เผยแพร่ | อัปเดตล่าสุด
การทบทวนงานวิจัยของ Cochrane ในปี 2025 ซึ่งรวบรวมการศึกษา 32 ชิ้นและผู้เข้าร่วม 12,529 คน พบว่า Xpert Ultra ซึ่งเป็นการทดสอบระดับโมเลกุลแบบรวดเร็วที่แนะนำสำหรับการวินิจฉัยวัณโรคปอด สามารถระบุผู้ป่วยที่เป็นวัณโรคได้อย่างถูกต้องประมาณ 91 ใน 100 คน และระบุผู้ที่ไม่เป็นวัณโรคได้อย่างถูกต้องประมาณ 95 ใน 100 คน ตัวเลขสองตัวนี้ คือความไวและความจำเพาะอาจฟังดูคล้ายกันสำหรับผู้ที่อ่านเป็นครั้งแรก แต่การสับสนระหว่างตัวเลขทั้งสองนี้เป็นหนึ่งในความผิดพลาดที่ร้ายแรงที่สุดที่แพทย์หรือนักวิจัยอาจทำได้เมื่ออ่านเอกสารเกี่ยวกับการทดสอบวินิจฉัยโรค การทดสอบอาจมีประสิทธิภาพสูงในด้านหนึ่งและปานกลางในอีกด้านหนึ่ง และตัวเลขความแม่นยำที่ระบุไว้ในหัวข้อข่าว มักจะปกปิดความแตกต่างระหว่างด้านหนึ่งกับอีกด้านหนึ่ง
ต่อไปนี้จะอธิบายว่าความไวและความจำเพาะวัดอะไรกันแน่ ค่าการทำนายเชิงบวกและเชิงลบเปลี่ยนแปลงไปอย่างไรเมื่อความชุกของโรคเปลี่ยนไป เหตุใดอัตราส่วนความน่าจะเป็นจึงแก้ปัญหาที่ตัวเลขความแม่นยำดิบๆ ทำไม่ได้ และแบบตรวจสอบ STARD 2015 ช่วยให้เอกสารเกี่ยวกับความแม่นยำในการวินิจฉัยมีความน่าเชื่อถือได้อย่างไร ตาราง 2x2 ที่สร้างขึ้นจากตัวเลขจริงของ Cochrane ข้างต้น จะแสดงการคำนวณด้วยมืออย่างละเอียด เพื่อให้สูตรต่างๆ ไม่ดูเป็นนามธรรมอีกต่อไป
ในคำง่ายๆ
ความไว (Sensitivity) วัดว่าการทดสอบนั้นสามารถตรวจพบผู้ที่มีภาวะนั้นๆ ได้ดีเพียงใด ส่วนความจำเพาะ (Specificity) วัดว่าการทดสอบนั้นสามารถคัดกรองผู้ที่ไม่มีภาวะนั้นๆ ได้ดีเพียงใด ตัวเลขทั้งสองนี้เป็นคุณสมบัติที่ค่อนข้างคงที่ของการทดสอบเอง จากนั้นค่าการทำนายผลบวกและผลลบจะแปลงประสิทธิภาพการทดสอบที่คงที่นั้นไปเป็นตัวเลขที่ผู้ป่วยต้องการ ซึ่งก็คือโอกาสที่ผลตรวจของตนเองจะเป็นบวกหรือลบนั้นถูกต้อง โอกาสนั้นขึ้นอยู่กับความชุกของภาวะนั้นๆ ในผู้ที่ได้รับการทดสอบ ไม่ใช่แค่คุณภาพของการทดสอบเท่านั้น และโอกาสนั้นอาจเปลี่ยนแปลงไปได้มากแม้ว่าการทดสอบจะไม่เปลี่ยนแปลงก็ตาม
ประเด็นที่สำคัญ
- ความไว คือสัดส่วนของผู้ที่มีอาการป่วยซึ่งการตรวจสามารถระบุได้อย่างถูกต้องว่าเป็นผลบวก ความจำเพาะ คือสัดส่วนที่ไม่มีเงื่อนไขว่าระบุได้อย่างถูกต้องว่าเป็นค่าลบ
- ค่าการทำนายเชิงบวกและเชิงลบ ตอบคำถามที่ผู้ป่วยถามจริง ๆ และทั้งสองอย่างจะเปลี่ยนแปลงไปอย่างมากตามความชุกของโรค แม้ว่าความไวและความจำเพาะจะไม่เปลี่ยนแปลงก็ตาม
- อัตราส่วนความน่าจะเป็น เป็นการรวมค่าความไวและความจำเพาะเข้าไว้ในตัวเลขเดียวที่ใช้ปรับปรุงความน่าจะเป็นก่อนการทดสอบให้เป็นความน่าจะเป็นหลังการทดสอบ และแตกต่างจากค่าการทำนาย ค่าเหล่านี้จะค่อนข้างคงที่ในประชากรกลุ่มต่างๆ
- เส้นโค้ง ROC และค่าพื้นที่ใต้กราฟ (AUC) จะสรุปว่าการทดสอบนั้นสามารถจำแนกความแตกต่างได้ดีเพียงใดในทุกค่าเกณฑ์ที่เป็นไปได้ ไม่ใช่แค่ค่าเกณฑ์ที่ห้องปฏิบัติการใช้เท่านั้น
- สตาร์ด 2015 มีการกำหนดรายการรายงาน 30 รายการสำหรับการศึกษาความแม่นยำในการวินิจฉัย และการปฏิบัติตามยังคงแตกต่างกันอย่างมากในเอกสารที่ตีพิมพ์เผยแพร่
ความไวและความจำเพาะนั้นวัดอะไรกันแน่
การเปรียบเทียบผลการตรวจวินิจฉัยทุกครั้งเริ่มต้นด้วยตาราง 2x2 ที่เปรียบเทียบผลการตรวจกับสถานะของโรคที่แท้จริง ซึ่งโดยปกติจะกำหนดโดยมาตรฐานอ้างอิง เช่น การเพาะเชื้อ การตรวจชิ้นเนื้อ หรือเกณฑ์ทางคลินิกที่ได้รับการตรวจสอบแล้ว ผลลัพธ์ที่เป็นไปได้มีสี่อย่าง คือ ผลบวกจริง คือ ผู้ป่วยที่การตรวจระบุได้อย่างถูกต้อง ผลลบเท็จ คือ ผู้ป่วยที่การตรวจตรวจไม่พบ ผลลบจริง คือ ผู้มีสุขภาพดีที่การตรวจยืนยันได้อย่างถูกต้อง และผลบวกเท็จ คือ ผู้มีสุขภาพดีที่การตรวจระบุผิดพลาด
