Krajowa Izba
Diagnostów
Laboratoryjnych
Wiarygodność diagnostyczna badań laboratoryjnych
Odpowiedzi.
[1] E. Czułość diagnostyczna testu obliczana jest jako iloraz wyników prawdziwie dodatnich oraz sumy wyników prawdziwie dodatnich i fałszywie ujemnych (czyli wyników uzyskanych u chorych). Żadna z podanych propozycji nie uwzględnia prawidłowej definicji, zatem prawidłowa jest odpowiedź E.
[2] D. Swoistość diagnostyczna testu obliczana jest poprzez podzielenie liczby wyników prawdziwie ujemnych przez sumę wyników prawdziwie ujemnych i fałszywie dodatnich, czyli przez liczbę wyników uzyskanych u osób zdrowych.
[3] C. Dokładność diagnostyczna testu obliczana jest jako iloraz sumy wyników prawdziwie dodatnich i prawdziwie ujemnych do sumy wszystkich wyników uzyskanych danym testem. Jest to więc prawdopodobieństwo uzyskania wyniku prawdziwie dodatniego lub wyniku prawdziwie ujemnego. Dwie ostatnie propozycje są dystraktorami – dotyczą dokładności analitycznej i nie mają nic wspólnego z definicją dokładności diagnostycznej.
[4] C. Określenie „efektywność diagnostyczna” używane jest przez niektórych autorów w znaczeniu identycznym ze znaczeniem określenia „dokładność diagnostyczna”, używanego przez innych autorów. Czasami pojawia się określenie „wydajność”.
[5] D. Czułość obliczana jest poprzez podzielenie wyników prawdziwie dodatnich przez wszystkie wyniki uzyskane u osób chorych: (50/60) × 100 = 83,3%. Swoistość obliczana jest poprzez podzielenie wyników prawdziwie ujemnych przez wszystkie wyniki uzyskane u osób zdrowych: (70/80) × 100 = 87,5%.
[6] A. Czułość obliczana jest poprzez podzielenie wyników prawdziwie dodatnich przez wszystkie wyniki uzyskane u osób chorych: (60/80) × 100 = 75%. Swoistość obliczana jest poprzez podzielenie wyników prawdziwie ujemnych przez wszystkie wyniki uzyskane u osób zdrowych: (40/50) × 100 = 80%. Przy rozwiązywaniu tego pytania należy zwrócić uwagę na to, że wyniki dodatnie u osób zdrowych są wynikami fałszywie dodatnimi, których liczba, odjęta od liczby osób zdrowych, umożliwia określenie liczby wyników prawdziwie ujemnych.
[7] B. Opis podaje, że stwierdzono 75% wyników prawdziwie ujemnych (swoistość diagnostyczna) i pozwala obliczyć odsetek wyników prawdziwie dodatnich: 100% - 25% = 75% (czułość diagnostyczna).
[8] E. Czułość diagnostyczna to prawdopodobieństwo uzyskania dodatniego wyniku testu u osoby chorej. Można zapisać to w formie prawdopodobieństwa warunkowego P(T+/Ch+). Podane do rozważenia odpowiedzi zawierają prawdopodobieństwa odwrócone – A. istnienia choroby u pacjenta z dodatnim wynikiem testu – P(Ch+/T+); B. braku choroby u pacjenta z dodatnim wynikiem testu – P(Ch-/T+); C. istnienia choroby u pacjenta z ujemnym wynikiem testu – P(Ch+/T-) i D. braku choroby u pacjenta z ujemnym wynikiem testu – P(Ch-/T-). Są to wartości predykcyjne. Żadna z nich nie jest czułością diagnostyczną.
[9]
D.
Swoistość
diagnostyczna
jest
to
prawdopodobieństwo
uzyskania
ujemnego
wyniku
testu
u
osoby
zdrowej
–
P(T-/Ch-).
[10] E. Dodatnia wartość predykcyjna obliczana jest jako iloraz wyników prawdziwie dodatnich oraz sumy wyników prawdziwie dodatnich i fałszywie dodatnich (czyli wszystkich wyników dodatnich). Żadna z podanych propozycji nie uwzględnia prawidłowej definicji, zatem prawidłowa jest odpowiedź E.
[11] C. Ujemna wartość predykcyjna obliczana jest poprzez podzielenie liczby wyników prawdziwie ujemnych przez sumę wyników prawdziwie ujemnych i fałszywie ujemnych, czyli przez liczbę wszystkich wyników ujemnych.
[12] D. Dodatnia wartość predykcyjna obliczana jest poprzez podzielenie wyników prawdziwie dodatnich przez wszystkie wyniki dodatnie: (50/60) × 100 = 83,3%. Ujemna wartość predykcyjna obliczana jest poprzez podzielenie wyników prawdziwie ujemnych przez wszystkie wyniki ujemne: (70/80) × 100 = 87,5%.
