Definitioner:
Patient: positiv for sygdom
Sund: negativ for sygdommen
Sandt positive (TP) = antallet af sager, der identificeres korrekt som patient
Falsk positive (FP) = antallet af sager, der fejlagtigt identificeres som en patient
Sandt negative (TN) = antallet af sager, der identificeres korrekt som sund
Falsk negative (FN) = antallet af sager, der fejlagtigt identificeres som en sund
nøjagtighed: Nøjagtighed af en test, er dens evne til at skelne mellem patient og sunde sager korrekt., For at estimere nøjagtigheden af en test skal vi beregne andelen af ægte positiv og ægte negativ i alle evaluerede tilfælde. Matematisk kan dette udtrykkes som:
Nøjagtighed=TP+TNTP+TN+FP+FN
Følsomhed: følsomheden af en test, er dets evne til at bestemme patientens tilfælde korrekt. For at estimere det skal vi beregne andelen af ægte positive i patienttilfælde. Matematisk kan dette angives som:
følsomhed=Tptp+FN
specificitet: specificiteten af en test er dens evne til at bestemme de sunde tilfælde korrekt., For at estimere det skal vi beregne andelen af ægte negativ i sunde tilfælde. Matematisk kan dette angives som:
specificitet=TNTN+FP
eksempler:
Scenario 1
Forestil dig, at vi har en prøve på 100 tilfælde, 50 sunde og de andre patient. Hvis en test kan være positiv for alle patienter og være negativ for alle de sunde, er den 100% nøjagtig. I figur 1 viser Arro.testen, og den har været i stand til at differentiere den sunde og patient nøjagtigt., I dette eksempel er testens følsomhed 50 divideret med 50 eller 100%, og dens specificitet ved bestemmelse af sunde mennesker er 50 divideret med 50 eller 100%.
En skematisk præsentation af et eksempel test med 100% nøjagtighed, følsomhed og specificitet
Under hensyntagen til de nævnte statistiske egenskaber, denne test er relevant for både screening og afsluttende kontrol af en sygdom.,
Scenarie 2
Hvis testen kan kun diagnosticere 25 ud af de 50 patienter, og har rapporteret de andre som sund (Figur 2), nøjagtighed, følsomhed og specificitet vil være som følger:
En skematisk præsentation af et eksempel prøve med 75% nøjagtighed, 50% følsomhed og 100% nøjeagtighed.
nøjagtighed: af de 100 tilfælde, der er testet, kunne testen bestemme 25 patienter og 50 sunde tilfælde korrekt. Derfor er testens nøjagtighed lig med 75 divideret med 100 eller 75%.,
følsomhed: fra de 50 patienter har testen kun diagnosticeret 25. Derfor er dens følsomhed 25 divideret med 50 eller 50%.specificitet: fra de 50 raske mennesker har testen korrekt påpeget alle 50. Derfor er dens specificitet 50 divideret med 50 eller 100%.
i henhold til disse statistiske egenskaber er denne test ikke egnet til screeningsformål; men den er velegnet til den endelige bekræftelse af en sygdom.,
Scenario 3
denne gang antager vi, at testen har været i stand til at identificere 25 af de 50 sunde tilfælde og har rapporteret de andre som patienter (figur 3). I dette scenario nøjagtighed, sensitivitet og specificitet vil være som følger:
En skematisk præsentation af et eksempel prøve med 75% nøjagtighed, 100% følsomhed, og 50% specificitet.
nøjagtighed: af de 100 tilfælde, der er testet, kunne testen identificere 25 sunde tilfælde og 50 patienter korrekt., Derfor er testens nøjagtighed lig med 75 divideret med 100 eller 75%.
følsomhed: fra de 50 patienter har testen diagnosticeret alle 50. Derfor er dens følsomhed 50 divideret med 50 eller 100%.
specificitet: fra de 50 sunde tilfælde har testen kun korrekt påpeget 25. Derfor er dens specificitet 25 divideret med 50 eller 50%.
i henhold til disse statistiske egenskaber er denne test velegnet til screeningsformål, men den er ikke egnet til den endelige bekræftelse af en sygdom.