Analiza krzywej ROC: wartości predykcyjne
| Polecenie: | Statystyki |
|---|
Jeśli nie masz dostępu do danych surowych, aby przeprowadzić analizę krzywej ROC, możesz obliczyć dodatnią i ujemną wartość predykcyjną testu na podstawie twierdzenia Bayesa, gdy znane są czułość i swoistość testu oraz chorobowość (lub przedtestowe prawdopodobieństwo choroby).
Wymagane dane wejściowe
Wprowadź czułość i swoistość testu (wyrażone w procentach) oraz chorobowość (również wyrażoną w procentach).
Opcjonalnie możesz wprowadzić liczbę przypadków w grupie chorych i w grupie osób zdrowych. Jest to liczba przypadków włączonych do badania, w którym ustalono czułość i swoistość. Wprowadzenie tych liczb pozwala MedCalc obliczyć 95% przedziały ufności dla dodatniej i ujemnej wartości predykcyjnej.
Po wprowadzeniu tych danych kliknij Testuj lub naciśnij Enter, aby zobaczyć wyniki.
Wyniki
- Dodatnia wartość predykcyjna (PPV): prawdopodobieństwo, że choroba występuje, gdy wynik testu jest dodatni (wyrażone w procentach).
$$ PPV = \frac {\text{czułość} \times \text{chorobowość} } {\text{czułość} \times \text{chorobowość} + (1-\text{swoistość})\times (1-\text{chorobowość}) } $$
- Ujemna wartość predykcyjna (NPV): prawdopodobieństwo, że choroba nie występuje, gdy wynik testu jest ujemny (wyrażone w procentach).
$$ NPV = \frac {\text{swoistość} \times (1-\text{chorobowość}) }{ (1-\text{czułość}) \times \text{chorobowość} + \text{swoistość} \times (1-\text{chorobowość}) } $$
- Gdy znane są liczebności prób w grupie chorych i w grupie osób zdrowych, MedCalc oblicza przedziały ufności dla wartości predykcyjnych standardową metodą logitową opisaną przez Mercaldo i wsp. 2007.
Piśmiennictwo
- 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.