เครื่องคิดเลขฟรีของ Editverse

เครื่องคำนวณอัตราส่วนความน่าจะเป็นและโนโมแกรมของฟากัน

แปลงค่าความไวและความจำเพาะ หรือตาราง 2x2 ให้เป็น LR+ และ LR- จากนั้นย้ายค่าความน่าจะเป็นก่อนการทดสอบไปยังค่าความน่าจะเป็นหลังการทดสอบบนโนโมแกรมของฟากัน ใช้งานได้ฟรี พร้อมช่วงความเชื่อมั่น 95% เมื่อคุณป้อนจำนวนนับ

ในคำง่ายๆ

ผลการตรวจที่เป็นบวกหรือลบเพียงอย่างเดียวไม่ได้บอกโอกาสการเกิดโรคโดยตรง โอกาสนั้นขึ้นอยู่กับว่าก่อนการตรวจมีโอกาสเกิดโรคมากน้อยเพียงใด อัตราส่วนความน่าจะเป็น (LR) บอกว่าผลการตรวจเปลี่ยนแปลงโอกาสเริ่มต้นนั้นไปมากน้อยเพียงใด ค่า LR+ ที่มากกว่า 1 จะเพิ่มความน่าจะเป็น และค่า LR- ที่ต่ำกว่า 1 จะลดความน่าจะเป็นลง

ป้อนผลการทดสอบและค่าความน่าจะเป็นก่อนการทดสอบ เครื่องคำนวณจะแสดงค่าความน่าจะเป็นหลังการทดสอบ ทั้งในกรณีที่ผลเป็นบวกและลบ และวาดแผนภูมิโนโมแกรมของฟากัน เพื่อให้คุณเห็นเส้นกราฟจากก่อนการทดสอบไปยังหลังการทดสอบ

ควรใช้เครื่องคำนวณอัตราส่วนความน่าจะเป็นเมื่อใด

ใช้เมื่อคุณต้องการตีความผลการทดสอบวินิจฉัยโรคสำหรับผู้ป่วยหรือประชากรที่มีความน่าจะเป็นก่อนการทดสอบแตกต่างจากงานวิจัยที่รายงานความแม่นยำของการทดสอบ ความไวและความจำเพาะอธิบายถึงการทดสอบ ไม่ได้ให้ความน่าจะเป็นที่บุคคลใดบุคคลหนึ่งจะเป็นโรค อัตราส่วนความน่าจะเป็นช่วยเติมเต็มช่องว่างนั้น เพราะเป็นการรวมเอาทั้งสองมาตรวัดเข้าด้วยกันและสามารถนำไปใช้กับความน่าจะเป็นก่อนการทดสอบใดๆ ก็ได้

นอกจากนี้ยังเป็นประโยชน์ในการเขียนด้วย หากคุณกำลังเตรียมเอกสารเกี่ยวกับความแม่นยำในการวินิจฉัย การทบทวนอย่างเป็นระบบ หรือกรณีศึกษาทางคลินิก คุณสามารถรายงานค่า LR+ และ LR- พร้อมช่วงความเชื่อมั่น และแสดงให้เห็นว่าผลลัพธ์เปลี่ยนแปลงความน่าจะเป็นอย่างไรในช่วงความชุกต่างๆ ป้อนตาราง 2x2 เพื่อให้ได้ช่วงความเชื่อมั่น หรือป้อนค่าความไวและความจำเพาะ หรือค่า LR ที่ทราบแล้ว เพื่อให้ได้ค่าประมาณแบบจุด

tp <- {tp}; fp <- {fp}; fn <- {fn}; tn <- {tn}; pretest <- {pretest} # ความน่าจะเป็นก่อนการทดสอบ, % ถ้า (any(c(tp, fp, fn, tn) == 0)) { tp <- tp + .5; fp <- fp + .5; fn <- fn + .5; tn <- tn + .5 } # การแก้ไขเซลล์ศูนย์ sens <- tp/(tp+fn); spec <- tn/(tn+fp) # จาก sens/spec แทน: sens <- {sens}/100; spec <- {spec}/100 lrp <- sens/(1-spec); lrn <- (1-sens)/spec # จาก LRs แทน: lrp <- {lrp}; lrn <- {lrn} se_p <- sqrt(1/tp - 1/(tp+fn) + 1/fp - 1/(fp+tn)); se_n <- sqrt(1/fn - 1/(tp+fn) + 1/tn - 1/(fp+tn)) ci <- function(l, se) exp(log(l) + c(-1, 1) * qnorm(0.975) * se) odds <- (pretest/100) / (1 - pretest/100) post <- function(l) { o <- odds * l; 100 * o / (1 + o) } รายการ(LRplus = c(lrp, ci(lrp, se_p)), LRminus = c(lrn, ci(lrn, se_n)), post_positive = post(lrp), post_negative = post(lrn))

