Calcolatrice gratuita Editverse
Calcolatore di accuratezza diagnostica
Trasforma una tabella 2×2 di test contro verità in sensibilità, specificità, valori predittivi e rapporti di verosimiglianza, quindi ricalcola il PPV e l'NPV alla prevalenza della tua popolazione target. Leggi la guida completa all'interpretazione qui sotto. Validato rispetto a R 4.3.3.
In parole semplici
L'accuratezza diagnostica descrive la capacità di un test di distinguere le persone affette da una determinata patologia da quelle sane. La sensibilità rappresenta la percentuale di persone effettivamente malate che il test identifica correttamente; la specificità rappresenta la percentuale di persone effettivamente sane che il test esclude correttamente. Entrambe sono proprietà del test stesso e non variano in base alla frequenza della malattia.
Ciò che un medico solitamente desidera, tuttavia, è l'opposto: dato un risultato positivo, qual è la probabilità che la malattia sia presente? Questo è il valore predittivo positivo e, a differenza della sensibilità, dipende fortemente dalla prevalenza . Lo stesso test risulta molto meno convincente quando la condizione è rara. I rapporti di verosimiglianza combinano sensibilità e specificità in un'unica misura indipendente dalla prevalenza, che indica di quanto un risultato modifichi le probabilità di malattia.
Quando utilizzare le misure di accuratezza diagnostica
Utilizzate queste misure ogni volta che valutate un test con un risultato binario rispetto a uno standard di riferimento ("gold standard"). Riportate la sensibilità e la specificità per caratterizzare il test, i valori predittivi per descrivere le prestazioni in una popolazione con una prevalenza dichiarata e i rapporti di verosimiglianza quando desiderate una misura applicabile a diversi contesti.
Se il test produce un punteggio continuo anziché un risultato sì/no, riassumete la sua capacità discriminatoria con una curva ROC e l'AUC , e scegliete una soglia in modo ponderato. Indicate sempre un intervallo di confidenza al 95% per ogni proporzione e specificate la prevalenza utilizzata per i valori predittivi, in modo che i lettori possano reinterpretarli nel proprio contesto. Non siete sicuri di quale misura riportare? Il nostro strumento interattivo di selezione dei test può aiutarvi.
tp <- {tp}; fp <- {fp}; fn <- {fn}; tn <- {tn} sens <- tp/(tp+fn); spec <- tn/(tn+fp) c(sensibilità = sens, specificità = spec)Guida utente
Quando utilizzarlo. Valutare le prestazioni dei test diagnostici tramite un'analisi 2×2 del risultato del test rispetto al reale stato della malattia.
Presupposti. Uno standard di riferimento valido (gold standard) classifica il vero stato della malattia.
Errori comuni. Il valore predittivo positivo (VPP) e il valore predittivo negativo (VPN) dipendono fortemente dalla prevalenza della malattia: segnalatela.
Esempio pratico
Fai clic su "Carica dati di esempio" qui sopra, quindi su "Esegui analisi" per visualizzare un risultato completo con grafico, formula e interpretazione per questo test.
Referenze
- Altman DG, Bland JM. Test diagnostici 1: sensibilità e specificità. BMJ. 1994;308:1552.
Valore predittivo positivo (PPV) e valore predittivo negativo (NPV) alla prevalenza nella popolazione target
Il PPV e l'NPV nell'output sopra utilizzano la prevalenza all'interno della tabella 2×2, (TP + FN) / N. Per vedere come si comporta il test dove la condizione è più o meno comune, inserisci la prevalenza di quella popolazione. Il teorema di Bayes fornisce PPV = Se·P / [Se·P + (1 − Sp)(1 − P)] e NPV = Sp(1 − P) / [Sp(1 − P) + (1 − Se)P].
Esempi lavorati
Esempio 1 — Lettura di una tabella 2×2
Con 90 veri positivi, 10 falsi negativi, 80 veri negativi e 20 falsi positivi, la sensibilità è 90/100 = 90% e la specificità è 80/100 = 80%. Il valore predittivo positivo, tuttavia, dipende dalla prevalenza: in questo campione bilanciato è 90/110 = 82%, ma in una popolazione sottoposta a screening a bassa prevalenza sarebbe molto inferiore.
