Definice:
Pacient: pozitivní na nemoc,
Zdravé: negativní na onemocnění,
True positive (TP) = počet případů správně identifikovány jako pacient
Falešně pozitivní (FP) = počet případů nesprávně označena jako pacient
True negative (TN) = počet případů správně identifikovány jako zdravé,
Falešně negativní (FN) = počet případů nesprávně identifikovány jako zdravé,
přesnost: Přesnost testu je jeho schopnost odlišit pacienta a zdravé případech správně., Pro odhad přesnosti testu bychom měli vypočítat podíl skutečného pozitivního a skutečného negativního ve všech hodnocených případech. Matematicky to lze uvést jako:
přesnost=TP + TNTP + TN + FP + FN
citlivost testu je jeho schopnost správně určit případy pacienta. Abychom to mohli odhadnout, měli bychom vypočítat podíl skutečného pozitivního v případech pacientů. Matematicky to lze konstatovat jako:
Citlivost=TPTP+FN
Specificita: specificita testu je jeho schopnost zjistit, zdravé případech správně., Abychom to mohli odhadnout, měli bychom vypočítat podíl skutečného negativu ve zdravých případech. Matematicky to lze konstatovat jako:
Specificita=TNTN+FP
Příklady:
Scénář 1.
Představte si, že máme vzorek 100 případů, 50 zdravé a ostatní pacienta. Pokud test může být pozitivní pro všechny pacienty a negativní pro všechny zdravé, je 100% přesný. Na obrázku 1 ukazuje arrow test a byl schopen přesně rozlišit zdravé a trpělivé., V tomto příkladu je citlivost testu 50 děleno 50 nebo 100% a jeho specifičnost při určování zdravých lidí je 50 děleno 50 nebo 100%.
schéma prezentace příklad testu s 100% přesnost, citlivost a specifičnost,
s přihlédnutím k uvedené statistické charakteristiky, tento test je vhodný pro screening i závěrečné ověření onemocnění.,
Scénář 2.
Pokud test může diagnostikovat pouze 25 z 50 pacientů, a oznámil ostatním, jako zdravé (Obrázek 2); přesnost, citlivost a specifičnost bude vypadat takto:
schéma prezentace příklad testu s 75% úspěšností, 50% senzitivitu a 100% specificitu.
přesnost: ze 100 testovaných případů by test mohl správně určit 25 pacientů a 50 zdravých případů. Proto je přesnost testu rovna 75 děleno 100 nebo 75%.,
citlivost: z 50 pacientů test diagnostikoval pouze 25. Proto je jeho citlivost 25 děleno 50 nebo 50%.
specificita: z 50 zdravých lidí test správně poukázal na všech 50. Proto je jeho specificita 50 dělena 50 nebo 100%.
Podle těchto statistických charakteristik, tento test je vhodný pro screeningové účely, ale je vhodný pro konečné potvrzení onemocnění.,
Scénář 3
tentokrát budeme předpokládat, že test nebyl schopen identifikovat 25 50 zdravý případech, a oznámil, ostatní pacienti (Obrázek 3). V tomto scénáři přesnost, citlivost a specifičnost bude vypadat takto:
schéma prezentace příklad testu s 75% přesností, 100% citlivost, a 50% specifičnost.
přesnost: ze 100 testovaných případů by test mohl správně identifikovat 25 zdravých případů a 50 pacientů., Proto je přesnost testu rovna 75 děleno 100 nebo 75%.
citlivost: z 50 pacientů test diagnostikoval všech 50. Proto je jeho citlivost 50 děleno 50 nebo 100%.
specificita: z 50 zdravých případů test správně poukázal pouze na 25. Proto je jeho specificita 25 dělena 50 nebo 50%.
podle těchto statistických charakteristik je tento test vhodný pro screeningové účely, ale není vhodný pro konečné potvrzení onemocnění.