| สภาพปัจจุบัน | ไม่มีเงื่อนไข | |
|---|---|---|
| ผลตรวจเป็นบวก | ทรู โพสิทีฟ (TP) | ผลบวกเท็จ (FP) |
| ผลตรวจเป็นลบ | ลบเท็จ (FN) | ทรูลบ (TN) |
จากเซลล์ทั้งสี่นั้นความไวและความจำเพาะจะถูกกำหนดเป็นอัตราส่วนอย่างง่ายภายในแต่ละคอลัมน์สถานะของโรค ซึ่งเป็นเหตุผลว่าทำไมค่าเหล่านี้จึงมีพฤติกรรมแตกต่างจากค่าการทำนายที่จะกล่าวถึงในภายหลังในคู่มือนี้
- ความไว = TP / (TP + FN) คำนวณเฉพาะในกลุ่มคนที่ป่วยเป็นโรคจริงเท่านั้น
- ความจำเพาะ = TN / (TN + FP) คำนวณเฉพาะในกลุ่มคนที่ไม่มีอาการดังกล่าวจริง ๆ เท่านั้น

เนื่องจากแต่ละค่าที่วัดได้คำนวณภายในคอลัมน์เดียวของตาราง ดังนั้นจึงไม่มีค่าใดขึ้นอยู่กับความชุกของโรคในกลุ่มตัวอย่างทางคณิตศาสตร์ บทวิจารณ์ที่อ้างอิงกันอย่างกว้างขวางของ Trevethan เกี่ยวกับพื้นฐานและข้อผิดพลาดของตัวชี้วัดเหล่านี้ก็ชี้ให้เห็นประเด็นเดียวกัน และยังเตือนด้วยว่าความไวและความจำเพาะไม่ใช่ค่าคงที่อย่างที่มักเข้าใจกันในทางปฏิบัติ เนื่องจากผลกระทบจากสเปกตรัมและความรุนแรงของโรคที่แตกต่างกันในประชากรที่ศึกษาอาจทำให้ค่าทั้งสองเปลี่ยนแปลงไปในแต่ละสถานการณ์
ตัวอย่างการคำนวณ: ความไวและความจำเพาะจากข้อมูลจริง
รายงานฉบับปรับปรุงปี 2025 ของ Cochrane เกี่ยวกับ Xpert Ultra สำหรับวัณโรคปอดได้รวบรวมข้อมูลจาก 32 การศึกษาและผู้ใหญ่และวัยรุ่น 12,529 คน โดยให้คะแนนความน่าเชื่อถือของหลักฐานอยู่ในระดับสูง เมื่อเทียบกับมาตรฐานอ้างอิงการเพาะเชื้อ การทบทวนนี้รายงานค่าความไวโดยรวมที่ 90.7 เปอร์เซ็นต์ (ช่วงความเชื่อมั่น 95 เปอร์เซ็นต์, 88.2 ถึง 92.7) และค่าความจำเพาะโดยรวมที่ 94.8 เปอร์เซ็นต์ (ช่วงความเชื่อมั่น 95 เปอร์เซ็นต์, 92.8 ถึง 96.3)
การแปลงข้อมูลนั้นให้เป็นตารางที่ชัดเจนจะทำให้การคำนวณเข้าใจง่ายขึ้น สมมติว่ามีการตรวจผู้ใหญ่ที่มีอาการ 1,000 คน และสมมติว่า 10 เปอร์เซ็นต์ หรือ 100 คน เป็นวัณโรคปอดจริง ๆ ซึ่งเป็นอัตราการแพร่ระบาดที่เลือกมาเพื่อเป็นตัวอย่างเท่านั้น
| วัณโรคปัจจุบัน (100) | วัณโรคไม่ปรากฏ (900) | ผลรวมแถว | |
|---|---|---|---|
| เอ็กซ์เพิร์ต อัลตร้า โพซิทีฟ | 91 (TP) | 47 (FP) | 138 |
| เอ็กซ์เพิร์ต อัลตร้า เนกาทีฟ | 9 (FN) | 853 (TN) | 862 |
เมื่อคำนวณสูตรแต่ละสูตรด้วยมือ พบว่าค่าความไว (sensitivity) คือ 91 หารด้วย 100 หรือ 91.0 เปอร์เซ็นต์ ซึ่งใกล้เคียงกับตัวเลขรวมที่แม่นยำของการทบทวนที่ 90.7 เปอร์เซ็นต์ โดยความแตกต่างเล็กน้อยเกิดจากการปัดเศษเป็นจำนวนเต็มในตารางที่มีประชากร 1,000 คน ค่าความจำเพาะ (specificity) คือ 853 หารด้วย 900 หรือ 94.8 เปอร์เซ็นต์ ซึ่งตรงกับค่าประมาณรวมอย่างแม่นยำเมื่อปัดเศษ ค่าการทำนายผลบวก (positive predictive value) คือ 91 หารด้วย 138 หรือ 65.9 เปอร์เซ็นต์ ซึ่งเป็นสัดส่วนของการทดสอบที่เป็นบวกที่บ่งชี้ว่าเป็นวัณโรคจริง ค่าการทำนายผลลบ (negative predictive value) คือ 853 หารด้วย 862 หรือ 99.0 เปอร์เซ็นต์ ซึ่งเป็นสัดส่วนของการทดสอบที่เป็นลบที่บ่งชี้ว่าไม่มีโรคจริง
สังเกตว่าค่า PPV อยู่ต่ำกว่าค่าความไวและความจำเพาะมากเพียงใด แม้ว่าการทดสอบจะทำได้ดีในทั้งสองด้านก็ตาม ช่องว่างนั้นไม่ใช่ความผิดพลาดในการคำนวณ แต่เป็นผลโดยตรงจากการทดสอบประชากรที่ส่วนใหญ่ไม่ได้เป็นโรค ซึ่งเป็นหัวข้อที่จะกล่าวถึงโดยตรงในส่วนถัดไป
