在开发诊断测试或评估结果时,重要的是要了解这些测试的可靠性以及您获得的结果。通过使用已知疾病状态的样本,可以计算出诸如灵敏度和特异性之类的价值,从而使您能够对此进行评估。
灵敏度值告诉您什么?
这灵敏度测试也称为真正的正率(TPR)并且是真正阳性的样品的比例,这些样品使用所讨论的测试产生了积极的结果。例如,正确识别面板中所有正样品的测试非常敏感。另一个仅检测面板中60%的阳性样品的测试将被视为具有较低的灵敏度,因为它缺失了阳性并给予更高的敏感性假阴性率(FNR)。也称为II型错误,假阴性是未能拒绝虚假零假设的(零假设是样本为负)。
特异性措施告诉您什么?
这特异性测试,也称为真正的负率(TNR),是使用所讨论的测试的样本的比例,这些样品的比例是真实负面的。例如,一项将所有健康人识别为对特定疾病负面的测试非常具体。另一个错误地识别30%的健康人员的测试将被视为不那么具体,更高误报率(FPR)。也称为I型错误,假阳性是对真实假设的排斥(原假设是样本为负)。
如何计算灵敏度和特异性值?
理想的测试很少忽略您要寻找的东西(即它很敏感),很少将其误认为其他东西(即特定于)。因此,在评估诊断测试时,重要的是要计算该测试的敏感性和特异性以确定其有效性。
诊断测试的敏感性表示为鉴于患者患有疾病的概率(百分比),样品测试呈阳性。
以下方程用于计算测试的敏感性:
灵敏度=真正的积极数量
(真实积极的数量 +假否定数的数量)
=真正的积极数量
患病的人总数
测试的特异性表示为鉴于该患者没有疾病的概率(百分比)返回负面结果。
以下方程用于计算测试的特异性:
特异性=真正的否定数量
(真正的负面数量 +假阳性数量)
=真正的否定数量
没有生病的个人总数
灵敏度与特异性示例
您需要评估新的诊断测试。您有一个验证样本小组,您可以确定它们是否肯定是来自患病的人还是健康的人。您的样品面板包括150个阳性和400个负面因素。
在通过测定过程中运行样品后,您将结果与他们已知的疾病状况进行了比较,并发现:
真正的阳性(测试结果为积极,是真正积极的)= 144
假阳性(测试结果呈阳性,但实际上为负)= 12
真正的负面因素(测试结果为负,真正为负)= 388
假阴性(测试结果为负,但实际上是积极的)= 6
或者,显示在应急表中:
|
真正的积极
|
真正的负面
|
行总计
|
测试阳性
|
144
|
12 |
156 |
测试阴性
|
6 |
388 |
394 |
列总计
|
150 |
400 |
550 |
灵敏度= 144 /(144 + 6)
= 144 /150
= 0.96
= 96%敏感
特异性= 388 /(388 + 12)
= 388 /400
= 0.97
= 97%的特异性
有关灵敏度和特异性的更多信息,请阅读全文这里
笔记:填写四个值以计算测试的灵敏度和特异性。点击这里了解有关灵敏度和特异性计算器的更多信息。