Диагностика. Анализ и сравнение диагностических тестов Задание:

Диагностика. Анализ и сравнение диагностических тестов
Золотой» стандарт - такой диагностический тест, который максимально точно
(практически безошибочно) определяет наличие или отсутствие определенной болезни
у пациента.
Таблица 2 × 2 - удобная, наглядная и компактная форма представления
результатов сравнения диагностических методов
Когортное исследование - субъекты отбираются случайным образом до того,
как у них определяется наличие или отсутствие тестируемого заболевания
Задание:
Необходимо определить качество диагностического теста относительного золотого
стандарта (эталона сравнения). Для этого вычислите основные меры качества
(точности, надежности, предсказательной способности) диагностического теста,
оцените полученные результаты и напишите выводы в терминах полученной
задачи. Данные представлены в таблице 2х2: по вертикали – данные, полученные с
помощью эталонного теста, по горизонтали, данные, полученные проверяемым
методом диагностики. Решение задачи выполняется в программах DiagStat v.01.01 и
PPV/NPV.
Другие распространенные обозначения:
a = TP (true positive) = количество верно положительных результатов теста среди
истинно больных,
с = FN (false negative) = количество ошибочно отрицательных результатов теста среди
истинно больных,
b = FP (false positive) = количество ошибочно положительных результатов теста среди
истинно здоровых,
d = TN (true negative) =количество верно отрицательных результатов теста среди
истинно здоровых.
Чем меньше ошибочных (ошибочно положительных и ошибочно отрицательных)
результатов дает тест, тем он лучше.
Порядок выполнения работы:
Шаг 1. Получите индивидуальное задание у преподавателя. Пример выполнен
на основе задания №14 «ЗСН – застойная сердечная недостаточность».
Шаг 2. Визуальный анализ данных. Данные представлены в виде таблицы
2х2. Оцените количество верных и ошибочных (ошибочно положительных и
ошибочно отрицательных) результатов теста.
Проверяемый
диагностический тест
ЗСН согласно эталону
сравнения
присутствует
Всего
отсутствует
Положительный
ответ
670
202
872
Натрийуре- (> 100 пг/мл)
тический
Отрицательный
пептид
ответ
74
640
714
(BNP)
(< 100 пг/мл)
Всего
744
842
1586
Анамнез заболевания:
• ЗСН - застойная сердечная недостаточность является наиболее широко
распространенным недугом, от которого страдают пожилые люди.
• Она наступает при недостаточно эффективной работе сердца, которое перестает
справляться со своей ролью насоса, перекачивающего кровь по всему телу, в
результате чего в кровеносной системе начинаются застойные явления.
• Симптомами ЗСН могут быть одышка, общая слабость, набухание лодыжек,
ступней и брюшной полости.
• Распространенными причинами ЗСН являются заболевание коронарной артерии,
сердечный приступ, повышенное артериальное давление и порок сердечного
клапана
Проверяемый диагностический тест:
• Натрийуретического гормона (В-типа) N-концевой пропептид (NT-proBNP) показатель ранних стадий сердечной недостаточности.
Шаг 3. Вычисление основных мер качества диагностического теста. Откройте
программу DiagStat v.01.01. Введите значения из полученной таблицы в
соответствующие ячейки в программе( рисунок1) и нажмите кнопку
«Вычислить».
Рисунок 1.
•
Шаг 4. Оценка различающей способности проверяемого диагностического
теста и его предсказательной ценности. Вы получите следующие результаты
расчетов (рисунок 2). Проанализируйте их.
Рисунок 2.
Теоретические основы
1. Чувствительность (вероятность истинного «позитива») - мера способности
проверяемого метода распознавать наличие болезни. Вероятность положительного
результата теста в популяции пациентов с данным заболеванием, ее оценкой является
доля лиц с положительным результатом теста в выборке пациентов с изучаемым
заболеванием.
Вычисляется как отношение числа a больных, подтвержденных проверяемым
методом, к числу действительно больных: a/(a+c). Изменяется от 0 до 1 (в
процентном отношении от 0% до 100%).
Таким образом, чем ближе полученная оценка чувствительности к 1 . тем лучше
проверяемый тест диагностирует наличие болезни у пациентов.
2. Специфичность - мера способности нового метода распознавать отсутствие
заболевания. Вероятность отрицательного результата теста в популяции без заболевания,
ее оценкой является доля лиц с отрицательным результатом теста в выборке пациентов
без изучаемого заболевания.
