Положительные и отрицательные прогнозные значения

Эта статья требует дополнительных ссылок для проверки . Пожалуйста, помогите улучшить эту статью , добавив цитаты из надежных источников . Материал, не полученный от источника, может быть оспорен и удален.
Найдите источники: «Прогнозные положительные и отрицательные значения» - новости · газеты · книги · ученый · JSTOR ( март 2012 г. ) ( Узнайте, как и когда удалить этот шаблон сообщения )

Положительные и отрицательные прогностические значения - 2

В положительные и отрицательные прогностические значения ( PPV и NPV соответственно) являются пропорции положительных и отрицательных результатов статистических и диагностических тестов , которые истинно положительных и истинные отрицательные результаты, соответственно. ^[1] PPV и NPV описывают эффективность диагностического теста или другого статистического показателя. Высокий результат можно интерпретировать как указание на точность такой статистики. PPV и NPV не являются неотъемлемыми для теста (как истинно положительный показатель и истинно отрицательный показатель ); они зависят также от распространенности . ^[2]И PPV, и NPV могут быть получены с помощью теоремы Байеса .

Хотя иногда используется как синоним, положительная прогностическая ценность обычно относится к тому, что установлено контрольными группами, в то время как вероятность после тестирования относится к вероятности для отдельного человека. Тем не менее, если предтестовая вероятность целевого состояния у человека такая же, как и распространенность в контрольной группе, используемой для установления положительной прогностической ценности, эти два значения численно равны.

При поиске информации статистику PPV часто называют точностью .

Определение [ править ]

Положительная прогностическая ценность (PPV) [ править ]

Положительная прогностическая ценность (PPV) определяется как

{\text{PPV}}={\frac {\text{Number of true positives}}{{\text{Number of true positives}}+{\text{Number of false positives}}}}={\frac {\text{Number of true positives}}{\text{Number of positive calls}}}

где « истинно положительный » - это событие, при котором тест дает положительное предсказание, и субъект имеет положительный результат в соответствии с золотым стандартом , а « ложноположительный » - это событие, когда тест дает положительный прогноз и у испытуемого есть отрицательный результат по золотому стандарту. Идеальное значение PPV при идеальном тесте - 1 (100%), а наихудшее возможное значение - ноль.

В исследованиях случай-контроль PPV необходимо рассчитывать на основе чувствительности , специфичности , но также включая распространенность :

{\text{PPV}}={\frac {{\text{sensitivity}}\times {\text{prevalence}}}{{\text{sensitivity}}\times {\text{prevalence}}+(1-{\text{specificity}})\times (1-{\text{prevalence}})}}

ср. Теорема Байеса

Дополнением PPV является коэффициент ложного обнаружения (FDR):

{\text{FDR}}=1-{\text{PPV}}={\frac {\text{Number of false positives}}{{\text{Number of true positives}}+{\text{Number of false positives}}}}={\frac {\text{Number of false positives}}{\text{Number of positive calls}}}

Отрицательная прогностическая ценность (NPV) [ править ]

Отрицательная прогностическая ценность определяется как:

{\text{NPV}}={\frac {\text{Number of true negatives}}{{\text{Number of true negatives}}+{\text{Number of false negatives}}}}={\frac {\text{Number of true negatives}}{\text{Number of negative calls}}}

где « истинно отрицательный » - это событие, когда тест дает отрицательный прогноз, и субъект имеет отрицательный результат в соответствии с золотым стандартом, а « ложноотрицательный » - это событие, когда тест дает отрицательный прогноз, и субъект имеет положительный результат по золотому стандарту. Для идеального теста, который не возвращает ложных отрицательных результатов, значение NPV равно 1 (100%), а для теста, который не возвращает истинных отрицательных результатов, значение NPV равно нулю.

NPV также можно рассчитать по чувствительности , специфичности и распространенности :

{\text{NPV}}={\frac {{\text{specificity}}\times (1-{\text{prevalence}})}{(1-{\text{sensitivity}})\times {\text{prevalence}}+{\text{specificity}}\times (1-{\text{prevalence}})}}

{\text{NPV}}={\frac {TN}{TN+FN}}

Дополнением к NPV является коэффициент ложных пропусков (FOR):

{\text{FOR}}=1-{\text{NPV}}={\frac {\text{Number of false negatives}}{{\text{Number of true negatives}}+{\text{Number of false negatives}}}}={\frac {\text{Number of false negatives}}{\text{Number of negative calls}}}

Хотя иногда это используется как синоним, отрицательная прогностическая ценность обычно относится к тому, что установлено контрольными группами, в то время как отрицательная вероятность после тестирования, скорее, относится к вероятности для отдельного человека. Тем не менее, если предтестовая вероятность целевого состояния у человека такая же, как и распространенность в контрольной группе, используемая для установления отрицательной прогностической ценности, то эти два значения численно равны.

