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