ตัวอย่างการใช้งาน

พิจารณาตาราง 2x2 ที่มีค่าบวกจริง 80 ค่า ค่าบวกเท็จ 20 ค่า ค่าลบเท็จ 15 ค่า และค่าลบจริง 85 ค่า ความไว (Sensitivity) คือ 84.21% และความจำเพาะ (Specificity) คือ 80.95% อัตราส่วนความน่าจะเป็นบวก (LR+) คือ 4.42 (ช่วงความเชื่อมั่น 95% คือ 2.95 ถึง 6.62) และอัตราส่วนความน่าจะเป็นลบ (LR-) คือ 0.195 (ช่วงความเชื่อมั่น 95% คือ 0.12 ถึง 0.31)

ด้วยความน่าจะเป็นก่อนการทดสอบ 20% (อัตราต่อรองก่อนการทดสอบ 0.25) ผลลัพธ์ที่เป็นบวกจะให้ความน่าจะเป็นหลังการทดสอบ 52.5% เพิ่มขึ้น 32.5 จุดเปอร์เซ็นต์ ผลลัพธ์ที่เป็นลบจะให้ความน่าจะเป็น 4.65% ลดลง 15.35 จุด การทดสอบเดียวกันนี้ที่ความน่าจะเป็นก่อนการทดสอบอื่น ๆ จะให้ค่าหลังการทดสอบที่แตกต่างกัน:

• ก่อนตรวจ 1%: หลังผลตรวจเป็นบวก 4.27% หลังผลตรวจเป็นลบ 0.20%
• ก่อนตรวจ 5%: หลังผลตรวจเป็นบวก 18.88% หลังผลตรวจเป็นลบ 1.02%
• ก่อนตรวจ 10%: หลังผลตรวจเป็นบวก 32.94% หลังผลตรวจเป็นลบ 2.12%
• ก่อนตรวจ 50%: หลังผลตรวจเป็นบวก 81.55% หลังผลตรวจเป็นลบ 16.32%

ตัวอย่างที่สองแสดงให้เห็นกฎเซลล์ศูนย์ หากมีผลบวกจริง 25 ราย ผลบวกเท็จ 0 ราย ผลลบเท็จ 5 ราย และผลลบจริง 70 ราย ค่า LR+ จะเป็นอนันต์ เครื่องคำนวณจะเพิ่ม 0.5 ให้กับทุกเซลล์ก่อนคำนวณ ซึ่งจะได้ค่า LR+ เท่ากับ 116.81 (ช่วงความเชื่อมั่น 95% 7.34 ถึง 1858.24) และ LR- เท่ากับ 0.18 (ช่วงความเชื่อมั่น 95% 0.08 ถึง 0.38) ที่ความน่าจะเป็นก่อนการทดสอบ 10% จะได้ผลลัพธ์ 92.85% หลังจากผลเป็นบวก และ 1.95% หลังจากผลเป็นลบ ช่วงความเชื่อมั่นที่กว้างมากนี้แสดงให้เห็นอย่างตรงไปตรงมาว่า การแก้ไขเป็นเพียงข้อตกลง และข้อมูลไม่สามารถระบุค่า LR+ ได้อย่างแม่นยำเนื่องจากมีผลบวกเท็จน้อยมาก ค่าความไวและความจำเพาะแสดงไว้โดยไม่แก้ไข