Отношения [ править ]

На следующей диаграмме показано, как связаны положительная прогностическая ценность , отрицательная прогностическая ценность , чувствительность и специфичность .

		Истинное состояние
	Всего населения	Состояние положительное	Состояние отрицательное	Распространенность =Σ Условие положительное/Σ Общая численность населения	Точность (ACC) =Σ Истинно положительный + Σ Истинно отрицательный/Σ Общая численность населения
Прогнозируемое состояние	Прогнозируемое состояние положительное	Истинно положительный	Ложноположительный результат , ошибка типа I	Положительная прогностическая ценность (PPV), точность =Σ Истинно положительный/Σ Прогнозируемое состояние положительное	Коэффициент ложного обнаружения (FDR) =Σ Ложноположительный/Σ Прогнозируемое состояние положительное
	Прогнозируемое состояние отрицательное	Ложноотрицательный результат , ошибка типа II	Истинно отрицательный	Уровень ложных пропусков (FOR) =Σ Ложноотрицательный/Σ Прогнозируемое состояние отрицательное	Отрицательная прогностическая ценность (NPV) =Σ Истинно отрицательный/Σ Прогнозируемое состояние отрицательное
		Истинно положительный коэффициент (TPR), отзыв , чувствительность , вероятность обнаружения, мощность =Σ Истинно положительный/Σ Условие положительное	Частота ложных срабатываний (FPR), выпадение , вероятность ложной тревоги =Σ Ложноположительный/Σ Условие отрицательное	Отношение положительного правдоподобия (LR +) =TPR/FPR	Отношение диагностических шансов (DOR) =LR +/LR−	F 1 балл = 2 ·Точность · Отзыв/Точность + отзыв
		Уровень ложноотрицательных результатов (FNR), коэффициент промахов =Σ Ложноотрицательный/Σ Условие положительное	Специфичность (SPC), избирательность, истинно отрицательная скорость (TNR) =Σ Истинно отрицательный/Σ Условие отрицательное	Отрицательное отношение правдоподобия (LR−) =FNR/TNR

Обратите внимание, что положительные и отрицательные прогностические значения могут быть оценены только с использованием данных перекрестного исследования или другого популяционного исследования, в котором могут быть получены достоверные оценки распространенности . Напротив, чувствительность и специфичность можно оценить на основе исследований случай-контроль .

Пример работы [ править ]

Предположим, что скрининг-тест на скрытую кровь в кале (FOB) используется у 2030 человек для выявления рака кишечника:

		Пациенты с раком кишечника (подтверждено при эндоскопии )
	Общая численность населения ( население ) = 2030 г.	Состояние положительное	Состояние отрицательное	Распространенность = (TP + FN) / нас. = (20 + 10) / 2030 ≈ 1,48%	Точность (ACC) = (TP + TN) / нас. = (20 + 1820) / 2030 ≈ 90,64%
Фекальные оккультные крови экрана теста исход	Результат теста положительный	Истинно положительный результат (TP) = 20 (2030 × 1,48% × 67%)	Ложноположительный результат (FP) = 180 (2030 × (100% - 1,48%) × (100% - 91%) )	Положительная прогностическая ценность (PPV), точность = TP / (TP + FP) = 20 / (20 + 180) = 10%	Коэффициент ложного обнаружения (FDR) = FP / (TP + FP) = 180 / (20 + 180) = 90,0%
	Результат теста отрицательный	Ложноотрицательный результат (FN) = 10 (2030 × 1,48% × (100% - 67%) )	Истинно отрицательный (TN) = 1820 (2030 × (100% - 1,48%) × 91%)	Уровень ложных пропусков (FOR) = FN / (FN + TN) = 10 / (10 + 1820) ≈ 0,55%	Отрицательная прогностическая ценность (NPV) = TN / (FN + TN) = 1820 / (10 + 1820) ≈ 99,45%
		Истинно положительный показатель (TPR), отзыв , чувствительность = TP / (TP + FN) = 20 / (20 + 10) ≈ 66,7%	Частота ложных срабатываний (FPR), выпадения , вероятность ложной тревоги = FP / (FP + TN) = 180 / (180 + 1820) = 9,0%	Отношение положительного правдоподобия (LR +) знак равно TPR/FPR = (20/30) / (180/2000) ≈ 7,41	Отношение шансов диагностики (DOR) знак равно LR +/LR− ≈ 20,2	F 1 оценка = 2 × точность × отзыв/точность + отзыв ≈ 0,174
		Ложноотрицательный показатель (FNR), процент промахов = FN / (TP + FN) = 10 / (20 + 10) ≈ 33,3%	Специфичность , селективность, истинно отрицательный показатель (TNR) = TN / (FP + TN) = 1820 / (180 + 1820) = 91%	Отрицательное отношение правдоподобия (LR-) знак равно FNR/TNR = (10/30) / (1820/2000) ≈ 0,366

Небольшая положительная прогностическая ценность (PPV = 10%) указывает на то, что многие положительные результаты этой процедуры тестирования являются ложноположительными. Таким образом, необходимо будет отслеживать любой положительный результат с помощью более надежного теста, чтобы получить более точную оценку наличия рака. Тем не менее, такой тест может быть полезен, если он недорогой и удобный. Сила экранного теста FOB заключается в его отрицательной прогностической ценности, которая, если она отрицательна для отдельного человека, дает нам высокую уверенность в том, что его отрицательный результат верен.

