BATES
6

ENA DANYCH KLINICZNYCH

CZĘSTOŚĆ WYSTĘPOWANIA A WARTOŚĆ PREDYKCYJNA

[ CIĄG DALSZY) chociaż w rzeczywistości u tych osób choroba X nie występuje (wyniki fałszywie codatnie). Te wartości podsumowano niżej:

Przykład 1. Częstość występowania choroby X = 40%

choroba X

(oceniana metodą referencyjną)

obecna    nieobecna

obserwacja lub test

360 obserwacji prawdziwie dodatnich a	120 obserwacji fałszywie dodatnich b
c 40 obserwacji fałszywie ujemnych	d 480 obserwacji prawdziwie ujemnych

razem 480 dodatnich obserwacji

razem 520 ujemnych obserwacji

400 osób    600 osób    razem

z chorobą X bez choroby X 1000 osób

+

Jako klinicysta, który nie ma całkowitej pewności, u kogo rzeczywiście występuje, = u kogo nie występuje choroba X, masz po prostu do czynienia z łącznie 480 osobami z dodatnim wynikiem obserwacji. Musisz odróżnić wyniki prawdziwie dodatnie od fałszywie dodatnich i bez wątpienia wykorzystasz dodatkowe rodzaje danych, które mogą ułatwić zrealizowanie tego celu. Biorąc jednak pod uwagę tylko czułość swoistość tych obserwacji, możesz obliczyć prawdopodobieństwo, że dodatnia obserwacja to wynik prawdziwie dodatni, i możesz zechcieć to wyjaśnić zaniepokojonemu pacjentowi. To prawdopodobieństwo oblicza się w następujący sposób:

Dodatnia wartość predykcyjna =

a

(a + b)

wyniki prawdziwie dodatnie (360) _x | go — 75% wszystkie wyniki dodatnie (360 + 120)

A zatem choroba X występuje w rzeczywistości u 3 na 4 osoby z dodatnim .\ynikiem obserwacji, natomiast nie występuje u co 4. osoby z dodatnim wynikiem zoserwacji.

Dokonując podobnego obliczenia, możesz określić prawdopodobieństwo, że negatywna obserwacja to wynik prawdziwie ujemny. Wynik uzyskany w tym przypad-* u może być dość uspokajający dla zainteresowanego pacjenta.

w emna wartość predykcyjna =

d

(c + d)

wyniki prawdziwie ujemne (480) ^ 100 — 92% wszystkie wyniki ujemne (40 + 480)

Jeżeli jednak częstość występowania choroby w populacji zmniejsza się, -sstępuje też znaczne zmniejszenie wartości predykcyjnej dodatniej obserwacji, -=:omiast wartość predykcyjna negatywnej obserwacji staje się jeszcze większa. Przykładzie 2." w populacji B, również liczącej 1000 osób, choroba X występuje

(ciąg dalszy na następnej stronie)