสัญญาณและผลลบคือ ลบจริง (IR)... เพื่อความชัดเจน สมมติว่าคุณทดสอบผู้ป่วย 1,000 รายใน RPR ผู้ป่วยซิฟิลิส 95 รายจาก 100 รายมีผลตรวจบวกและลบ 5 ราย จากผู้ป่วย 900 รายที่ไม่มีซิฟิลิส 90 รายตรวจพบว่าเป็นบวกและลบ 810 ราย ในกรณีนี้ PI = 95 LO = 5 LP = 90 และ IO = 810
6. 6 ในการคำนวณความไว ให้หาร PI ด้วย (PI + LO) ในกรณีข้างต้น เราได้ 95 / (95 + 5) = 95% ความอ่อนไหวบอกเราว่าการทดสอบมีแนวโน้มว่าจะมีผลบวกในบุคคลที่มีอาการมากเพียงใดในบรรดาผู้ที่มีอาการจะมีผลตรวจบวกในสัดส่วนเท่าใด? ความไว 95% ค่อนข้างดี
7. 7 ในการคำนวณความจำเพาะ ให้หาร RO ด้วย (LP + RO) ในกรณีข้างต้น เราได้ 810 / (90 + 810) = 90% ความเฉพาะเจาะจงบอกเราว่าการทดสอบมีแนวโน้มที่จะทดสอบเชิงลบในบุคคลที่ไม่มีอาการ ในกลุ่มคนที่ไม่มีอาการ สัดส่วนเท่าไหร่จึงจะได้ผลลบ? ความจำเพาะ 90% ค่อนข้างดี
8. 8 ในการคำนวณค่าพยากรณ์เชิงบวก (PPV) ให้หาร PI ด้วย (PI + LP) ในกรณีข้างต้น เราได้ 95 / (95 + 90) = 51.4% ค่าพยากรณ์เชิงบวกบอกเราว่าบุคคลที่มีผลการทดสอบในเชิงบวกจะมีอาการอย่างไร ในบรรดาผู้ที่ผลตรวจเป็นบวก จริง ๆ แล้วมีอาการเป็นสัดส่วนเท่าใด? PPV 51.4% หมายความว่าถ้าคุณทดสอบในเชิงบวก มีโอกาส 51.4% ที่คุณจะป่วยจริงๆ
9. 9 ในการคำนวณค่าพยากรณ์เชิงลบ (NPV) ให้หาร RO ด้วย (RO + LO) ในกรณีข้างต้น เราได้ 810 / (810 + 5) = 99.4% ค่าพยากรณ์เชิงลบบอกเราว่าผู้ที่มีผลการทดสอบเป็นลบจะไม่มีอาการ ในบรรดาคนที่ทดสอบเป็นลบ สัดส่วนใดที่ไม่มีอาการอย่างแท้จริง? HMO ที่ 99.4% หมายความว่าหากคุณทดสอบเป็นลบ มีโอกาส 99.4% ที่คุณจะไม่ป่วย

เคล็ดลับ

• การตรวจคัดกรองที่ดีมีความไวสูงและช่วยระบุผู้ป่วยที่มีอาการ การทดสอบความไวสูงมีประโยชน์ใน การวินิจฉัยแยกโรค โรคหรือสัญญาณถ้าเป็นลบ ("SNOUT": ส่วนเบี่ยงเบนความไว)
• ความแม่นยำ หรือประสิทธิภาพคือเปอร์เซ็นต์ของผลการทดสอบที่กำหนดอย่างแม่นยำโดยการทดสอบ นั่นคือ (บวกจริง + ลบจริง) / ผลการทดสอบโดยรวม = (PI + RO) / (PI + RO + LP + LO)
• ลองวาดตารางฉุกเฉินเพื่อให้ง่ายสำหรับตัวคุณเอง
• โปรดจำไว้ว่าความไวและความจำเพาะเป็นคุณสมบัติที่แท้จริงของการทดสอบที่กำหนด ไม่ ขึ้นอยู่กับกลุ่มประชากรที่กำหนด นั่นคือ หากทำการทดสอบกับกลุ่มประชากรต่างๆ ค่าทั้งสองนี้จะไม่เปลี่ยนแปลง
• การทดสอบการควบคุมที่ดีนั้นมีความเฉพาะเจาะจงสูง ดังนั้นการทดสอบจะไม่ทำผิดพลาดในการระบุผู้ป่วยที่มีอาการ การทดสอบความไวสูงมีประโยชน์ใน การวินิจฉัย โรคหรือสัญญาณหากแสดงผลในเชิงบวก ("SPIN": การอนุมัติเฉพาะ)
• ในทางกลับกัน ค่าพยากรณ์เชิงบวกและค่าพยากรณ์เชิงลบขึ้นอยู่กับระดับความชุกของสัญญาณในกลุ่มประชากรที่เลือก ยิ่งสัญญาณพบน้อย ค่าพยากรณ์เชิงบวกยิ่งต่ำ และค่าพยากรณ์เชิงลบยิ่งสูง (เนื่องจากความชุกจะต่ำกว่าในกรณีที่สัญญาณพบไม่บ่อย) ในทางกลับกัน ยิ่งสัญญาณแสดงบ่อยมากเท่าใด ค่าพยากรณ์เชิงบวกก็จะยิ่งสูงขึ้นและค่าพยากรณ์เชิงลบก็จะยิ่งต่ำลง (เนื่องจากความชุกจะสูงขึ้นในกรณีที่สัญญาณพบบ่อยกว่า)
• พยายามทำความเข้าใจคำจำกัดความเหล่านี้ให้ดี

คำเตือน

• มันง่ายที่จะทำผิดพลาดในการคำนวณเนื่องจากความประมาท ตรวจสอบการคำนวณของคุณอย่างระมัดระวัง ตารางฉุกเฉินจะช่วยคุณในเรื่องนี้