Tanısal test
| Komut: | Testler Tanısal test |
|---|
Bir 2x2 tabloya girilen verilerden duyarlılık, özgüllük, pozitif ve negatif olabilirlik oranı, prevalans ile pozitif ve negatif öngörü değeri gibi test özelliklerini hesaplamanızı sağlar.
Gerekli girdi
Hasta grubundaki pozitif ve negatif test sonuçlu vaka sayısını (sol sütun) ve hasta olmayan gruptaki pozitif ve negatif test sonuçlu vaka sayısını (sağ sütun) girin.
Not: 
düğmesine tıklayarak sütunların ve satırların sırasını değiştirebilirsiniz.
Hastalık prevalansı
Pozitif (hastalık var) ve negatif (hastalık yok) gruplardaki örneklem büyüklükleri gerçek prevalansı yansıtmıyorsa prevalansı ilgili giriş alanına girebilirsiniz. Bu, pozitif ve negatif öngörü değerini ve doğruluğu etkiler.
Sonuçlar
Aşağıdaki istatistikler %95 güven aralıklarıyla birlikte verilir:
- Duyarlılık: hastalık mevcut olduğunda test sonucunun pozitif olma olasılığı (gerçek pozitif oranı).
- Özgüllük: hastalık mevcut olmadığında test sonucunun negatif olma olasılığı (gerçek negatif oranı).
- AUC: ROC eğrisi altındaki alan.
- Youden indeksi: 2x2 bir tablo için Youden indeksi J (Youden, 1950) şöyle tanımlanır:
$$ J = \text{duyarlılık} + \text{özgüllük} - 1 $$
%95 bootstrap güven aralığı parametrik bootstrap yöntemiyle hesaplanır. Yalnızca toplam sayılar (bireysel hasta verileri değil) mevcut olduğundan duyarlılık ve özgüllük iki bağımsız binom dağılımından yeniden örneklenir: biri hasta popülasyonuna (n = TP + FN, p = duyarlılık), diğeri sağlıklı popülasyona (n = TN + FP, p = özgüllük) uydurulur. Youden indeksi yeniden örneklenen 1000 kümenin her biri için yeniden hesaplanır ve güven aralığının sınırları bu bootstrap dağılımının 2,5. ve 97,5. persentilleridir.
- Pozitif olabilirlik oranı: hastalık varken pozitif test sonucu olasılığının, hastalık yokken pozitif test sonucu olasılığına oranı, yani
$$ +LR = \frac { \text{Gerçek pozitif oranı} } { \text{Yanlış pozitif oranı} } = \frac { \text{Duyarlılık}} { 1 - \text{Özgüllük}} $$
- Negatif olabilirlik oranı: hastalık varken negatif test sonucu olasılığının, hastalık yokken negatif test sonucu olasılığına oranı, yani
$$ -LR = \frac { \text{Yanlış negatif oranı} } { \text{Gerçek negatif oranı} } = \frac { 1 - \text{Duyarlılık}} { \text{Özgüllük}} $$
- Pozitif öngörü değeri: test pozitif olduğunda hastalığın mevcut olma olasılığı.
$$ PPV = \frac {\text{duyarlılık} \times \text{prevalans} } {\text{duyarlılık} \times \text{prevalans} + (1-\text{özgüllük})\times (1-\text{prevalans}) } $$
- Negatif öngörü değeri: test negatif olduğunda hastalığın mevcut olmama olasılığı.
$$ NPV = \frac {\text{özgüllük} \times (1-\text{prevalans}) }{ (1-\text{duyarlılık}) \times \text{prevalans} + \text{özgüllük} \times (1-\text{prevalans}) } $$
- Doğruluk: bir hastanın doğru sınıflandırılmasının genel olasılığı.
$$ \text{Doğruluk} = \text{duyarlılık} \times \text{prevalans} + \text{özgüllük} \times (1-\text{prevalans}) $$
$$ PPV = \frac {\text{duyarlılık} \times \text{prevalans} } {\text{duyarlılık} \times \text{prevalans} + (1-\text{özgüllük})\times (1-\text{prevalans}) } $$
$$ NPV = \frac {\text{özgüllük} \times (1-\text{prevalans}) }{ (1-\text{duyarlılık}) \times \text{prevalans} + \text{özgüllük} \times (1-\text{prevalans}) } $$
Duyarlılık, özgüllük, hastalık prevalansı, pozitif ve negatif öngörü değeri ile doğruluk yüzde olarak ifade edilir.
Duyarlılık, özgüllük ve doğruluk için güven aralıkları Clopper-Pearson “kesin” güven aralıklarıdır.
Olabilirlik oranlarının güven aralıkları, Altman ve ark. 2000'in 109. sayfasında açıklanan “log yöntemi” kullanılarak hesaplanır.
Öngörü değerlerinin güven aralıkları, Mercaldo ve ark. 2007 tarafından verilen standart logit güven aralıklarıdır; ancak öngörü değeri 0 veya %100 olduğunda Clopper-Pearson güven aralığı verilir.
İsteğe bağlı Açıklama giriş kutusuna, basılı rapora eklenecek bir açıklama veya sonuç girebilirsiniz.
Kaynakça
- Altman DG, Machin D, Bryant TN, Gardner MJ (Eds) (2000) Statistics with confidence, 2nd ed. BMJ Books.
- Gardner IA, Greiner M (2006) Receiver-operating characteristic curves and likelihood ratios: improvements over traditional methods for the evaluation and application of veterinary clinical pathology tests. Veterinary Clinical Pathology 35:8-17.
- Griner PF, Mayewski RJ, Mushlin AI, Greenland P (1981) Selection and interpretation of diagnostic tests and procedures. Annals of Internal Medicine 94:555-600.
- Hanley JA, McNeil BJ (1982) The meaning and use of the area under a receiver operating characteristic (ROC) curve. Radiology 143:29-36.
- 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.
- Metz CE (1978) Basic principles of ROC analysis. Seminars in Nuclear Medicine 8:283-298.
- Youden WJ (1950) Index for rating diagnostic tests. Cancer 3:32-35.
- Zhou XH, Obuchowski NA, McClish DK (2002) Statistical methods in diagnostic medicine. New York: Wiley.
- Zweig MH, Campbell G (1993) Receiver-operating characteristic (ROC) plots: a fundamental evaluation tool in clinical medicine. Clinical Chemistry 39:561-577.