เหตุใดค่าการพยากรณ์จึงเปลี่ยนแปลงไปตามความชุกของโรค
ค่าทำนายผลบวกและผลลบ (PPV และ NPV) ตอบคำถามที่แตกต่างจากค่าความไวและความจำเพาะ แทนที่จะถามว่าการทดสอบทำงานได้ดีเพียงใดในกลุ่มคนที่ทราบสถานะที่แท้จริงอยู่แล้ว PPV และ NPV ถามว่าควรเชื่อถือผลลัพธ์ได้มากน้อยเพียงใดเมื่อได้รับผล ซึ่งเป็นคำถามที่ผู้ป่วยหรือแพทย์กำลังเผชิญอยู่จริง ๆ กฎของเบย์สเป็นพื้นฐานของการเปลี่ยนแปลงนี้ การทดสอบจะปรับปรุงความน่าจะเป็นเริ่มต้นหรือความน่าจะเป็นก่อนหน้าของโรคให้เป็นความน่าจะเป็นที่แก้ไขแล้วหรือความน่าจะเป็นภายหลัง และขนาดของการปรับปรุงนั้นขึ้นอยู่กับทั้งความแม่นยำของการทดสอบและความน่าจะเป็นของโรคก่อนที่จะทำการทดสอบ
การนำตัวเลขความแม่นยำของ Xpert Ultra ไปใช้กับกลุ่มที่มีอัตราการเกิดโรคต่ำกว่ามาก จะทำให้เห็นภาพชัดเจนยิ่งขึ้น ลองนึกภาพการตรวจคัดกรองคน 1,000 คนจากประชากรที่มีความเสี่ยงต่ำ ซึ่งมีเพียง 1 เปอร์เซ็นต์ หรือ 10 คนเท่านั้นที่เป็นวัณโรคจริงๆ
| วัณโรคปัจจุบัน (10) | วัณโรคไม่ปรากฏ (990) | ผลรวมแถว | |
|---|---|---|---|
| เอ็กซ์เพิร์ต อัลตร้า โพซิทีฟ | 9 (TP) | 51 (FP) | 60 |
| เอ็กซ์เพิร์ต อัลตร้า เนกาทีฟ | 1 (FN) | 939 (TN) | 940 |
ความไวและความจำเพาะแทบไม่เปลี่ยนแปลง ยังคงอยู่ที่ประมาณ 90 และ 95 เปอร์เซ็นต์เช่นเดิม อย่างไรก็ตาม ค่า PPV ลดลงเหลือ 9 หารด้วย 60 หรือ 15.0 เปอร์เซ็นต์ ผลบวกส่วนใหญ่ในกลุ่มที่มีความชุกต่ำนี้ แท้จริงแล้วจะเป็นสัญญาณเตือนที่ผิดพลาด ไม่ใช่เพราะการทดสอบแย่ลง แต่เป็นเพราะจำนวนคนที่มีสุขภาพดีมีมากกว่าคนป่วยที่เข้ารับการทดสอบอย่างมาก ในทางตรงกันข้าม ค่า NPV เพิ่มขึ้นเป็น 939 หารด้วย 940 หรือ 99.9 เปอร์เซ็นต์ เนื่องจากผลลบนั้นน่าเชื่อถือมากกว่าเมื่อโอกาสที่จะเกิดโรคมีอยู่แล้ว บทวิจารณ์ของ Bours ในปี 2021 เกี่ยวกับกฎของ Bayes ในการวินิจฉัยโรค อธิบายตรรกะเดียวกันนี้จากมุมมองของแพทย์ โดยมองว่าความชุกเป็นความน่าจะเป็นก่อนการทดสอบ ซึ่งผลการทดสอบใดๆ จะปรับเปลี่ยนความน่าจะเป็นนั้น
อคติเชิงสเปกตรัมก็มีความสำคัญในที่นี้เช่นกัน ความไวและความจำเพาะถูกอธิบายว่าเป็นคุณสมบัติของการทดสอบ แต่ในความเป็นจริงแล้วค่าเหล่านี้วัดจากกลุ่มตัวอย่างเฉพาะในการศึกษา และกลุ่มตัวอย่างที่อุดมไปด้วยกรณีที่รุนแรงและเห็นได้ชัดเจนตามตำรา มักจะทำให้ค่าทั้งสองสูงขึ้นเมื่อเทียบกับกลุ่มผู้ป่วยที่มีความหลากหลายมากกว่า นักวิจัยที่นำค่าความไวหรือความจำเพาะที่ตีพิมพ์แล้วไปใช้ในบริบททางคลินิกที่แตกต่างกันนั้น เท่ากับว่ากำลังสมมติโดยปริยายว่ากลุ่มผู้ป่วยจะเข้ากันได้ดี ซึ่งไม่ใช่ข้อสมมติที่ปลอดภัยเสมอไป
อัตราส่วนความน่าจะเป็น: วิธีการอ่านผลลัพธ์ที่ไม่ขึ้นอยู่กับความชุก
ค่าการทำนายมีประโยชน์ แต่ขึ้นอยู่กับกลุ่มประชากร ซึ่งจำกัดขอบเขตการนำค่า PPV หรือ NPV ที่ตีพิมพ์เพียงค่าเดียวไปใช้ในบริบททางคลินิกใหม่ อัตราส่วนความน่าจะเป็นถูกสร้างขึ้นเพื่อแก้ปัญหาการนำไปใช้ได้ในหลายบริบท อัตราส่วนความน่าจะเป็นบวก (LR+) คือ ความไวหารด้วย 1 ลบด้วยความจำเพาะ และระบุว่าผลตรวจเป็นบวกมีโอกาสเกิดขึ้นในผู้ที่เป็นโรคมากกว่าผู้ที่ไม่เป็นโรคกี่เท่า ส่วนอัตราส่วนความน่าจะเป็นลบ (LR-) คือ 1 ลบด้วยความไวหารด้วยความจำเพาะ และระบุว่าผลตรวจเป็นลบจะลดโอกาสการเกิดโรคลงเท่าใด บทความทางสถิติของ Deeks และ Altman ใน BMJ ปี 2004 ยังคงเป็นหนึ่งในคำอธิบายที่ชัดเจนที่สุดเกี่ยวกับความสัมพันธ์ระหว่างอัตราส่วนเหล่านี้กับโอกาสก่อนและหลังการทดสอบผ่านทฤษฎีบทของเบย์ส