[13] A. Dodatnia wartość predykcyjna obliczana jest poprzez podzielenie wyników prawdziwie dodatnich przez wszystkie wyniki dodatnie: (60/70) × 100 = 85,7%. Ujemna wartość predykcyjna obliczana jest poprzez podzielenie wyników prawdziwie ujemnych przez wszystkie wyniki ujemne: (40/60) × 100 = 66,7%. Przy rozwiązywaniu tego pytania należy zwrócić uwagę na to, że wyniki dodatnie u osób zdrowych są wynikami fałszywie dodatnimi, których liczba, odjęta od liczby osób zdrowych, umożliwia określenie liczby wyników prawdziwie ujemnych.
[14] D. W sytuacji, gdy znana jest tylko liczba wyników fałszywych w całym zbiorze wyników, a nieznana jest liczba wyników uzyskanych u chorych, ani liczba wyników uzyskanych u zdrowych, jedyne, co można obliczyć, to dokładność diagnostyczna testu. Oczywiście, odpowiedzi A, B i C mogą być prawidłowe, ale pod warunkiem, że proporcja chorych do zdrowych wynosi odpowiednio: 100:150, 150:100, 125:125. Informacji o proporcji nie podano w treści pytania.
[15] B. Opis podaje, że stwierdzono 75% wyników prawdziwie ujemnych i pozwala obliczyć odsetek wyników prawdziwie dodatnich: 100% - 25% = 75%. Ponieważ wynika z tego także, że stwierdzono 25% wyników fałszywie dodatnich, można obliczyć dodatnią wartość predykcyjną: (750/1000) × 100 = 75% oraz ujemną wartość predykcyjną: (750/1000) × 100 = 75%. Na marginesie, warto zauważyć, że poprawne obliczenia wartości predykcyjnych powinny być prowadzone na bezwzględnej liczbie wyników, a nie na ich odsetku – wartość predykcyjna zależy od proporcji w liczbie osób chorych i zdrowych w eksperymencie. Następne pytanie wyjaśnia to dokładniej.
[16]
B.
Opis
podaje,
że
stwierdzono
75%
wyników
prawdziwie
ujemnych
i
pozwala
obliczyć
odsetek
wyników
prawdziwie
dodatnich:
100%
-
25%
=
75%.
Ponieważ
wynika
z
tego
także,
że
stwierdzono
25%
wyników
fałszywie
dodatnich,
można
obliczyć
dodatnią
wartość
predykcyjną:
(750/1250)
×
100
=
60%
oraz
ujemną
wartość
predykcyjną:
(1500/1750)
×
100
=
85,7%.
Jeśli
porówna
się
uzyskane
wyniki
z
wynikami
obliczeń
z
poprzedniego
pytania,
wyraźnie
widoczne
będzie,
że,
pomimo
takiej
samej
czułości
i
swoistości
w
obu
pytaniach,
wartości
predykcyjne
są
odmienne.
Wynika
to
z
różnej
liczby
zbadanych
osób
chorych
i
osób
zdrowych
(kolejno
1000/1000
i
1000/2000).
[17] A. Dodatnia wartość predykcyjna jest to prawdopodobieństwo istnienia choroby u osoby z dodatnim wynikiem testu. Można zapisać to w formie prawdopodobieństwa warunkowego P(Ch+/T+).
[18] E. Ujemna wartość predykcyjna jest to prawdopodobieństwo braku choroby u osoby z ujemnym wynikiem testu – P(Ch-/T-). Wymienione dystraktory nie uwzględniają takiej definicji.
[19] C. Czułość i swoistość diagnostyczna to cechy, które mogą ulegać zmianie wskutek pewnych zmian dotyczących testu lub badanych osób. Jeśli chodzi o czynniki związane z testem, to cechy analityczne stosowanej metody pomiarowej – precyzja i poprawność – odgrywają istotną rolę w kształtowaniu się czułości i swoistości diagnostycznej (patrz następne pytanie). Czułość i swoistość może być różna przy różnych wartościach nieprecyzyjności i obciążenia (mogą występować różnice przy zastosowaniu różnych metod pomiarowych). Drugi czynnik, który decyduje o czułości i swoistości testu, to przyjęta wartość odcięcia. Zmiany tej wartości doprowadzają do zmiany parametrów diagnostycznych testu. Czułość i swoistość testu zależy także od tego, kogo włączy się do badania. „Grupa osób chorych” oraz „grupa osób zdrowych” to pojęcia ogólne, które w eksperymencie przybierają konkretną postać. Np. w badaniu wiarygodności diagnostycznej PSA można wykonać pomiary u chorych z rozpoznanym histopatologicznie rakiem prostaty oraz u osób zdrowych. Można też zaplanować eksperyment inaczej, porównując chorych z rakiem prostaty oraz chorych bez raka prostaty, np. z łagodnym przerostem prostaty lub jej zapaleniem. Można przypuszczać, że czułość i swoistość PSA będzie różna w tych dwóch eksperymentach. Czułość i swoistość testu to cechy niezależne od proporcji pomiędzy liczbą osób chorych a liczbą osób zdrowych w eksperymencie – rozpowszechnienie (prewalencja) choroby nie wpływa na czułość i swoistość testu. Decyduje za to o dodatniej i ujemnej wartości predykcyjnej. Czułość i swoistość testu to cechy, które są niezależne od obserwatora.
