Sebarang ujian yang dilakukan terhadap populasi tertentu, mesti dapat mengira kepekaan, kekhususan, nilai ramalan positif, dan nilai ramalan negatif, untuk mengetahui kegunaan ujian dalam mengesan penyakit atau ciri populasi tertentu. Sekiranya kita ingin menggunakan ujian untuk menguji ciri-ciri tertentu dalam populasi sampel, apa yang perlu kita ketahui adalah:
- Seberapa besar kemungkinan ujian ini dapat dikesan kewujudan ciri-ciri tertentu seseorang dengan ciri-ciri seperti itu (kepekaan)?
- Seberapa besar kemungkinan ujian ini dapat dikesan ketiadaan ciri-ciri tertentu seseorang yang tidak mempunyai ciri-ciri ini (kekhususan)?
- Seberapa besar kemungkinan seseorang yang mempunyai keputusan ujian yang sama positif sungguh mempunyai ciri-ciri ini (nilai ramalan positif)?
-
Seberapa besar kemungkinan bahawa seseorang itu hasil ujiannya negatif sungguh tidak ada ciri-ciri ini (nilai ramalan negatif)?
Nilai-nilai ini sangat penting untuk dikira tentukan sama ada ujian berguna untuk mengukur ciri-ciri tertentu dalam populasi tertentu.
Artikel ini akan menunjukkan cara mengira nilai-nilai ini.
Langkah
Kaedah 1 dari 1: Mengira Diri Anda
Langkah 1. Tentukan populasi yang akan dijadikan sampel, contohnya 1000 pesakit di sebuah klinik
Langkah 2. Tentukan penyakit atau ciri yang diingini, misalnya sifilis
Langkah 3. Mempunyai standard emas standard untuk menentukan kelaziman penyakit atau ciri-ciri yang diinginkan, misalnya dokumentasi mikroskopik medan gelap bakteria Treponema pallidum dari serpihan ulser sifilik, bekerjasama dengan penemuan klinikal
Gunakan ujian standard emas untuk menentukan siapa yang mempunyai ciri dan siapa yang tidak. Sebagai gambaran, katakan 100 orang mempunyai ciri dan 900 tidak.
Langkah 4. Lakukan ujian yang anda minati untuk menentukan kepekaan, kekhususan, nilai ramalan positif, dan nilai ramalan negatif bagi populasi ini
Seterusnya, lakukan ujian untuk semua orang dalam populasi sampel. Sebagai contoh, katakan ini adalah ujian reagin plasma cepat (RPR) untuk memeriksa sifilis. Gunakannya untuk menguji 1000 orang dalam sampel.
Langkah 5. Bagi orang yang mempunyai ciri-ciri (seperti yang ditentukan oleh standard emas), catat jumlah orang yang diuji positif dan jumlah orang yang diuji negatif
Lakukan hal yang sama untuk orang yang tidak mempunyai ciri (seperti yang ditentukan oleh standard emas). Anda akan mempunyai empat nombor. Orang yang mempunyai ciri DAN keputusan ujian adalah positif positif benar (positif benar atau TP). Orang yang mempunyai ciri DAN keputusan ujian adalah negatif negatif palsu (negatif palsu atau FN). Orang yang tidak mempunyai ciri DAN keputusan ujian adalah positif positif palsu (positif palsu atau FP). Orang yang tidak mempunyai ciri DAN keputusan ujian adalah negatif negatif benar (negatif benar atau TN). Sebagai contoh, anggap anda telah melakukan ujian RPR pada 1000 pesakit. Di antara 100 pesakit sifilis, 95 daripadanya diuji positif, sementara 5 selebihnya negatif. Di antara 900 pesakit yang tidak mengalami sifilis, 90 diuji positif, dan 810 yang lain adalah negatif. Dalam kes ini, TP = 95, FN = 5, FP = 90, dan TN = 810.