เมื่อนำค่าตัวเลขรวมของ Xpert Ultra มาใส่ในสูตรทั้งสอง จะได้ค่า LR+ เท่ากับ 0.907 หารด้วย 0.052 หรือประมาณ 17.4 และค่า LR- เท่ากับ 0.093 หารด้วย 0.948 หรือประมาณ 0.10 ค่า LR+ ที่ใกล้เคียง 17 หมายความว่าผลตรวจเป็นบวกจะเพิ่มโอกาสในการเป็นวัณโรคประมาณสิบเจ็ดเท่า ซึ่งเป็นการเปลี่ยนแปลงครั้งใหญ่และมักส่งผลต่อแนวทางการปฏิบัติ ค่า LR- ที่ใกล้เคียง 0.10 จะลดโอกาสในการเป็นโรคลงประมาณเก้าสิบเปอร์เซ็นต์ ซึ่งเป็นเหตุผลว่าทำไมผลตรวจเป็นลบจากการทดสอบที่มีความไวสูงจึงมักได้รับความไว้วางใจมากพอที่จะหยุดการตรวจวินิจฉัยเพิ่มเติม อัตราส่วนที่สูงกว่า 10 หรือต่ำกว่า 0.1 มักถูกมองว่าทำให้เกิดการเปลี่ยนแปลงครั้งใหญ่และมักเป็นการเปลี่ยนแปลงที่สำคัญในความน่าจะเป็น ในขณะที่อัตราส่วนที่ใกล้เคียงกับ 1 จะให้ข้อมูลเชิงปฏิบัติเพียงเล็กน้อย ไม่ว่าการศึกษาจะรายงานว่ามีความสำคัญทางสถิติมากเพียงใดก็ตาม
สาขาโรคหัวใจให้ตัวอย่างที่ได้รับการยืนยันอย่างอิสระอีกประการหนึ่งนอกเหนือจากวัณโรค การทบทวนอย่างเป็นระบบและการวิเคราะห์เชิงเมตาที่ครอบคลุม 56 การศึกษาและผู้ป่วย 67,945 ราย พบว่าอัลกอริทึมการตรวจหาโทรโปนินในหัวใจที่มีความไวสูงและรวดเร็ว ซึ่งดำเนินการที่ 0, 1 หรือ 2 ชั่วโมงหลังเข้ารับการรักษา มีความไวโดยรวมสูงกว่า 90 เปอร์เซ็นต์ในการตัดโอกาสการเกิดภาวะกล้ามเนื้อหัวใจตายเฉียบพลัน โดยอัลกอริทึมที่ใช้โทรโปนิน-I มีความจำเพาะโดยรวมสูงกว่า 80 เปอร์เซ็นต์ (Lee et al., 2020, American Journal of Emergency Medicine ) แผนกฉุกเฉินพึ่งพาความไวสูงนี้โดยเฉพาะ เพราะการพลาดการวินิจฉัยภาวะหัวใจวายที่แท้จริงนั้นมีค่าใช้จ่ายสูงกว่าสัญญาณเตือนผิดพลาดที่เกิดขึ้นในระยะสั้น ซึ่งเป็นตรรกะเดียวกันที่ทำให้การทดสอบคัดกรองที่มีความไวสูงมีประโยชน์แม้ว่าความจำเพาะและค่าทำนายผลบวก (PPV) จะอยู่ในระดับปานกลางก็ตาม
เส้นโค้ง ROC, AUC และการเลือกจุดตัด
ความไวและความจำเพาะคำนวณจากค่าตัดเดียว แต่การทดสอบวินิจฉัยส่วนใหญ่ให้ผลลัพธ์เป็นตัวเลขต่อเนื่อง ไม่ว่าจะเป็นความเข้มข้นของโทรโปนิน ระดับตัวบ่งชี้เนื้องอก หรือคะแนนความเสี่ยง การเลื่อนค่าตัดขึ้นหรือลงจะส่งผลต่อความไวและความจำเพาะในทิศทางตรงกันข้าม ดังนั้นจึงไม่มีตัวเลขคู่ใดคู่หนึ่งที่อธิบายประสิทธิภาพของการทดสอบแบบต่อเนื่องได้อย่างสมบูรณ์ การพล็อตความไวเทียบกับ 1 ลบด้วยความจำเพาะในทุกค่าตัดที่เป็นไปได้คือวิธีที่เส้นโค้งลักษณะการทำงานของผู้รับ (Receiver Operating Characteristic Curve หรือ ROC) แก้ปัญหานี้ และพื้นที่ใต้เส้นโค้ง หรือ AUC จะย่อเส้นโค้งทั้งหมดให้เหลือเพียงสถิติสรุปเดียว ซึ่งมีค่าตั้งแต่ 0.5 ซึ่งไม่ดีไปกว่าการโยนเหรียญ ไปจนถึง 1.0 ซึ่งเป็นการแยกแยะได้อย่างสมบูรณ์แบบระหว่างผู้ที่มีและไม่มีภาวะดังกล่าว (Nahm, 2022, Korean Journal of Anesthesiology )

ค่า AUC บอกนักวิจัยว่าการทดสอบนั้นสามารถจำแนกได้ดีเพียงใดในหลักการ แต่คลินิกยังคงต้องเลือกจุดใช้งานจุดใดจุดหนึ่งอยู่ดี ในบรรดากฎการเลือกค่าตัด ค่าดัชนี Youden เป็นวิธีที่ใช้กันมากที่สุด โดยเลือกค่าตัดที่ทำให้ค่าความไวบวกความจำเพาะลบ 1 มีค่าสูงสุด ซึ่งในทางเรขาคณิตคือจุดบนเส้นโค้ง ROC ที่อยู่ห่างจากเส้นทแยงมุมที่แสดงว่าไม่มีการจำแนกมากที่สุดคู่มือเครื่องคำนวณดัชนี Youden และสูตร ของเรา จะอธิบายการคำนวณนั้นบนชุดข้อมูลที่ใช้งานแล้ว และบทความเสริมของเราเกี่ยวกับผลกระทบของค่าเกณฑ์ต่อความแม่นยำในการวินิจฉัยจะครอบคลุมสิ่งที่เกิดขึ้นเมื่อการศึกษาหนึ่งรายงานเฉพาะค่าตัดที่ทำให้ผลลัพธ์ของตนเองดูดีที่สุด สำหรับผู้อ่านที่เปรียบเทียบตัวทำนายหลายตัวพร้อมกันแทนที่จะทดสอบเพียงครั้งเดียว คู่มือการถดถอยโลจิสติกในการวินิจฉัยทางการแพทย์ ของเรา จะแสดงให้เห็นว่าเส้นโค้ง ROC และ AUC ขยายไปสู่แบบจำลองการทำนายแบบหลายตัวแปรได้อย่างไร