[20] A. Po przesunięciu wartości odcięcia w stronę wartości fizjologicznych dochodzi do wzrostu liczby wyników prawdziwie dodatnich oraz spadku liczby wyników prawdziwie ujemnych. Wzrasta czułość diagnostyczna testu, zmniejsza się jego swoistość diagnostyczna. Zmiany czułości i swoistości zachodzą w przeciwnym kierunku.
[21] E. Kolejne pytania dotyczą związku pomiędzy wiarygodnością analityczną metody pomiarowej (precyzja, poprawność) a wiarygodnością diagnostyczną testu. Utrata precyzji wiąże się ze wzrostem liczby wyników fałszywie ujemnych oraz fałszywie dodatnich. Spada liczba wyników prawdziwie dodatnich oraz prawdziwie ujemnych. Należy zwrócić uwagę na zaprzeczenie w treści pytania.
[22] B. Spadek nieprecyzyjności wiąże się ze wzrostem liczby wyników prawdziwie dodatnich oraz prawdziwie ujemnych. Doprowadza to do wzrostu dodatniej wartości predykcyjnej.
[23] E. Dodatnie obciążenie (błąd systematyczny) zwiększa liczbę wyników dodatnich – zarówno tych prawdziwych (poprawa czułości), jak i tych fałszywych (pogorszenie swoistości).
[24] B. Ujemne obciążenie zwiększa liczbę wyników ujemnych – prawdziwie ujemnych (zwiększenie swoistości) oraz fałszywie ujemnych (zmniejszenie czułości). Dopuszczalne obciążenie przy pomiarach glukozy nie przekracza 2,5%. Poprawność jest cechą analityczną metody pomiarowej zależną od wielkości obciążenia. Duża wartość obciążenia decyduje o braku poprawności.
[25] D. Odwrotnie niż w pytaniu o przesunięciu wartości odcięcia w stronę wartości fizjologicznych, przy przesunięciu wartości odcięcia w stronę wartości patologicznych poprawia się swoistość a pogarsza się czułość diagnostyczna.
[26] D. Analiza krzywych ROC służy do obserwacji zmian czułości i swoistości diagnostycznej występujących przy przemieszczaniu wartości odcięcia.
[27] D. Pytanie, ułożone na podstawie wyników zaprezentowanych w pracy Collinsona (Heart 2003; 89:1258), sprawdza zrozumienie celu analizy ROC. Wynikiem analizy, obok samej krzywej, jest pole powierzchni pod krzywą ROC (area under curve, AUC). Jego wielkość określa odsetek trafnych decyzji diagnostycznych – rozpoznań i wykluczeń rozważanej choroby. Wartość AUC 0,92 oznacza 92% trafnych i 8% błędnych diagnoz.
[28] B. Wskaźnik Youdena jest największy przy tej czułości i swoistości diagnostycznej (Youden WJ. Index for rating diagnostic tests. Cancer. 1950; 3: 32-35).
[29] E. Dodatnia i ujemna wartość predykcyjna to cechy powiązane bardzo mocno z tzw. prewalencją, czyli rozpowszechnieniem choroby w badanej populacji. Są to także cechy zależne od położenia wartości predykcyjnej.
[30] E. Przy obliczaniu wartości predykcyjnych należy posługiwać się liczbą wyników prawdziwie dodatnich, fałszywie ujemnych, prawdziwie ujemnych i fałszywie dodatnich. Użycie wartości procentowych czułości, swoistości, odsetka wyników fałszywie ujemnych oraz odsetka wyników fałszywie dodatnich wprowadza wątpliwe założenie o równej częstości występowania osób chorych i zdrowych w badanej populacji.
[31] C. Prewalencja jest to pojęcie stosowane w epidemiologii do określenia częstości występowania danej choroby w ściśle określonym okresie , niezależnie od czasu wystąpienia choroby, w przeliczeniu na określoną liczbę osób, np. na 10 000 lub 100 000 osób.
[32] A. Przez prawdopodobieństwo a priori rozumie się prawdopodobieństwo istnienia choroby znane przed uzyskaniem wyniku testu, czyli prawdopodobieństwo tożsame z prewalencją choroby w określonej populacji.
