作者:
William Ramirez
创建日期:
24 九月 2021
更新日期:
1 七月 2024
内容
在对给定人群进行的任何测试中，重要的是要计算 灵敏度, 特异性, 阳性预测值 和 阴性预测值 为了确定该测试在诊断特定人群的疾病或特征方面的有用性。如果我们想使用这个测试来调查选定人群的特征，我们需要知道：
- 检测的可能性有多大 可用性 在人类中的迹象 和 特征 （灵敏度)?
- 检测的可能性有多大 缺席 在人类中的迹象 没有 特征 （特异性)?
- 一个人的概率是多少 积极的 测试结果实际上是 有 标志（阳性预测值)?
- 一个人的概率是多少 消极的 测试结果实际上是 不 标志（阴性预测值)?
计算这些值非常重要，以便 确定测试是否有助于评估特定人群的特征...在本文中，我们将向您展示如何计算这些值。
脚步
方法 1（共 1 个）：自己算数
1 构建一个总体样本，例如诊所的 1000 名患者。
2 确定您正在研究的疾病或体征，例如梅毒。
3 进行可靠的金标准测试，以确定疾病或体征的流行程度，例如有关细菌存在的信息 苍白密螺旋体，考虑到临床图片，使用暗视野显微镜获得。 使用黄金标准测试来确定谁有，谁没有。为清楚起见，让我们假设 100 名受试者拥有它们，但 900 名没有。 
4 设计对感兴趣人群的敏感性、特异性、阳性预测值和阴性预测值的检验，并测试总体样本。 例如，假设这是梅毒的快速血浆试剂 (RPR) 测试。用它来抽样 1000 人。 
5 在有症状的人中（由金标准确定），写下结果为阳性和阴性的人数。 以相同的方式测试没有迹象的人（由黄金标准确定）。您将收到四位数字。有症状且结果呈阳性的人是 真阳性 (PI)...有症状和阴性结果的人是 假阴性 (LO)...没有迹象和阳性结果的人是 误报 (LP)...没有迹象和阴性结果的人是 真阴性 (IR)...为清楚起见，假设您在 RPR 上测试了 1000 名患者。 100 名梅毒患者中有 95 名检测呈阳性，5 人呈阴性。在没有梅毒的 900 名患者中，90 名检测呈阳性，810 名呈阴性。在这种情况下，PI = 95、LO = 5、LP = 90 和 IO = 810。 
6 要计算灵敏度，请将 PI 除以 (PI + LO)。 在上述情况下，我们得到 95 / (95 + 5) = 95%。敏感性告诉我们测试在有症状的人中呈阳性的可能性有多大。在有症状的人中，检测呈阳性的比例是多少？ 95% 的灵敏度已经相当不错了。 
7 要计算特异性，将 RO 除以 (LP + RO)。 在上述情况下，我们得到 810 / (90 + 810) = 90%。特异性告诉我们一项测试在没有症状的人中测试为阴性的可能性有多大。在没有症状的人群中，有多少比例会得到阴性结果？ 90% 的特异性非常好。 
8 要计算阳性预测值 (PPV)，请将 PI 除以 (PI + LP)。 在上述情况下，我们得到 95 / (95 + 90) = 51.4%。阳性预测值告诉我们检测结果呈阳性的人出现症状的可能性有多大。在检测呈阳性的人中，实际出现症状的比例有多少？ 51.4% 的 PPV 意味着如果您测试呈阳性，那么您实际上生病的可能性为 51.4%。 
9 要计算阴性预测值 (NPV)，请将 RO 除以 (RO + LO)。 在上述情况下，我们得到 810 / (810 + 5) = 99.4%。阴性预测值告诉我们测试结果为阴性的人没有症状的可能性。在检测结果为阴性的人中，真正无症状的比例有多少？ 99.4% 的 HMO 意味着如果您测试为阴性，则您没有生病的可能性为 99.4%。
提示
- 良好的筛查测试高度敏感，有助于识别有症状的患者。高灵敏度测试可用于 鉴别诊断 疾病或体征，如果它们是阴性的。 （“SNOUT”：灵敏度偏差）
- 准确性 或功效是测试准确建立的测试结果的百分比，即（真阳性+真阴性）/总体测试结果=（PI + RO）/（PI + RO + LP + LO）。
- 试着画一个列联表，让自己更容易。
- 请记住，敏感性和特异性是给定测试的内在属性， 不是 取决于给定的人群，即如果在不同的人群上进行测试，这两个值应该保持不变。
- 良好的对照试验具有很高的特异性，因此试验不会在识别有症状的患者时出错。高灵敏度测试可用于 诊断 疾病或体征，如果它们显示出阳性结果。 （“SPIN”：批准特异性）
- 另一方面，阳性预测值和阴性预测值取决于所选人群中体征的流行程度。体征越不常见，阳性预测值越低，阴性预测值越高（因为在体征不常见的情况下患病率较低）。相反，体征越频繁，阳性预测值越高，阴性预测值越低（因为在体征更常见的情况下患病率更高）。
- 尝试很好地理解这些定义。
警告
- 由于粗心大意，在计算中很容易出错。仔细检查你的计算。列联表将帮助您解决这个问题。