การรายงานผลการศึกษาความแม่นยำในการวินิจฉัย: รายการตรวจสอบ STARD 2015
การคำนวณทางคณิตศาสตร์ที่ถูกต้องยังคงต้องการการออกแบบการศึกษาและรายงานที่เป็นลายลักษณ์อักษรที่ผู้อ่านสามารถเชื่อถือและทำซ้ำได้ STARD 2015 ซึ่งตีพิมพ์พร้อมกันในวารสารหลายฉบับรวมถึง BMJ ได้กำหนดรายการรายงานที่จำเป็น 30 รายการ โดยจัดเรียงตามโครงสร้างมาตรฐานของบทนำ วิธีการ ผลลัพธ์ และการอภิปรายของบทความทางวิทยาศาสตร์ และปัจจุบันคาดหวังว่าการศึกษาความแม่นยำในการวินิจฉัยทุกชิ้นจะต้องมีแผนภาพการไหลของผู้เข้าร่วม (Bossuyt et al., 2015, BMJ ) รายการตรวจสอบนี้มีอยู่เนื่องจากการรายงานที่ไม่ครบถ้วนได้รับการระบุว่าเป็นแหล่งที่มาสำคัญที่สามารถหลีกเลี่ยงได้ของความสูญเปล่าในการวิจัยทางการแพทย์ ทำให้ผู้อ่านไม่สามารถตัดสินความเสี่ยงของอคติในการศึกษาหรือตัดสินใจได้ว่าผลการวิจัยนั้นใช้ได้กับผู้ป่วยของตนเองหรือไม่
แม้กระทั่งในปัจจุบัน การปฏิบัติตามแนวทางก็ยังคงไม่สม่ำเสมอ การประเมินงานวิจัยเกี่ยวกับการวินิจฉัยภาพทางการแพทย์ที่มีความแม่นยำซึ่งตีพิมพ์ในปี 2023 ได้ให้คะแนนงานวิจัยตัวอย่าง 116 ฉบับ โดยใช้แบบตรวจสอบ STARD-2015 ครบทั้ง 30 ข้อ และใช้แบบจำลองการถดถอยเพื่อระบุว่าลักษณะของงานวิจัยและวารสารใดที่ทำนายการรายงานที่สมบูรณ์มากขึ้น ซึ่งเป็นหลักฐานว่าช่องว่างในการรายงานยังคงพบได้บ่อยพอที่จะต้องศึกษาเพิ่มเติมแม้จะผ่านไปแล้วหนึ่งทศวรรษนับตั้งแต่มีการเผยแพร่แนวทางดังกล่าว (White et al., 2025, Journal of Clinical Epidemiology ) ผู้อ่านที่ประเมินงานวิจัยเกี่ยวกับการวินิจฉัยที่มีความแม่นยำควรตรวจสอบโดยเฉพาะว่ามีการอธิบายมาตรฐานอ้างอิงหรือไม่ มีการรายงานการคำนวณขนาดตัวอย่างหรือไม่ และแผนภาพแสดงขั้นตอนการดำเนินการครอบคลุมผู้เข้าร่วมทั้งหมดหรือไม่ เนื่องจากช่องว่างในสามรายการนี้พบได้บ่อยพอที่จะเปลี่ยนแปลงวิธีการตีความค่าความไวหรือความจำเพาะที่รายงานไว้
STARD เป็นส่วนหนึ่งของแนวทางการรายงานที่สร้างขึ้นสำหรับงานวิจัยประเภทอื่นๆ ที่เกี่ยวข้อง คู่มือการรายงาน TRIPOD สำหรับงานวิจัยแบบจำลองการทำนายครอบคลุมแนวทางที่ใกล้เคียงที่สุด ซึ่งใช้เมื่อการศึกษารวมตัวทำนายหลายตัวเข้าด้วยกันเพื่อสร้างคะแนนความเสี่ยง แทนที่จะประเมินการทดสอบเพียงอย่างเดียว เมื่อจำเป็นต้องรวบรวมข้อมูลเชิงปริมาณจากงานวิจัยความแม่นยำในการวินิจฉัยหลายชิ้นของการทดสอบเดียวกันหลักสูตรขั้นสูงด้านการวิเคราะห์เมตา ของเรา จะครอบคลุมการตรวจสอบความแตกต่างและความลำเอียงในการตีพิมพ์ที่การวิเคราะห์เมตาความแม่นยำในการวินิจฉัยจำเป็นต้องมี นอกเหนือจากการอ่าน STARD มาตรฐาน
ข้อผิดพลาดทั่วไปที่ทำให้การประมาณค่าความไวและความจำเพาะคลาดเคลื่อน
ปัญหาด้านการออกแบบที่เกิดขึ้นซ้ำๆ เพียงไม่กี่ข้อ อาจทำให้ค่าความไวและความจำเพาะเพิ่มขึ้นหรือลดลง โดยไม่ขึ้นอยู่กับว่าการทดสอบนั้นดีเพียงใด
- อคติสเปกตรัม การทดสอบเฉพาะกรณีที่ชัดเจนและรุนแรงกับอาสาสมัครที่มีสุขภาพดี แทนที่จะทดสอบกับผู้ป่วยที่มีความรุนแรงหลากหลายระดับที่พบได้จริง มักจะทำให้ทั้งความไวและความจำเพาะสูงกว่าที่ควรจะเป็นในการใช้งานตามปกติ