[33] E. Prawdopodobieństwo a posteriori jest to prawdopodobieństwo istnienia choroby obliczone z uwzględnieniem prawdopodobieństwa a priori oraz wyniku testu o określonych właściwościach diagnostycznych.
[34] C. Im większe jest prawdopodobieństwo przed wykonaniem badania, tym większe będzie ono po uzyskaniu wyniku badania, niezależnie od tego czy wynik będzie dodatni, czy ujemny. Zmiana prawdopodobieństwa zależy od wiarygodności diagnostycznej wykonanego badania.
[35] C. Przy obliczaniu, wykonywanym z użyciem LR, prawdopodobieństwo a priori przekształca się w szansę istnienia choroby a priori, mnoży się tę szansę przez LR, uzyskując szansę istnienia choroby a posteriori, którą przekształca się w prawdopodobieństwo a posteriori. Etapy obliczenia są następujące:
1. Prawdopodobieństwo a priori ® Szansa a priori
2. Szansa a priori ´ LR = Szansa a posteriori
3. Szansa a posteriori ® Prawdopodobieństwo a posteriori.
Należy zwrócić uwagę na to, że określenie „prawdopodobieństwo” nie jest jednoznaczne z określeniem „szansa”. Są one ze sobą powiązane, ale nie tożsame.
[36] A. Dodatni iloraz prawdopodobieństwa dotyczy sytuacji, w której uzyskuje się dodatni wynik testu. Obliczenia z użyciem ilorazów prawdopodobieństwa dotyczą zawsze szansy istnienia choroby.
[37] B. Ujemny iloraz prawdopodobieństwa dotyczy sytuacji, w której uzyskuje się ujemny wynik testu. Obliczenia z użyciem ilorazów prawdopodobieństwa dotyczą zawsze szansy istnienia choroby.
[38] A. LR+ oblicza się przez podzielenie czułości diagnostycznej przez odsetek wyników fałszywie dodatnich.
[39] B. LR- oblicza się poprzez podzielenie odsetka wyników fałszywie ujemnych przez swoistość diagnostyczną testu.
[40] D. Szansa jest to informacja o proporcji pomiędzy liczbą osób chorych a liczbą osób zdrowych. Np. 1:9, 15:100 itp.
[41] B. Prawdopodobieństwo jest to informacja o proporcji pomiędzy liczbą osób chorych a liczbą wszystkich osób w populacji. Np. 10%, 0,1% itp.
[42] A. Na 100 osób 10 jest chorych a 90 zdrowych, a więc proporcja chorych do zdrowych wynosi 10:90.
[43] C. Wśród 100 zbadanych osób 40 jest chorych. Zatem prawdopodobieństwo wynosi 40%. Dodane w pytaniu poprzednim i bieżącym określenia a priori i a posteriori są nieistotne – przeliczenie dotyczy zamiany prawdopodobieństwa na szansę i odwrotnie.
[44] C. Wśród pięciu zbadanych osób dwie są chore. Jest to 40%.
[45] C. 60 osób jest chorych, a 40 zdrowych. Szansa wynosi więc 60:40 lub 30:20.
[46] D. LR+ służy do pomnożenia szansy. Tu 2 ´ 2:3 = 4:3.
[47] A.. LR- służy do pomnożenia szansy. Tu 0,5 ´ 2:3 = 1:3.
[48] A. Jeśli prawdopodobieństwo a priori wynosi 40%, to szansa równa jest: 40:60=4:6=2:3. Mnożąc szansę a priori 2:3 przez LR+=3, uzyskuje się szansę a posteriori 6:3=2:1.
[49] A. Jeśli prawdopodobieństwo a priori wynosi 40%, to szansa równa jest: 40:60=4:6=2:3. Mnożąc szansę a priori 2:3 przez LR-=0,5, uzyskuje się szansę a posteriori 1:3.
[50] D. Jeśli prawdopodobieństwo a priori wynosi 40%, to szansa równa jest: 40:60=4:6=2:3. Mnożąc szansę a priori 2:3 przez LR+=3, uzyskuje się szansę a posteriori 6:3=2:1. Oznacza to 2 osoby chore w grupie 3, czyli 66,7%.
[51] B. Jeśli prawdopodobieństwo a priori wynosi 40%, to szansa równa jest: 40:60=4:6=2:3. Mnożąc szansę a priori 2:3 przez LR-=0,5, uzyskuje się szansę a posteriori 1:3. Oznacza to 1 osobę chorą w grupie 4, czyli 25%.
[52] E. Nomogram TJ Fagana przeznaczony jest do obliczania prawdopodobieństwa a posteriori, gdy znane jest prawdopodobieństwo a priori oraz dodatni lub ujemny iloraz prawdopodobieństwa
Fagan TJ. Nomogram for Bayes's theorem. NEJM 1975; 293: 257.