Что такое чувствительность и специфичность метода
О точности медицинских анализов. Чувствительность и специфичность
Готовимся к лабораторным исследованиям или как правильно сдать анализы
Как сдать анализы. Подготовка к сдаче анализов. Факторы, в.
Давайте представим, что мы придумали некий клинический анализ или тест, который отвечает на простой вопрос: есть или нет заболевание Х. Пусть это будет анализ крови. Начнем проверку нашего теста.
Чувствительно диагностического теста
Проверим, насколько хорошо наш анализ выявляет заболевших. Возьмем 100 пробирок, в которых находится кровь точно больных пациентов.
Проведем наш анализ и выясним, что в 99 случаях тест показал наличие болезни, а в одном случае болезнь не подтвердилась. Еще раз акцентируем внимание, в пробирках кровь пациентов, гарантированно страдающих болезнью Х. При полученных результатах чувствительность нашего теста будет равна 99%.
Мы получили 99 истинно положительных результатов и 1 ложноотрицательный.
Идеальной чувствительностью является стопроцентная чувствительность диагностического теста. Как мы понимаем, в реальности идеал недостижим, но это не значит, что к этому не нужно стремиться.
Специфичность диагностического теста
Как правильно собрать материал для анализов мочи и кала
Сведения об общем клиническом анализе мочи Непосредстве.
Чувствительность и специфичность некоторых диагностических тестов
Ого, да мы создали замечательный тест, который имеет очень хорошую чувствительность и замечательную специфичность. Пришла пора спасать людей от опасной болезни Х.
Итак, мы имеем болезнь Х, с заболеваемостью 100 на 100000 населения. Очевидно, что в городе с населением в 1 миллион человек, 1000 человек болеют болезнью Х.
Один из жителей этого города, узнав о нашем замечательном анализе, имеющем чувствительность 99% и специфичность в 98%, решил сдать анализ. Анализ показал, что у этого жителя города есть болезнь Х.
Вопрос: какова вероятность того, что этот житель города действительно болеет болезнью Х? Попробуйте ответить на этот вопрос. Ниже мы продемонстрируем верное решение этой задачи.
Давайте предположим, что мы решили проверить все население города на зараженность болезнью Х с помощью нашего теста. Исходя из того, что 1% тестов будут иметь ложноотрицательный результат и 2% тестов будут иметь ложноположительный результат, мы получим следующее:
Из каждой сотни исследований мы получим 2 ложноположительных результата. В 1 миллионе 10 тысяч сотен, т.е. мы получим 20 000 ложноположительных результата.
т.е. 20 990 человек получат информацию о том, что по результатам теста они больны. Из них в действительности больны 990 человек, а 20 000 человек получат ложноположительный результат диагностического теста.
т.е. 10 человек из истинно больных получат ложноотрицательный результат. На самом деле они больны, но результат теста говорит об обратном.
Что из этого следует?
Врачи должны будут провести дополнительные тесты, чтобы понять, кто из 20990 человек действительно болен, а кто здоров.
Вероятность того, что человек, получивший результат исследования, говорящий о заболевании, действительно болен, составляет
Другая сторона нашей медали: мы выявили 979 010 людей, которые с очень высокой долей вероятности не больны (вспомним, что среди них есть 10 больных, которых мы не выявили из-за ложноотрицательных результатов диагностического теста).
Здесь может возникнуть вопрос: а как же врачи ставят диагнозы, если даже столь точные тесты как в нашем примере дают столь низкую вероятность того, что человек болен? Все просто и не просто:
Выводы
Введение в доказательную медицину
Читая статьи, и получая консультации на нашем сайте, вы част.
Чувствительность и специфичность математически описывают точность теста, который сообщает о наличии или отсутствии состояния, по сравнению с « золотым стандартом » или определением.
Термины «чувствительность» и «специфичность» были введены американским биостатистом Джейкобом Йерушалми в 1947 году.
СОДЕРЖАНИЕ
Заявка на отборочное исследование
Представьте себе исследование, оценивающее тест, который проверяет людей на наличие болезни. Каждый человек, проходящий тест, либо болен, либо не болен. Результат теста может быть положительным (классифицируя человека как больного) или отрицательным (классифицируя человека как не болеющего). Результаты тестирования по каждому предмету могут совпадать, а могут и не совпадать с фактическим статусом испытуемого. В этой обстановке:
После получения количества истинно-положительных, ложноположительных, истинно-отрицательных и ложноотрицательных результатов можно рассчитать чувствительность и специфичность теста. Если окажется, что чувствительность высока, то любой человек, у которого есть заболевание, скорее всего, будет классифицирован как положительный по результатам теста. С другой стороны, если специфичность высока, любой человек, у которого нет заболевания, скорее всего, будет классифицирован тестом как отрицательный. На веб-сайте NIH есть обсуждение того, как рассчитываются эти отношения.