Langkah 6. Untuk mengira kepekaan, bahagikan TP dengan (TP + FN)
Dalam contoh di atas, pengiraannya adalah 95 / (95 + 5) = 95%. Sensitiviti memberitahu kita betapa mungkin ujian itu memberikan hasil positif bagi seseorang yang mempunyai ciri. Di antara semua orang yang mempunyai ciri-ciri tersebut, apakah perbandingan positif? Sensitiviti 95% cukup baik.
Langkah 7. Untuk mengira kekhususan, bahagikan TN dengan (FP + TN)
Dalam contoh di atas, pengiraannya adalah 810 / (90 + 810) = 90%. Kekhususan memberitahu kita tentang kemungkinan ujian memberikan hasil negatif pada seseorang yang tidak mempunyai ciri. Di antara semua orang yang tidak mempunyai ciri, apakah nisbah ujian negatif? Kekhususan 90% cukup baik.
Langkah 8. Untuk mengira nilai ramalan positif (NPP), bahagikan TP dengan (TP + FP)
Dalam konteks di atas, pengiraannya adalah 95 / (95 + 90) = 51.4%. Nilai ramalan positif memberitahu kebarangkalian seseorang mempunyai ciri sekiranya keputusan ujian positif. Di antara semua orang yang menguji positif, bahagian apa yang sebenarnya mempunyai ciri? NPP 51.4% bermaksud bahawa jika keputusan ujian anda positif, kebarangkalian sebenarnya menghidap penyakit tersebut adalah 51.4%.
Langkah 9. Untuk mengira nilai ramalan negatif (NPN), bahagikan TN dengan (TN + FN)
Untuk contoh di atas, pengiraannya adalah 810 / (810 + 5) = 99.4%. Nilai ramalan negatif memberitahu betapa besar kemungkinan seseorang tidak mempunyai ciri sekiranya hasil ujiannya negatif. Di antara semua orang yang menguji negatif, bahagian apa yang sebenarnya tidak mempunyai ciri-ciri yang dimaksudkan? NPN 99.4% bermaksud bahawa jika keputusan ujian seseorang negatif, kebarangkalian tidak menghidap penyakit pada orang tersebut adalah 99.4%.
Petua
- Ketepatan, atau kecekapan, adalah peratusan hasil ujian yang dikenal pasti dengan betul oleh ujian, iaitu (positif benar + benar negatif) / jumlah hasil ujian = (TP + TN) / (TP + TN + FP + FN).
- Ujian saringan yang baik mempunyai kepekaan yang tinggi, kerana anda ingin mendapatkan semua yang mempunyai ciri-ciri tertentu. Ujian yang mempunyai kepekaan yang sangat tinggi berguna untuk menghilangkan penyakit atau ciri jika hasilnya negatif. ("SNOUT": Peraturan SeNsitivity OUT)
- Cuba buat jadual 2x2 untuk memudahkannya.
- Fahami bahawa kepekaan dan kekhususan adalah sifat intrinsik ujian yang tidak bergantung pada populasi yang ada, iaitu bahawa kedua-dua nilai harus sama jika ujian yang sama dilakukan pada populasi yang berbeza.
- Ujian pengesahan yang baik mempunyai kekhususan yang tinggi, kerana anda mahukan ujian itu spesifik dan tidak salah melabel orang yang tidak mempunyai ciri dengan menganggap mereka memilikinya. Ujian yang mempunyai kekhususan sangat tinggi berguna untuk sertakan penyakit atau ciri tertentu sekiranya hasilnya positif. ("SPIN": Kekhususan-peraturan IN)
- Nilai ramalan positif dan nilai ramalan negatif, sebaliknya, bergantung pada kelaziman ciri ini pada populasi tertentu. Semakin jarang ciri yang dicari, semakin rendah nilai ramalan positif dan semakin tinggi nilai ramalan negatif (kerana kebarangkalian pretest rendah untuk ciri jarang). Sebaliknya, ciri yang lebih umum adalah, semakin tinggi nilai ramalan positif dan semakin rendah nilai ramalan negatif (kerana kebarangkalian pretest tinggi untuk ciri umum).
- Cuba fahami konsep-konsep ini dengan baik.