Проблемы [ править ]

Другие индивидуальные факторы [ править ]

Обратите внимание, что PPV не является неотъемлемой частью теста - он также зависит от распространенности. ^[2] Из-за большого влияния распространенности на прогностические значения был предложен стандартизированный подход, при котором PPV нормализуется до 50%. ^[3] PPV прямо пропорционален ^{[ сомнительно - обсудить ]} распространенности заболевания или состояния. В приведенном выше примере, если бы в группу испытуемых была включена более высокая доля людей с раком кишечника, тогда PPV, вероятно, был бы выше, а NPV - ниже. Если бы у всех в группе был рак кишечника, PPV было бы 100%, а NPV 0%.

Чтобы преодолеть эту проблему, NPV и PPV следует использовать только в том случае, если соотношение количества пациентов в группе заболевания и количества пациентов в здоровой контрольной группе, используемое для определения NPV и PPV, эквивалентно распространенности заболеваний в исследуемой популяции или, в случае сравнения двух групп болезней, если соотношение количества пациентов в группе болезней 1 и количества пациентов в группе болезней 2 эквивалентно соотношению распространенности двух изучаемых заболеваний. В противном случае положительные и отрицательные отношения правдоподобия более точны, чем NPV и PPV, потому что отношения правдоподобия не зависят от распространенности.

Когда тестируемый человек имеет вероятность наличия заболевания до теста, отличную от контрольной группы, использованной для установления PPV и NPV, PPV и NPV обычно отличаются от положительной и отрицательной пост-тестовых вероятностей с помощью PPV и NPV. относящиеся к вероятностям, установленным контрольными группами, и вероятности после тестирования, относящиеся к вероятностям тестируемого человека (как оцененные, например, с помощью отношений правдоподобия ). В таких случаях предпочтительно изучать большую группу эквивалентных лиц, чтобы установить отдельные положительные и отрицательные прогностические значения для использования теста у таких людей.

Байесовское обновление [ править ]

Теорема Байеса налагает неотъемлемые ограничения на точность скрининговых тестов в зависимости от распространенности заболевания или дотестовой вероятности. Было показано, что система тестирования может выдерживать значительное снижение распространенности, вплоть до определенной четко определенной точки, известной как порог распространенности , ниже которой надежность положительного скринингового теста резко падает. Тем не менее, Balayla et al. ^[4] показали, что последовательное тестирование преодолевает вышеупомянутые байесовские ограничения и, таким образом, повышает надежность скрининговых тестов. Для желаемого положительного прогнозного значения, которое приближается к k, необходимое количество положительных итераций теста n _i составляет:

n_{i}=\lim _{\rho \to k}\left\lceil {\frac {\ln \left[{\frac {\rho (\phi -1)}{\phi (\rho -1)}}\right]}{\ln \left[{\frac {a}{1-b}}\right]}}\right\rceil

где n _i = количество итераций тестирования, необходимых для достижения ρ, желаемой положительной прогностической ценности, a = чувствительность, b = специфичность, φ = распространенность заболевания и k = константа. Следует отметить, что знаменателем приведенного выше уравнения является натуральный логарифм положительного отношения правдоподобия (+ LR).

Различные целевые условия [ править ]

PPV используется для обозначения вероятности того, что в случае положительного результата теста у пациента действительно есть указанное заболевание. Однако может быть более одной причины заболевания, и любая единственная потенциальная причина не всегда может приводить к явному заболеванию, наблюдаемому у пациента. Существует возможность смешивать связанные целевые условия PPV и NPV, такие как интерпретация PPV или NPV теста как наличия заболевания, когда это значение PPV или NPV фактически относится только к предрасположенности к заболеванию.