- ผลกระทบของเกณฑ์และจุดตัด ค่าความไวหรือความจำเพาะเพียงค่าเดียวจะอธิบายจุดการทำงานเพียงจุดเดียวบนเส้นโค้ง ROC และการเปรียบเทียบการทดสอบสองครั้งอย่างเป็นธรรมมักหมายถึงการเปรียบเทียบเส้นโค้งทั้งหมดหรือค่า AUC ไม่ใช่ค่าตัดที่เลือกมาเฉพาะบางส่วน
- มาตรฐานอ้างอิงที่ไม่สมบูรณ์แบบ เมื่อการทดสอบอ้างอิงที่ใช้ในการจำแนกสถานะของโรคที่แท้จริงนั้นไม่สมบูรณ์ ความผิดพลาดในมาตรฐานอ้างอิงจะส่งผลต่อค่าประมาณความไวและความจำเพาะของการทดสอบที่กำลังประเมิน และทิศทางของความคลาดเคลื่อนนั้นก็ไม่ได้เป็นไปตามสัญชาตญาณเสมอไป
- ตัวอย่างขนาดเล็กและมีกำลังการประมวลผลต่ำ ค่าความไวหรือความจำเพาะที่ประเมินจากผู้ป่วยเพียงไม่กี่ราย อาจมีช่วงความเชื่อมั่นที่กว้างมากจนทำให้ค่าประมาณจุดนั้นแทบไม่มีความหมาย ซึ่งเป็นปัญหาเกี่ยวกับการวางแผนขนาดตัวอย่างพอๆ กับปัญหาเกี่ยวกับการวิเคราะห์
ขนาดของกลุ่มตัวอย่างสมควรได้รับการเน้นย้ำเป็นพิเศษในที่นี้ เนื่องจากงานวิจัยเกี่ยวกับความแม่นยำในการวินิจฉัยโรคจำเป็นต้องมีผู้เข้าร่วมที่เป็นโรคและไม่เป็นโรคจำนวนมากพอ ไม่ใช่แค่จำนวนรวมทั้งหมด เพื่อที่จะระบุทั้งค่าความไวและความจำเพาะได้อย่างแม่นยำพอสมควร คู่มือการวิเคราะห์กำลังการทดสอบและการคำนวณขนาดกลุ่มตัวอย่าง ของเรา ครอบคลุมถึงวิธีการคำนวณในการวางแผน และเครื่องคำนวณขนาดกลุ่มตัวอย่างของ Editverse ที่ใช้งานได้ฟรีจะนำไปใช้กับแบบแผนการศึกษาที่เสนอโดยตรง
การประยุกต์ใช้ความไวและความจำเพาะในการปฏิบัติงาน
การนำแนวคิดเหล่านี้ไปสู่การตัดสินใจเริ่มต้นด้วยการระบุว่าคำตอบที่ผิดจะส่งผลเสียอย่างไร เนื่องจากคำตอบนั้นมักจะชี้ตรงไปยังคุณสมบัติใดของการทดสอบที่สำคัญที่สุด
| ถ้าเป้าหมายคือ… | จัดลำดับความสำคัญ… |
|---|---|
| การตัดความเป็นไปได้ของภาวะอันตรายออกไปอย่างปลอดภัย | มีความไวสูง ดังนั้นผลลัพธ์ที่เป็นลบจึงน่าเชื่อถือ |
| ยืนยันการวินิจฉัยก่อนรับการรักษาที่มีความเสี่ยง | มีความจำเพาะสูง จึงสามารถเชื่อถือผลลัพธ์ที่เป็นบวกได้ |
| การคัดกรองประชากรที่มีอัตราการเกิดโรคต่ำ | PPV ควบคู่ไปกับความไว เนื่องจากผลบวกเท็จมักจะมีจำนวนมากกว่าผลบวกจริง |
| การเปรียบเทียบผลการทดสอบในบริบททางคลินิกที่แตกต่างกัน | อัตราส่วนความน่าจะเป็น เนื่องจากสามารถแสดงผลได้ดีกว่าค่าการทำนายเมื่อพิจารณาจากความชุก |
นอกเหนือจากการเปรียบเทียบการทดสอบเดี่ยวแล้ว นักวิจัยที่สร้างแบบจำลองการวินิจฉัยหรือการพยากรณ์แบบหลายตัวแปรมักต้องการเครื่องมือทางสถิติที่เกี่ยวข้องทำงานร่วมกัน คู่มือของเราเกี่ยวกับการวิเคราะห์จำแนกประเภทสำหรับการจำแนกโรคตามตัวบ่งชี้ทางชีวภาพครอบคลุมวิธีการจำแนกประเภททางเลือกที่ควรนำไปเปรียบเทียบกับการถดถอยโลจิสติก และคำอธิบายของเราเกี่ยวกับอัตราส่วนความเสี่ยงและอัตราส่วนความน่าจะเป็นครอบคลุมมาตรวัดผลกระทบที่เกี่ยวข้องซึ่งมักปรากฏควบคู่ไปกับความไวและความจำเพาะในตารางผลลัพธ์เดียวกัน การเลือกใช้กรอบแนวคิดแบบเบย์เซียนหรือแบบความถี่สำหรับคำถามเหล่านี้เป็นการตัดสินใจอีกแบบหนึ่ง และคู่มือสถิติแบบเบย์เซียนเทียบกับแบบความถี่ ของเรา จะอธิบายข้อแลกเปลี่ยนนั้นอย่างละเอียดมากขึ้น สำหรับภาพรวมที่กว้างขึ้นว่าตัวชี้วัดความแม่นยำในการวินิจฉัยเข้ากับชุดเครื่องมือทางสถิติที่กว้างขึ้นได้อย่างไร คู่มือ วิธีการทางสถิติสำหรับการประเมินประสิทธิภาพการทดสอบการวินิจฉัย ของเรา คือจุดหมายต่อไปที่เหมาะสม
ต้องการความช่วยเหลือในการคำนวณหรือรายงานตัวชี้วัดเหล่านี้หรือไม่?
