Příklad 001 – určení
aposteriorní pravděpodobnosti choroby (prediktivní hodnoty pozitivního výsledku
testu, PV+)
Mějme test, který je možné
pomocí diskriminační meze dichotomizovat. Získávat budeme výsledky pozitivní (Test
+) a negativní (Test -). Má-li tento test použitý k identifikaci určité
nemoci, jejíž prevalence v populaci je 0,1 %, falešnou pozitivitu 5 % a
odhaluje chorobu se senzitivitou 100 %, jaká je pravděpodobnost pro pozitivní
výsledek testu, že pacient má uvažovanou chorobu ?
Prevalence je 0,001 (0,1 %,
tedy 1 jedinec z 1000), senzitivita 1,0 (100 %) a specifičnost 0,95 (95 %).
|
|
Test + |
Test - |
celkem |
|
Choroba přítomna (D+) |
1 |
0 |
1 |
|
Choroba nepřítomna (D-) |
50 |
949 |
999 |
|
Celkem |
51 |
949 |
1000 |
|
Senzitivita |
1,0 (100 %) |
|
Specifičnost |
0,95 (95 %) |
|
Prevalence |
0,001 (0,1 %) |
|
PV+ |
0,0196 (1,96 %) |
|
PV- |
1,0 (100,0 %) |
Správná odpověď:
Pravděpodobnost choroby
(pozitivní prediktivní hodnota, PV+) je při pozitivním výsledku
testu pouze 0,0196 (1,96 %). Negativní prediktivní hodnota (PV-) je
1,0 (100%).
Vypočte se pomocí Bayesova
přístupu, v této konkrétní tabulce rovněž jako poměr všech pozitivních
s chorobou ke všem pozitivním osobám, tedy PV+ = 1/51*100 =
1,96 %
Příklad demonstruje situaci,
kdy poměrně kvalitní diagnostický test nelze použít pro screening
v populaci, ve které se hledaná choroba vyskytuje zřídka. Pozitivní
výsledek testu pak přítomnost uvažované choroby indikuje s velmi nízkou pravdědobností.
·
Diagnostická
efektivita - klinická užitečnost
·
Příklad
002: diagnostická efektivita
·
Příklad
003: diagnostická efektivita
.