Примером может служить микробиологический мазок из горла, используемый у пациентов с болью в горле.. Обычно публикации, в которых говорится о PPV мазка из горла, сообщают о вероятности того, что эта бактерия присутствует в горле, а не о том, что пациент заболел обнаруженными бактериями. Если присутствие этой бактерии всегда приводило к боли в горле, то PPV было бы очень полезно. Однако бактерии могут колонизировать людей безвредным образом и никогда не вызывать инфекции или болезни. Боли в горле, возникающие у этих людей, вызваны другими агентами, такими как вирус. В этой ситуации золотой стандарт, использованный в оценочном исследовании, представляет только присутствие бактерий (которые могут быть безвредными), но не причинную бактериальную ангину. Можно доказать, что эта проблема повлияет на положительную прогностическую ценность гораздо больше, чем отрицательную прогностическую ценность. ^[5]Для оценки диагностических тестов, в которых золотой стандарт рассматривает только потенциальные причины заболевания, можно использовать расширение прогностической ценности, называемое этиологической прогностической ценностью . ^[6]^[7]

См. Также [ править ]

Бинарная классификация
Чувствительность и специфичность
Коэффициент ложного обнаружения
Актуальность (информационный поиск)
Приемник-операторская характеристика
Соотношение диагностических шансов
Индекс чувствительности

Ссылки [ править ]

^ Флетчер, Роберт Х. Флетчер; Сюзанна В. (2005). Клиническая эпидемиология: основы (4-е изд.). Балтимор, штат Мэриленд: Липпинкотт Уильямс и Уилкинс. С. 45 . ISBN 0-7817-5215-9.
^ a b Альтман, Д.Г. Блэнд, Дж. М. (1994). «Диагностические тесты 2: Прогностические значения» . BMJ . 309 (6947): 102. DOI : 10.1136 / bmj.309.6947.102 . PMC 2540558 . PMID 8038641 .
^ Хестон, Томас Ф. (2011). «Стандартизация прогностических значений в исследованиях диагностической визуализации» . Журнал магнитно-резонансной томографии . 33 (2): 505, ответ автора 506–7. DOI : 10.1002 / jmri.22466 . PMID 21274995 .
^ Жак Балайла. Байесовское обновление и последовательное тестирование: преодоление выводимых ограничений скрининговых тестов. ArXiv 2020. https://arxiv.org/abs/2006.11641 .
^ Орда, Ульрих; Гуннарссон, Ронни К.; Орда, Сабина; Фицджеральд, Марк; Рофе, Джеффри; Дарган, Анна (2016). «Этиологическая прогностическая ценность экспресс-иммуноанализа для обнаружения антигена Streptococcus группы А из мазков из горла у пациентов с болью в горле» (PDF) . Международный журнал инфекционных болезней . 45 (апрель): 32–5. DOI : 10.1016 / j.ijid.2016.02.002 . PMID 26873279 .
^ Гуннарссон, Ронни К .; Ланке, янв (2002). «Прогностическая ценность микробиологических диагностических тестов при наличии бессимптомных носителей». Статистика в медицине . 21 (12): 1773–85. DOI : 10.1002 / sim.1119 . PMID 12111911 .
^ Гуннарссон, Ронни К. «Калькулятор EPV» . Научное сетевое телевидение .

[1] Флетчер, Роберт Х. Флетчер; Сюзанна В. (2005). Клиническая эпидемиология: основы (4-е изд.). Балтимор, штат Мэриленд: Липпинкотт Уильямс и Уилкинс. С. 45 . ISBN 0-7817-5215-9.

[AltmanBland1994-2] Альтман, Д.Г. Блэнд, Дж. М. (1994). «Диагностические тесты 2: Прогностические значения» . BMJ . 309 (6947): 102. DOI : 10.1136 / bmj.309.6947.102 . PMC 2540558 . PMID 8038641 .

[3] Хестон, Томас Ф. (2011). «Стандартизация прогностических значений в исследованиях диагностической визуализации» . Журнал магнитно-резонансной томографии . 33 (2): 505, ответ автора 506–7. DOI : 10.1002 / jmri.22466 . PMID 21274995 .

[4] Жак Балайла. Байесовское обновление и последовательное тестирование: преодоление выводимых ограничений скрининговых тестов. ArXiv 2020. https://arxiv.org/abs/2006.11641 .

[5] Орда, Ульрих; Гуннарссон, Ронни К.; Орда, Сабина; Фицджеральд, Марк; Рофе, Джеффри; Дарган, Анна (2016). «Этиологическая прогностическая ценность экспресс-иммуноанализа для обнаружения антигена Streptococcus группы А из мазков из горла у пациентов с болью в горле» (PDF) . Международный журнал инфекционных болезней . 45 (апрель): 32–5. DOI : 10.1016 / j.ijid.2016.02.002 . PMID 26873279 .

[6] Гуннарссон, Ронни К .; Ланке, янв (2002). «Прогностическая ценность микробиологических диагностических тестов при наличии бессимптомных носителей». Статистика в медицине . 21 (12): 1773–85. DOI : 10.1002 / sim.1119 . PMID 12111911 .

[7] Гуннарссон, Ронни К. «Калькулятор EPV» . Научное сетевое телевидение .

[1]