Вычисляется как отношение числа d здоровых, подтвержденных новым методом, к
числу действительно здоровых: d/(b + d). Изменяется от 0 до 1 (в процентном
отношении от 0% до 100%).
Таким образом, чем ближе полученная оценка специфичности к 1 . тем лучше
проверяемый тест распознает отсутствие болезни у пациентов
Оцените полученные значения с различными доверительными интервалами,
помните, что чем уже ДИ, тем точнее полученная интервальная оценка, чем шире
ДИ, тем оценка надежнее. Результаты анализа напишите в графе « Выводы»,
проверьте себя, используя таблицу на рисунке 3.
Шаг 4. Оценка различающей способности проверяемого диагностического теста и
его предсказательной ценности. Оцените полученные результаты для отношения
правдоподобий. Результаты анализа напишите в графе «Выводы».
Теоретические основы:
Отношение правдоподобий сводит воедино информацию о чувствительности и
специфичности проверяемого диагностического теста. Оно сообщает нам, насколько
сильно полученные результаты теста изменяют вероятность наличия данной болезни у
пациента.
Отношение правдоподобий для положительных результатов диагностического теста
(LR[+] = f(T+|D+) / f(T+|D-)) показывает, во сколько раз доля истинных «позитивов»
(верно положительных результатов диагностического теста) превышает долю ложных
«позитивов» (ошибочно положительных результатов теста).
LR[+] показывает, во сколько раз чаще положительные результаты данного
диагностического теста будут получаться у больных, чем у здоровых.
Чем больше LR[+],
тем выше способность положительных результатов теста
распознавать
наличие болезни
Отношение правдоподобий для отрицательных результатов диагностического теста
(LR[-] = f(T-|D+) / f(T-|D-)) показывает, во сколько раз доля ложных «негативов»
(ошибочно отрицательных результатов диагностического теста) меньше доли
истинных «негативов» (верно отрицательных результатов теста).
LR[-] показывает, во сколько раз реже отрицательные результаты данного
диагностического теста будут получаться у больных, чем у здоровых.
Чем меньше LR[-], тем лучше способность отрицательного результата теста
распознавать отсутствие болезни.
•
Шаг 5. Проанализируйте полученные оценки для распространенности заболевания, а
также для предсказательной полезности положительных и отрицательных
результатов теста. Выводы напишите в соответствующей графе.
Теоретические основы
Вероятность обнаружить пациента с данной болезнью в данной популяции: P(D+)
называется распространенностью болезни. Ее оценкой является доля, f(D+), лиц с данной
болезнью в выборке объемом n из данной популяции, выявленных с помощью золотого
стандарта.
Предсказательная вероятность для положительного результата теста, PV[+] или PPV
- PV[+] (или PPV) есть мера того, насколько хорошо данный тест предсказывает наличие
болезни у пациента.
- PV[+] есть вероятность наличия болезни у пациента при условии, что данный тест дал у
него положительный результат.
Предсказательная вероятность для отрицательного результата теста, PV[-] или NPV
- PV[-] (или NPV) есть мера того, насколько хорошо данный тест выявляет
(предсказывает) отсутствие болезни у пациента.
- PV[-] есть вероятность отсутствия болезни у пациента при условии, что данный тест дал
у него отрицательный результат.
Шаг 6.Программа PPVNPV (*.xls) (www.cardiff.ac.uk/medic/aboutus/departments/
primarycareandpublichealth/resources/PPVNPV.xls)
Порядок работы:
 Откройте программу PPVNPV (*.xls).
 Введите данные из своей таблицы. Данные вносятся без изменений.
 Проверьте, совпадают ли значения оценки чувствительности (Sensitivity) и
специфичности (Specificity).
 Обратите внимание на график:
Красная линия обозначает вероятность того, что тест даст положительный
результат.
Синия линия – обратная вероятность отрицательного результата теста.
Обозначения:
Predictive value of positive test (PVP/PPV) – какова вероятность того, что у пациента
действительно данная болезнь.
Мерой предсказательной полезности положительного результата теста является
тестовая вероятность болезни, т.е. вероятность наличия болезни у пациента при
условии, что данный тест дал у него положительный результат.
Predictive value of negative test (NVP/NPV) – вероятность того, что у здорового
человека тест выявит отсутствие болезни.
Оценкой этой вероятности является доля пациентов с верными отрицательными
результатами теста среди всех протестированных пациентов (здоровых и
больных) с отрицательными результатами теста
Критерий проверки: чем дальше линии друг от друга, тем выше качество теста. Если
красная и синия линии прижимаются к диагонали графика – качество теста не
удовлетворительно