Plot tegen prevalentie
| Opdracht: | Statistiek ROC-curvesPlot tegen prevalentie |
|---|
In deze grafiek (onderdeel van de ROC-curveanalyse) kan je de positief en negatief voorspellende waarden uitzetten tegen de ziekteprevalentie, voor één paar waarden van sensitiviteit en specificiteit.
De waarden van de sensitiviteit en specificiteit verkrijg je uit de ROC-curveanalyse of uit de literatuur.
- Positief voorspellende waarde
De kans dat de ziekte aanwezig is wanneer de test positief is.
$$ PPV = \frac {\text{sensitiviteit} \times \text{prevalentie} } {\text{sensitiviteit} \times \text{prevalentie} + (1-\text{specificiteit})\times (1-\text{prevalentie}) } $$
- Negatief voorspellende waarde
De kans dat de ziekte niet aanwezig is wanneer de test negatief is.
$$ NPV = \frac {\text{specificiteit} \times (1-\text{prevalentie}) }{ (1-\text{sensitiviteit}) \times \text{prevalentie} + \text{specificiteit} \times (1-\text{prevalentie}) } $$
$$ PPV = \frac {\text{sensitiviteit} \times \text{prevalentie} } {\text{sensitiviteit} \times \text{prevalentie} + (1-\text{specificiteit})\times (1-\text{prevalentie}) } $$
$$ NPV = \frac {\text{specificiteit} \times (1-\text{prevalentie}) }{ (1-\text{sensitiviteit}) \times \text{prevalentie} + \text{specificiteit} \times (1-\text{prevalentie}) } $$
Optioneel kan het programma de 95%-betrouwbaarheidsintervallen tekenen.
Vereiste invoer
Giguère et al. (2016) bestudeerden het gebruik van serumamyloïde A (SAA), gemeten in de stal, voor de vroege opsporing van pneumonie op een bedrijf waar R. equi endemisch is. Voor een optimaal afkappunt van >53 μg/mL vonden ze een sensitiviteit van 64% en een specificiteit van 77%.
- Sensitiviteit en specificiteit: voer de sensitiviteit en de specificiteit in als percentage.
- Opties: zie hieronder
Grafiek
In de grafiek worden de positief en negatief voorspellende waarden uitgezet tegen de ziekteprevalentie.
De 95%-betrouwbaarheidsintervallen plotten
MedCalc kan ook de 95%-betrouwbaarheidsintervallen in de grafiek tekenen. Daarvoor moet je het aantal gevallen in de zieke en de normale groep invoeren. Dit is het aantal gevallen dat werd opgenomen in de studie waarin de sensitiviteit en specificiteit werden bepaald.
Klik eerst op de optie 95%-betrouwbaarheidsinterval en voer vervolgens het aantal gevallen in de zieke en de normale groep in.
De studie van Giguère et al. (2016) omvatte 25 veulens met een door kweek bevestigde R. equi-pneumonie (de positieve of zieke gevallen, waarbij de sensitiviteit werd bepaald), en 22 veulens die gedurende het hele fokseizoen klinisch gezond bleven (de negatieve of normale gevallen, waarbij de specificiteit werd bepaald).
Grafiek
De nieuwe grafiek bevat de 95%-betrouwbaarheidsintervallen voor de positief en negatief voorspellende waarden.
MedCalc berekent de betrouwbaarheidsintervallen voor de voorspellende waarden met de standaard-logitmethode die door Mercaldo et al. (2007) werd beschreven.
Literatuur
- Giguère S, Berghaus LJ, Miller CD (2016) Clinical assessment of a point-of-care serum amyloid A assay in foals with Bronchopneumonia. Journal of Veterinary Internal Medicine 30:1338-1343.
- Mercaldo ND, Lau KF, Zhou XH (2007) Confidence intervals for predictive values with an emphasis to case-control studies. Statistics in Medicine 26:2170-2183.