ข้อสมมติฐานที่ต้องตรวจสอบ

• ค่า LR เหล่านี้ใช้กับผู้ป่วยของคุณ โดยทั่วไปแล้ว อัตราส่วนความน่าจะเป็น (LR) มักถูกมองว่าคงที่ในทุกสถานการณ์และทุกกลุ่มโรค แต่ในทางปฏิบัติ อัตราส่วนความน่าจะเป็นอาจแตกต่างกันไปตามลักษณะของผู้ป่วย ดังนั้น LR จากกลุ่มผู้ป่วยที่ได้รับการส่งต่อจากผู้เชี่ยวชาญ อาจไม่ตรงกับกลุ่มผู้ป่วยที่ได้รับการดูแลในระดับปฐมภูมิ
• ความน่าจะเป็นก่อนการทดสอบอยู่ในระดับที่สมเหตุสมผล ผลการทดสอบหลังการทดสอบจะดีได้ก็ต่อเมื่อข้อมูลที่ป้อนเข้าไปนั้นดีเท่านั้น เครื่องคิดเลขจะไม่นำความไม่แน่นอนของค่าก่อนการทดสอบมาส่งผลต่อคำตอบ
• การทดสอบเป็นอิสระต่อกัน การเชื่อมโยงค่า LR โดยการคูณนั้นถือว่าการทดสอบเป็นอิสระต่อกันโดยมีเงื่อนไขเมื่อพิจารณาจากสถานะของโรค การทดสอบที่มีความสัมพันธ์กัน เช่น วิธีการถ่ายภาพสองวิธีที่ตรวจสอบคุณลักษณะเดียวกัน จะทำให้ผลรวมที่ได้นั้นสูงเกินจริง
• มาตรฐานอ้างอิงนั้นถูกต้องแล้ว ข้อผิดพลาดในมาตรฐานอ้างอิงส่งผลต่อความไว ความจำเพาะ และอัตราส่วนความน่าจะเป็น (LR) ทั้งสองแบบ
• ช่วงเวลาดังกล่าวเป็นค่าโดยประมาณ ช่วงความเชื่อมั่น 95% ใช้ระเบียบวิธีลอการิทึม และใช้ได้เฉพาะเมื่อคุณป้อนค่าจำนวนนับเท่านั้น ค่าที่ได้จะเป็นเพียงค่าประมาณในกรณีที่ค่าในช่องเล็กๆ

ข้อผิดพลาดทั่วไป

การพิจารณา LR+ เป็นความน่าจะเป็น

ค่า LR+ ที่ 4.42 ไม่ได้หมายความว่ามีโอกาส 4.42% แต่เป็นการคูณอัตราต่อรองก่อนการทดสอบ ควรแปลงความน่าจะเป็นเป็นอัตราต่อรอง คูณ แล้วแปลงกลับ หรือปล่อยให้โนโมแกรมทำการคำนวณให้

การคูณความน่าจะเป็นด้วย LR

การคูณนี้ใช้กับอัตราต่อรอง ไม่ใช่ความน่าจะเป็น ที่ความน่าจะเป็นก่อนการทดสอบ 20% อัตราต่อรองคือ 0.25 และการคูณด้วย 4.42 จะได้อัตราต่อรองที่สอดคล้องกับ 52.5% ซึ่งไม่ใช่ความน่าจะเป็นที่คำนวณโดยการปรับขนาด 20% โดยตรง

การเพิกเฉยต่อความแพร่หลาย

ค่า LR+ เดียวกันนี้จะเปลี่ยนความน่าจะเป็นก่อนการทดสอบ 1% เป็น 4.27% และความน่าจะเป็นก่อนการทดสอบ 50% เป็น 81.55% ผลลัพธ์ที่เป็นบวกไม่ได้น่าเชื่อถือเท่ากันในทุกสถานการณ์

การอ่านผลลัพธ์เซลล์ศูนย์อย่างแม่นยำ

เมื่อค่าในเซลล์เป็นศูนย์ การแก้ไขด้วยค่า 0.5 จะทำให้ค่า LR มีค่าจำกัด แต่ช่วงความเชื่อมั่นจะกว้างมาก ควรรายงานช่วงความเชื่อมั่นและหลีกเลี่ยงการระบุเฉพาะค่าประมาณจุดเพียงอย่างเดียว

การทดสอบแบบเชื่อมโยงที่มีความสัมพันธ์กัน

การคูณค่า LR จากการทดสอบที่ให้ข้อมูลร่วมกันจะนับหลักฐานซ้ำซ้อน ตรวจสอบความเป็นอิสระก่อนนำมารวมกัน

คำถามที่พบบ่อย (FAQs)

อัตราส่วนความน่าจะเป็นคืออะไร?

LR+ คือค่าความไวหารด้วย (1 – ค่าความจำเพาะ) LR- คือ (1 – ค่าความไว) หารด้วยค่าความจำเพาะ แต่ละค่าใช้เปรียบเทียบความถี่ของการเกิดผลลัพธ์ในผู้ที่เป็นโรคกับผู้ที่ไม่เป็นโรค

อ่านแผนภูมิโนโมแกรมของฟากันอย่างไร?

ทำเครื่องหมายความน่าจะเป็นก่อนการทดสอบบนแกนซ้าย และค่า LR บนแกนกลาง ลากเส้นตรงผ่านทั้งสองจุดไปยังความน่าจะเป็นหลังการทดสอบบนแกนขวา เครื่องคำนวณจะวาดเส้นหนึ่งเส้นสำหรับ LR+ และอีกเส้นหนึ่งสำหรับ LR-

อะไรคือสิ่งที่ถือว่าเป็น LR ขนาดใหญ่?