นักสถิติระดับปริญญาเอกของ Editverse ให้การสนับสนุนด้านการวิเคราะห์ความไว ความจำเพาะ ROC/AUC และค่าการทำนายใน SPSS, R และ STATA และสามารถช่วยจัดโครงสร้างการเขียนรายงานตามรายการตรวจสอบ STARD 2015 ได้
ดูบริการวิเคราะห์ทางสถิติ →
การให้คำปรึกษาเบื้องต้นโดยไม่มีค่าใช้จ่าย
คำถามที่พบบ่อย
ความไวและความจำเพาะต่างกันอย่างไร?
ความไว (Sensitivity) คือสัดส่วนของผู้ที่มีอาการป่วยจริงที่การตรวจวินิจฉัยได้อย่างถูกต้องว่าเป็นผลบวก ความจำเพาะ (Specificity) คือสัดส่วนของผู้ที่ไม่มีอาการป่วยจริงที่การตรวจวินิจฉัยได้อย่างถูกต้องว่าเป็นผลลบ การทดสอบอาจให้ผลลัพธ์ที่แตกต่างกันมากในสองมาตรวัดนี้ ดังนั้นการรายงานเพียงมาตรวัดเดียวจึงให้ภาพที่ไม่สมบูรณ์เกี่ยวกับประสิทธิภาพของการทดสอบ
เหตุใดค่าการทำนายเชิงบวกและเชิงลบจึงเปลี่ยนแปลงไป แม้ว่าการทดสอบจะยังคงเหมือนเดิม?
ค่า PPV และ NPV ขึ้นอยู่กับความชุกของโรค รวมถึงความไวและความจำเพาะของการตรวจ เมื่อโรคพบได้น้อยในประชากรที่ทำการทดสอบ ผลลัพธ์ที่เป็นบวกมักจะเป็นสัญญาณเตือนที่ผิดพลาด แม้ว่าการทดสอบจะแม่นยำก็ตาม ซึ่งจะทำให้ค่า PPV ลดลง ในขณะที่ค่า NPV ยังคงสูง ตัวอย่างทั้งสองข้างต้นแสดงให้เห็นว่าการทดสอบ Xpert Ultra เดียวกันให้ค่า PPV 65.9 เปอร์เซ็นต์ที่ความชุก 10 เปอร์เซ็นต์ และเพียง 15.0 เปอร์เซ็นต์ที่ความชุก 1 เปอร์เซ็นต์
อัตราส่วนความน่าจะเป็นเพิ่มอะไรที่ความไวและความจำเพาะไม่ได้เพิ่มเข้ามา?
อัตราส่วนความน่าจะเป็น (Likelihood ratios) รวมความไวและความจำเพาะเข้าไว้ในตัวเลขเดียว ซึ่งแสดงให้เห็นว่าผลการทดสอบควรเปลี่ยนแปลงโอกาสของการเกิดโรคมากน้อยเพียงใด และแตกต่างจากค่าการทำนาย (Predictive values) ตรงที่อัตราส่วนความน่าจะเป็นจะค่อนข้างคงที่ในประชากรที่มีความชุกของโรคแตกต่างกัน โดยทั่วไปแล้ว อัตราส่วนความน่าจะเป็นบวก (LR+) ที่สูงกว่า 10 หรืออัตราส่วนความน่าจะเป็นลบ (LR-) ที่ต่ำกว่า 0.1 ถือว่าทำให้เกิดการเปลี่ยนแปลงความน่าจะเป็นอย่างมาก ซึ่งมักจะเป็นการเปลี่ยนแปลงที่เด็ดขาด
พื้นที่ใต้เส้นโค้ง ROC หมายถึงอะไรกันแน่?
AUC สรุปว่าการทดสอบนั้นสามารถแยกแยะระหว่างผู้ที่มีและไม่มีภาวะดังกล่าวได้ดีเพียงใดในทุกค่าเกณฑ์ที่เป็นไปได้ โดยมีมาตราส่วนตั้งแต่ 0.5 ซึ่งเทียบเท่ากับการโยนเหรียญ ไปจนถึง 1.0 ซึ่งเป็นการแยกแยะได้อย่างสมบูรณ์แบบ นี่เป็นการตอบคำถามที่แตกต่างจากความไวและความจำเพาะ ซึ่งอธิบายประสิทธิภาพเฉพาะที่ค่าเกณฑ์ที่เลือกไว้ค่าเดียวเท่านั้น
เหตุใดแบบตรวจสอบ STARD 2015 จึงมีความสำคัญต่อต้นฉบับงานวิจัยเกี่ยวกับการวินิจฉัยที่แม่นยำ?