Определение
Чувствительность
Отрицательный результат теста с высокой чувствительностью полезен для исключения заболевания. Тест с высокой чувствительностью является надежным, если его результат отрицательный, поскольку он редко ставит неправильный диагноз тем, у кого есть болезнь. Тест со 100% чувствительностью распознает всех пациентов с заболеванием по положительному результату. Отрицательный результат теста окончательно исключит наличие заболевания у пациента. Однако положительный результат теста с высокой чувствительностью не обязательно полезен для определения болезни. Предположим, что «фиктивный» тестовый набор всегда дает положительный результат. При использовании на больных пациентах все пациенты дают положительный результат, что дает 100% чувствительность теста. Однако чувствительность не учитывает ложные срабатывания. Поддельный тест также дает положительный результат у всех здоровых пациентов, что дает ему 100% ложноположительный результат, что делает его бесполезным для обнаружения или «управления» заболеванием.
При расчете чувствительности не учитываются неопределенные результаты испытаний. Если тест не может быть повторен, неопределенные образцы либо должны быть исключены из анализа (количество исключений должно быть указано при цитировании чувствительности), либо их можно рассматривать как ложноотрицательные (что дает наихудшее значение чувствительности и, следовательно, может занижать его. ).
Специфичность
Положительный результат теста с высокой специфичностью полезен для определения болезни. У здоровых пациентов тест редко дает положительные результаты. Положительный результат говорит о высокой вероятности наличия заболевания. Тест со 100% специфичностью распознает всех пациентов без заболевания по отрицательному результату, поэтому положительный результат теста определенно будет иметь значение при наличии заболевания. Однако отрицательный результат теста с высокой специфичностью не обязательно полезен для исключения заболевания. Например, тест, который всегда возвращает отрицательный результат теста, будет иметь специфичность 100%, потому что специфичность не учитывает ложноотрицательные результаты. Подобный тест дал бы отрицательный результат для пациентов с этим заболеванием, что сделало бы его бесполезным для лечения болезни.
Тест с более высокой специфичностью имеет более низкую частоту ошибок типа I.
Графическая иллюстрация
Высокая чувствительность и низкая специфичность
Чувствительность и специфичность
Из Википедии — свободной энциклопедии
Клиническая чувствительность и специфичность являются статистическими показателями диагностического теста по выявлению больных и здоровых, выводимых из ошибок первого и второго рода в бинарной классификации. Значения обоих показателей лежат в пределах от 0 до 1.
Для примера можно рассмотреть группу, некоторые члены которой страдают определённым заболеванием, а остальные — нет. Предположим, что существует метод для разграничения этих двух долей, но при этом некоторые из здоровых классифицируются как больные, а некоторые из больных — как здоровые. Под «здоровым» и «больным» будем подразумевать отсутствие или наличие рассматриваемого заболевания. Это иллюстрируется на рисунке ниже «Общая модель чувствительности и специфичности».
Чувствительность = число больных, выявленных данным тестом истинное число больных среди протестированных <\displaystyle <\text<Чувствительность>>=<\frac <\color 
Специфичность = число здоровых, выявленных данным тестом истинное число здоровых среди протестированных <\displaystyle <\text<Специфичность >>=<\frac <\color
Для оценки качества работы любого бинарного теста, то есть теста, который разделяет множество на две части (например, на больных и здоровых), в зависимости от постановки задачи могут использоваться различные комбинации базовых статистических показателей (см. confusion matrix).
Чувствительность и специфичность
ЧУВСТВИТЕЛЬНОСТЬ И СПЕЦИФИЧНОСТЬ (SENSITIVITY AND SPECIFICITY).
Чувствительность — это доля действительно болеющих людей в обследованной популяции, которые по результатам теста выявляются как больные. Чувствительность — это мера вероятности того, что любой случай болезни (состояния) будет идентифицирован с помощью теста. В клинике тест с высокой чувствительностью полезен для исключения диагноза, если результат отрицателен.
