Editverse gratis rekenmachine
Calculator voor diagnostische nauwkeurigheid
Zet een 2×2 test-versus-waarheidstabel om in sensitiviteit, specificiteit, voorspellende waarden en likelihood ratio's, en herbereken vervolgens de PPV en NPV bij de prevalentie van uw doelpopulatie. Lees hieronder een volledige interpretatiehandleiding. Gevalideerd met R 4.3.3.
In eenvoudige woorden
Diagnostische nauwkeurigheid beschrijft hoe goed een test onderscheid maakt tussen mensen met een aandoening en mensen zonder. Gevoeligheid is het percentage mensen met een daadwerkelijke aandoening dat de test correct detecteert; specificiteit is het percentage mensen met een daadwerkelijke aandoening dat de test correct detecteert. Beide zijn eigenschappen van de test zelf en veranderen niet met de frequentie van de aandoening.
Wat een arts doorgaans wil weten, is echter het omgekeerde: gegeven een positief resultaat, hoe waarschijnlijk is de ziekte? Dat is de positief voorspellende waarde , en in tegenstelling tot de sensitiviteit is deze sterk afhankelijk van de prevalentie . Dezelfde test is veel minder overtuigend wanneer de aandoening zeldzaam is. Likelihood ratio's combineren sensitiviteit en specificiteit tot één prevalentie-onafhankelijke maatstaf voor de mate waarin een resultaat de kans op de ziekte beïnvloedt.
Wanneer diagnostische nauwkeurigheidsmetingen te gebruiken?
Gebruik deze maatstaven wanneer u een test met een binair resultaat evalueert ten opzichte van een referentiestandaard ("gouden standaard"). Rapporteer de sensitiviteit en specificiteit om de test te karakteriseren, de voorspellende waarde om de prestaties in een populatie met een bepaalde prevalentie te beschrijven, en de likelihood ratio wanneer u een maatstaf wilt die in verschillende contexten toepasbaar is.
Als de test een continue score oplevert in plaats van een ja/nee-resultaat, vat dan de discriminatie samen met een ROC-curve en AUC , en kies een drempelwaarde bewust. Geef altijd een 95% -betrouwbaarheidsinterval voor elke proportie en vermeld de prevalentie die is gebruikt voor voorspellende waarden, zodat lezers deze kunnen herinterpreteren voor hun eigen context. Weet u niet zeker welke maatstaf u moet rapporteren? Onze interactieve testselector kan u helpen.
tp <- {tp}; fp <- {fp}; fn <- {fn}; tn <- {tn} sens <- tp/(tp+fn); spec <- tn/(tn+fp) c(sensitivity = sens, specificity = spec)Gebruikershandleiding
Wanneer te gebruiken? Evalueer de prestaties van de diagnostische test aan de hand van een vergelijking van het testresultaat met de werkelijke ziektestatus (2x2).
Aannames. Een geldige referentiestandaard (gouden standaard) classificeert de werkelijke ziektestatus.
Veelgemaakte fouten. De positief voorspellende waarde (PPV) en negatief voorspellende waarde (NPV) zijn sterk afhankelijk van de prevalentie van de ziekte: rapporteer deze.
Uitgewerkt voorbeeld
Klik hierboven op 'Voorbeeldgegevens laden' en vervolgens op 'Analyse uitvoeren' om een volledig uitgewerkt resultaat te zien met grafiek, formule en interpretatie voor deze test.
Referenties
- Altman DG, Bland JM. Diagnostische tests 1: sensitiviteit en specificiteit. BMJ. 1994;308:1552.
PPV en NPV bij de prevalentie in uw doelpopulatie
De PPV en NPV in de bovenstaande uitvoer gebruiken de prevalentie in uw 2×2-tabel, (TP + FN) / N. Om te zien hoe de test presteert in gebieden waar de aandoening vaker of minder vaak voorkomt, voert u de prevalentie van die populatie in. De stelling van Bayes geeft PPV = Se·P / [Se·P + (1 − Sp)(1 − P)] en NPV = Sp(1 − P) / [Sp(1 − P) + (1 − Se)P].
Uitgewerkte voorbeelden
Voorbeeld 1 — Het lezen van een 2×2-tabel
Met 90 ware positieven, 10 vals negatieven, 80 ware negatieven en 20 vals positieven is de sensitiviteit 90/100 = 90% en de specificiteit 80/100 = 80%. De positief voorspellende waarde is echter afhankelijk van de prevalentie: in deze evenwichtige steekproef is deze 90/110 = 82%, maar in een screeningspopulatie met een lage prevalentie zou deze veel lager liggen.