ผลลัพธ์จากเครื่องคำนวณใช้เกณฑ์มาตรฐานทั่วไป ค่า LR+ ที่สูงกว่า 10 หรือค่า LR- ที่ต่ำกว่า 0.1 แสดงถึงการเปลี่ยนแปลงที่มาก ค่า LR+ ระหว่าง 5 ถึง 10 และค่า LR- ระหว่าง 0.1 ถึง 0.2 แสดงถึงการเปลี่ยนแปลงปานกลาง ค่า LR+ ระหว่าง 2 ถึง 5 และค่า LR- ระหว่าง 0.2 ถึง 0.5 แสดงถึงการเปลี่ยนแปลงเล็กน้อย ค่าที่ใกล้เคียงกับ 1 แสดงถึงการเปลี่ยนแปลงน้อยที่สุด

ทำไมเครื่องคิดเลขถึงบวก 0.5 เข้าไปในตาราง?

ถ้าเซลล์ใดเซลล์หนึ่งเป็นศูนย์ ค่า LR+ หรือ LR- จะไม่ถูกกำหนดหรือเป็นอนันต์ การเพิ่ม 0.5 ให้กับทั้งสี่เซลล์เป็นการแก้ไขความต่อเนื่องมาตรฐาน โดยจะใช้เฉพาะกับค่า LR และช่วงของค่า LR เท่านั้น และจะระบุไว้ในผลลัพธ์

ฉันสามารถใส่ค่าความไวและความจำเพาะแทนจำนวนนับได้หรือไม่?

ใช่ คุณจะได้รับค่าประมาณจุดสำหรับ LR+, LR- และความน่าจะเป็นหลังการทดสอบ แต่จะไม่ได้รับช่วงความเชื่อมั่น เนื่องจากช่วงความเชื่อมั่นจำเป็นต้องใช้จำนวนนับในแต่ละเซลล์

สิ่งนี้สามารถใช้แทนการตัดสินใจทางคลินิกได้หรือไม่?

ไม่ มันช่วยสนับสนุนการตีความผลการทดสอบ ความน่าจะเป็นก่อนการทดสอบและความเหมาะสมของค่า LR ยังคงเป็นดุลยพินิจของแพทย์หรือนักวิจัย

เครื่องคำนวณที่เกี่ยวข้อง

เครื่องคำนวณเส้นโค้ง ROC และ AUC เครื่องคำนวณความแม่นยำในการวินิจฉัยความไว ความจำเพาะ และค่าพยากรณ์เครื่องคำนวณความชุก เครื่องคำนวณช่วงความเชื่อมั่น เครื่องคำนวณอัตราส่วนความเสี่ยงและความเสี่ยงสัมพัทธ์

อ้างอิง

1. Fagan TJ. จดหมาย: โนโมแกรมสำหรับทฤษฎีบทของเบย์ส N Engl J Med. 1975. PMID 1143310
2. Deeks JJ, Altman DG. การทดสอบวินิจฉัย 4: อัตราส่วนความน่าจะเป็น BMJ. 2004. PMID 15258077
3. Jaeschke R, Guyatt GH, Sackett DL. คู่มือผู้ใช้สำหรับเอกสารทางการแพทย์ III. วิธีการใช้บทความเกี่ยวกับการทดสอบวินิจฉัยโรค B. ผลลัพธ์คืออะไร และจะช่วยฉันในการดูแลผู้ป่วยหรือไม่? JAMA. 1994. PMID 8309035
4. Simel DL, Samsa GP, Matchar DB. อัตราส่วนความน่าจะเป็นพร้อมความเชื่อมั่น: การประมาณขนาดตัวอย่างสำหรับการศึกษาการทดสอบวินิจฉัยโรค J Clin Epidemiol. 1991. PMID 1941027

ต้องการให้วิเคราะห์ข้อมูลนี้สำหรับต้นฉบับของคุณหรือไม่?

ต้องการความช่วยเหลือในการรายงานอัตราส่วนความน่าจะเป็น ช่วงความเชื่อมั่น และความน่าจะเป็นหลังการทดสอบในงานวิจัยเกี่ยวกับความแม่นยำในการวินิจฉัยโรคหรือไม่? นักสถิติของ Editverse สามารถตรวจสอบการวิเคราะห์ของคุณและเขียนส่วนผลลัพธ์ให้ได้

รับการตีความผลลัพธ์ทางสถิติ