มาตรฐาน STARD 2015 กำหนดรายการรายงาน 30 รายการ และแผนภาพแสดงขั้นตอนการเข้าร่วมการวิจัยที่จำเป็น เพื่อให้ผู้อ่านสามารถประเมินความเสี่ยงของอคติในงานวิจัยด้านความแม่นยำในการวินิจฉัย และตัดสินใจว่าผลการวิจัยนั้นสามารถนำไปใช้ได้ในบริบทของตนเองหรือไม่ ปัจจุบันวารสารหลายแห่งตรวจสอบบทความที่ส่งมาโดยตรงตามมาตรฐานนี้ และการรายงานที่ไม่ครบถ้วนในรายการต่างๆ เช่น มาตรฐานอ้างอิง หรือเหตุผลของขนาดตัวอย่าง ยังคงพบได้บ่อยพอที่จะต้องตรวจสอบซ้ำอีกครั้งก่อนส่งตีพิมพ์
สรุป
ความไวและความจำเพาะอธิบายพฤติกรรมของการทดสอบในประชากรสองกลุ่มที่แยกจากกันและคงที่ คือ ผู้ที่มีภาวะนั้นๆ และผู้ที่ไม่มีภาวะนั้น ซึ่งเป็นเหตุผลว่าทำไมค่าใดค่าหนึ่งเพียงอย่างเดียวจึงไม่สามารถบอกผู้ป่วยได้ว่าผลลัพธ์ส่วนบุคคลนั้นหมายความว่าอย่างไร ค่าการทำนายช่วยเติมเต็มช่องว่างนั้น แต่ใช้ได้ไม่ดีนักในสภาพแวดล้อมที่มีความชุกของโรคแตกต่างกัน ในขณะที่อัตราส่วนความน่าจะเป็นและรายการตรวจสอบการรายงาน STARD 2015 ให้เครื่องมือแก่ผู้วิจัยและแพทย์ในการตีความผลลัพธ์อย่างตรงไปตรงมาและเขียนรายงานการศึกษาเพื่อให้ผู้อื่นสามารถเชื่อถือได้ ตารางทั้งสองข้างต้นใช้ค่าประมาณความแม่นยำที่แท้จริงที่มีความแน่นอนสูงหนึ่งค่าเพื่อแสดงให้เห็นว่าค่าการทำนายเชิงบวกสามารถเปลี่ยนแปลงได้มากเพียงใดโดยที่การทดสอบพื้นฐานไม่เปลี่ยนแปลงเลย ซึ่งเป็นแนวคิดที่ควรนำไปใช้จากคู่มือนี้ ก่อนที่จะเชื่อถือตัวเลขความแม่นยำในการวินิจฉัยใดๆ ให้ถามว่าวัดในประชากรกลุ่มใด และประชากรกลุ่มนั้นมีลักษณะคล้ายกับประชากรที่อยู่ตรงหน้าคุณหรือไม่
แหล่งข้อมูล Editverse ที่เกี่ยวข้อง
→ วิธีการทางสถิติสำหรับการประเมินประสิทธิภาพของการทดสอบวินิจฉัยทางการแพทย์
→ เครื่องคำนวณและสูตรดัชนี Youden
→ ผลกระทบของค่าเกณฑ์ต่อความแม่นยำในการวินิจฉัย
→ ผลกระทบของอคติสเปกตรัมต่อประสิทธิภาพการทดสอบวินิจฉัย
→ การวิเคราะห์การถดถอยโลจิสติกในการวินิจฉัยทางการแพทย์
→ การวิเคราะห์เชิงแยกแยะที่มองเห็นได้: การจำแนกโรคตามไบโอมาร์กเกอร์
→ สามเสาหลักแห่งความสำเร็จ: การศึกษาแบบจำลองการทำนาย
→ หลักสูตรขั้นสูงด้านการวิเคราะห์เมตา: ตัวอย่างทีละขั้นตอน
→ สถิติแบบเบย์เซียนเทียบกับสถิติแบบความถี่
→ อัตราส่วนความเสี่ยงและอัตราส่วนอัตราต่อรอง: การทำความเข้าใจและการคำนวณ
→ การวิเคราะห์กำลังทางสถิติแบบง่าย: การคำนวณขนาดตัวอย่าง
อ้างอิง
- Bossuyt PM, Reitsma JB, Bruns DE และคณะ STARD 2015: รายการปรับปรุงของรายการสำคัญสำหรับการรายงานการศึกษาความแม่นยำในการวินิจฉัย BMJ 2015; 351: h5527 https://doi.org/10.1136/bmj.h5527
- Trevethan R. ความไว ความจำเพาะ และค่าการทำนาย: พื้นฐาน ความยืดหยุ่น และข้อผิดพลาดในการวิจัยและการปฏิบัติ ขอบเขตใหม่ในด้านสาธารณสุข 2017; 5: 307 https://doi.org/10.3389/fpubh.2017.00307
- Nahm FS. เส้นโค้งลักษณะการทำงานของผู้รับ: ภาพรวมและการใช้งานจริงสำหรับแพทย์ วารสารวิสัญญีวิทยาเกาหลี 2022;75(1):25-36. https://doi.org/10.4097/kja.21209
- Deeks JJ, Altman DG. การทดสอบวินิจฉัย 4: อัตราส่วนความน่าจะเป็น BMJ 2004;329(7458):168-169. https://doi.org/10.1136/bmj.329.7458.168
- Bours MJL. กฎของเบย์สในการวินิจฉัยโรค วารสารระบาดวิทยาคลินิก 2021; 131: 158-160 https://doi.org/10.1016/j.jclinepi.2020.12.021
- Horne DJ, Zifodya JS, Shapiro AE และคณะ การทดสอบ Xpert MTB/RIF Ultra สำหรับวัณโรคปอดและการดื้อยาไรแฟมพิซินในผู้ใหญ่และวัยรุ่น ฐานข้อมูล Cochrane ของการทบทวนอย่างเป็นระบบ 2025;7:CD009593. https://doi.org/10.1002/14651858.CD009593.pub6
- Lee CC, Huang SS, Yeo YH และคณะ การตรวจหาโทรโปนินในหัวใจที่มีความไวสูงเพื่อการวินิจฉัยภาวะกล้ามเนื้อหัวใจตายเฉียบพลันอย่างรวดเร็ว: การทบทวนอย่างเป็นระบบและการวิเคราะห์เชิงเมตา วารสารการแพทย์ฉุกเฉินของอเมริกา 2020;38(7):1402-1407. https://doi.org/10.1016/j.ajem.2019.11.035
- White SJ, Chau M, Arruzza E และคณะ การประเมินการปฏิบัติตามแนวทางมาตรฐานการรายงานความแม่นยำในการวินิจฉัย (STARD) ปี 2015 ในการศึกษาความแม่นยำในการวินิจฉัยภาพทางการแพทย์ที่ตีพิมพ์ในปี 2023 วารสารระบาดวิทยาคลินิก 2025; 179: 111654 https://doi.org/10.1016/j.jclinepi.2024.111654