Voorbeeld 2 — Waarom waarschijnlijkheidsverhoudingen nuttig zijn
Een positieve likelihood ratio van 4.5 (sensitiviteit 0.90 / [1 − specificiteit 0.80]) betekent dat een positief resultaat 4.5 keer waarschijnlijker is bij een ziek persoon dan bij een niet-ziek persoon. Door de odds vóór de test te vermenigvuldigen met deze ratio, verkrijgt men de odds ná de test, ongeacht de prevalentie in de betreffende setting.
Aannames om te controleren
Een betrouwbare referentiestandaard. Gevoeligheid en specificiteit zijn slechts zo goed als de gouden standaard die wordt gebruikt om de werkelijke ziektestatus te classificeren. Een onvolmaakte referentiestandaard verstoort elke meting.
Representatief spectrum van patiënten. De testprestaties, gemeten bij duidelijk zieke versus duidelijk gezonde mensen, overschatten de nauwkeurigheid in vergelijking met de ambigue gevallen die in de praktijk voorkomen (spectrumbias).
De prevalentie wordt vermeld voor de voorspellende waarden. PPV en NPV zijn geen eigenschappen van de test; ze variëren met de prevalentie. Vermeld altijd de prevalentie waarbij ze zijn berekend.
Veelgemaakte fouten
Het verwarren van voorspellende waarde met gevoeligheid.
De sensitiviteitstest beantwoordt de vraag: "Gegeven de ziekte, zal de test dan positief zijn?" De voorspellende waarde beantwoordt de omgekeerde vraag: "Gegeven een positieve test, is er dan sprake van de ziekte?" Ze zijn niet uitwisselbaar.
Het negeren van de prevalentie
Zelfs een zeer gevoelige, specifieke test kan nog steeds grotendeels vals-positieve resultaten opleveren wanneer de aandoening zeldzaam is. Interpreteer voorspellende waarden altijd in het licht van de prevalentie.
Het weglaten van betrouwbaarheidsintervallen
Elke verhouding is een schatting. Vermeld een 95% -betrouwbaarheidsinterval , vooral wanneer de celwaarden klein zijn.
Een continue test dwingen tot één afkapwaarde.
Als de test een continue score geeft, verbergt een enkele 2×2-tabel de volledige prestatie ervan. Gebruik een ROC-analyse en onderbouw de gekozen drempelwaarde.
Veelgestelde Vragen / FAQ
Wat is het verschil tussen sensitiviteit en specificiteit?
De sensitiviteit is het percentage ware positieve resultaten onder zieke mensen; de specificiteit is het percentage ware negatieve resultaten onder gezonde mensen. Een test kan sterk zijn op het ene en zwak op het andere.
Waarom verandert de voorspellende waarde met de prevalentie?
Omdat de voorspellende waarde afhangt van het aantal werkelijke gevallen in de geteste populatie. Hoe zeldzamer de ziekte, hoe meer positieve resultaten vals-positief zijn, waardoor de positieve voorspellende waarde lager wordt.
Wat is een likelihood ratio?
Het is de factor waarmee een testresultaat de kans op een ziekte beïnvloedt. Een positieve likelihood ratio boven de 10 is sterk bewijs voor de ziekte; een negatieve ratio onder de 0.1 is sterk bewijs tegen de ziekte.
Komt het resultaat overeen met dat van SPSS, R en Stata?
Ja. De rekenmachine gebruikt de standaard 2×2-formules voor elke meting en toont de exacte R-opdracht, zodat u deze kunt reproduceren.
Gerelateerde rekenmachines
Referenties
- Buderer, New Mexico. Statistische methodologie: het meenemen van de prevalentie van de ziekte in de berekening van de steekproefomvang voor sensitiviteit en specificiteit. Acad Emerg Med. 1996;3(9):895–900. PMID 8870764.
- Thomas R, Mengersen K, Parikh RS, et al. Maak kennis met de dominee: een inleiding tot en toepassing van de stelling van Bayes in de klinische oogheelkunde. Clin Exp Ophthalmol. 2011;39(9):865–870. PMID 21575118.
- Altman DG, Bland JM. Diagnostische tests 1: sensitiviteit en specificiteit. BMJ. 1994, 308 (6943) 1552.
Heeft u deze analyse nodig voor uw manuscript?
Onze biostatistici met een doctoraat berekenen uw sensitiviteit, specificiteit, voorspellende waarden en likelihood ratio's met betrouwbaarheidsintervallen, en leveren publicatieklare tabellen met reproduceerbare R-output.