Специфичность — это доля тех, у которых тест отрицателен, среди всех людей, не имеющих болезни (состояния). Это мера вероятности правильной идентификации людей, не имеющих болезни, с помощью теста. В клинике тест с высокой специфичностью полезен для включения диагноза в число возможных в случае положительного результата. Отношения состояния и признака показаны в четырехпольной таблице:
Результаты теста Подлинный статус Всего
Положительный а b a + b
Отрицательный c d c + d
Всего a + c b + d a + b + c + d
a. Больные, выявленные с помощью теста (истинно положительные)
b. Здоровые, имеющие положительный результат теста (ложно положительные)
c. Больные, не выявленные с помощью теста (ложно отрицательные)
d. Здоровые, имеющие отрицательный результат теста (подлинно отрицательные)
Чувствительность = а разделенное на (а+с)
Специфичность = d разделенное на (b+d)
Прогностичность положительного результата = а разделенное на (а+b)
Прогностичность отрицательного результата = d разделенное на (с+d)
Прогностичность положительного результата иногда называется «урожаем» (yield).
Чувствительность и специфичность математически описывают точность теста, который сообщает о наличии или отсутствии состояния, по сравнению с « золотым стандартом » или определением.
Термины «чувствительность» и «специфичность» были введены американским биостатистом Джейкобом Йерушалми в 1947 году.
СОДЕРЖАНИЕ
Заявка на отборочное исследование
Представьте себе исследование, оценивающее тест, который проверяет людей на наличие болезни. Каждый человек, проходящий тест, либо болен, либо не болен. Результат теста может быть положительным (классифицируя человека как больного) или отрицательным (классифицируя человека как не болеющего). Результаты тестирования по каждому предмету могут совпадать, а могут и не совпадать с фактическим статусом испытуемого. В этой обстановке:
После получения количества истинно-положительных, ложноположительных, истинно-отрицательных и ложноотрицательных результатов можно рассчитать чувствительность и специфичность теста. Если окажется, что чувствительность высока, то любой человек, у которого есть заболевание, скорее всего, будет классифицирован как положительный по результатам теста. С другой стороны, если специфичность высока, любой человек, у которого нет заболевания, скорее всего, будет классифицирован тестом как отрицательный. На веб-сайте NIH есть обсуждение того, как рассчитываются эти отношения.
Определение
Чувствительность
Отрицательный результат теста с высокой чувствительностью полезен для исключения заболевания. Тест с высокой чувствительностью является надежным, если его результат отрицательный, поскольку он редко ставит неправильный диагноз тем, у кого есть болезнь. Тест со 100% чувствительностью распознает всех пациентов с заболеванием по положительному результату. Отрицательный результат теста окончательно исключит наличие заболевания у пациента. Однако положительный результат теста с высокой чувствительностью не обязательно полезен для определения болезни. Предположим, что «фиктивный» тестовый набор всегда дает положительный результат. При использовании на больных пациентах все пациенты дают положительный результат, что дает 100% чувствительность теста. Однако чувствительность не учитывает ложные срабатывания. Поддельный тест также дает положительный результат у всех здоровых пациентов, что дает ему 100% ложноположительный результат, что делает его бесполезным для обнаружения или «управления» заболеванием.
При расчете чувствительности не учитываются неопределенные результаты испытаний. Если тест не может быть повторен, неопределенные образцы либо должны быть исключены из анализа (количество исключений должно быть указано при цитировании чувствительности), либо их можно рассматривать как ложноотрицательные (что дает наихудшее значение чувствительности и, следовательно, может занижать его. ).
Специфичность
Положительный результат теста с высокой специфичностью полезен для определения болезни. У здоровых пациентов тест редко дает положительные результаты. Положительный результат говорит о высокой вероятности наличия заболевания. Тест со 100% специфичностью распознает всех пациентов без заболевания по отрицательному результату, поэтому положительный результат теста определенно будет иметь значение при наличии заболевания. Однако отрицательный результат теста с высокой специфичностью не обязательно полезен для исключения заболевания. Например, тест, который всегда возвращает отрицательный результат теста, будет иметь специфичность 100%, потому что специфичность не учитывает ложноотрицательные результаты. Подобный тест дал бы отрицательный результат для пациентов с этим заболеванием, что сделало бы его бесполезным для лечения болезни.
Тест с более высокой специфичностью имеет более низкую частоту ошибок типа I.
Графическая иллюстрация
Высокая чувствительность и низкая специфичность