Esempio 2 — Perché i rapporti di verosimiglianza sono utili
Un rapporto di verosimiglianza positivo di 4.5 (sensibilità 0.90 / [1 − specificità 0.80]) significa che un risultato positivo è 4.5 volte più probabile in una persona malata rispetto a una persona sana. Moltiplicando le probabilità pre-test per questo rapporto si ottengono le probabilità post-test, indipendentemente dalla prevalenza nel contesto.
Presupposti da verificare
Uno standard di riferimento affidabile. Sensibilità e specificità sono valide solo nella misura in cui lo standard di riferimento utilizzato per classificare il vero stato della malattia è valido. Un riferimento imperfetto introduce un bias in ogni misurazione.
Spettro rappresentativo di pazienti. Le prestazioni del test misurate in persone chiaramente malate rispetto a persone chiaramente sane sovrastimano l'accuratezza rispetto ai casi ambigui osservati nella pratica (bias di spettro).
La prevalenza indicata si riferisce ai valori predittivi. Il valore predittivo positivo (PPV) e il valore predittivo negativo (NPV) non sono proprietà del test; variano in base alla prevalenza. Riportare sempre la prevalenza alla quale sono stati calcolati.
Errori comuni
Confondere il valore predittivo con la sensibilità
La sensibilità risponde alla domanda "data la presenza della malattia, il test risulterà positivo?". Il valore predittivo risponde alla domanda inversa: "dato un test positivo, è presente la malattia?". Non sono termini intercambiabili.
Ignorare la prevalenza
Anche un test altamente sensibile e specifico può produrre perlopiù falsi positivi quando la condizione è rara. I valori predittivi vanno sempre interpretati alla luce della prevalenza.
Omissione degli intervalli di confidenza
Ogni proporzione è una stima. Riportare un intervallo di confidenza al 95% , soprattutto quando il numero di casi è ridotto.
Forzare un test continuo in un unico punto di interruzione
Se il test fornisce un punteggio continuo, una singola tabella 2×2 non ne mostra appieno le prestazioni. Utilizzare un'analisi ROC e giustificare la soglia scelta.
Domande frequenti
Qual è la differenza tra sensibilità e specificità?
La sensibilità è la percentuale di veri positivi tra le persone malate; la specificità è la percentuale di veri negativi tra le persone sane. Un test può essere efficace in un ambito e debole nell'altro.
Perché il valore predittivo cambia in base alla prevalenza?
Il valore predittivo dipende dal numero di casi reali presenti nella popolazione esaminata. Più rara è la malattia, maggiore è il numero di falsi positivi, con conseguente riduzione del valore predittivo positivo.
Che cos'è un rapporto di verosimiglianza?
È il fattore per cui il risultato di un test modifica la probabilità di contrarre la malattia. Un rapporto di verosimiglianza positivo superiore a 10 è una forte evidenza di malattia; un rapporto negativo inferiore a 0.1 è una forte evidenza contraria.
Il risultato corrisponde a quello ottenuto con SPSS, R e Stata?
Sì. La calcolatrice utilizza le formule standard 2×2 per ogni misura e mostra il comando R esatto in modo che tu possa riprodurlo.
Calcolatori correlati
Referenze
- Buderer, Nuovo Messico. Metodologia statistica: integrazione della prevalenza della malattia nel calcolo della dimensione del campione per la sensibilità e la specificità. Acad Emerg Med1996;3(9):895–900. PMID 8870764.
- Thomas R, Mengersen K, Parikh RS, et al. Ecco il reverendo: introduzione e applicazione del teorema di Bayes in oftalmologia clinica. Clin Exp Ophthalmol2011;39(9):865–870. PMID 21575118.
- Altman DG, Bland JM. Test diagnostici 1: sensibilità e specificità. BMJ. 1994; 308 (6943): 1552.
Hai bisogno di questa analisi per il tuo manoscritto?
I nostri biostatistici con dottorato di ricerca calcolano la sensibilità, la specificità, i valori predittivi e i rapporti di verosimiglianza con intervalli di confidenza, e forniscono tabelle pronte per la pubblicazione con output R riproducibile.
