Czułość i swoistość – jak prawidłowo oceniać test diagnostyczny?
Badanie diagnostyczne nie powinno być oceniane wyłącznie na podstawie procentu prawidłowych klasyfikacji. Więcej na temat konstrukcji testów diagnostycznych znajdziesz w kursie: kurs metodologii i statystyki operacjonalizacja zmiennych
Dwa podstawowe parametry to czułość i swoistość.
Tabela 2×2
Wyniki można uporządkować:
| Choroba + | Choroba − | |
|---|---|---|
| Test + | TP | FP |
| Test − | FN | TN |
gdzie:
TP – prawdziwie dodatnie,
FP – fałszywie dodatnie,
FN – fałszywie ujemne,
TN – prawdziwie ujemne.
Czułość
Czułość określa udział prawidłowo wykrytych przypadków wśród osób rzeczywiście posiadających analizowany stan.
Czułość = TP / (TP + FN).
Jeżeli czułość wynosi 95%, test wykrywa około 95% osób ze stanem obecnym w badanej populacji.
Swoistość
Swoistość określa udział prawidłowo sklasyfikowanych osób bez analizowanego stanu.
Swoistość = TN / (TN + FP).
Swoistość 90% oznacza, że około 90% osób bez stanu otrzymuje wynik ujemny.
Czułość czy swoistość – co ważniejsze?
Nie istnieje uniwersalna odpowiedź.
Jeżeli przeoczenie choroby jest szczególnie niebezpieczne, priorytetem może być wysoka czułość.
Jeżeli wynik fałszywie dodatni prowadzi do ryzykownej procedury, bardzo ważna może być swoistość.
Wybór punktu odcięcia powinien uwzględniać konsekwencje kliniczne.
PPV – dodatnia wartość predykcyjna
PPV = TP / (TP + FP).
Odpowiada na pytanie:
Jaki odsetek osób z dodatnim wynikiem rzeczywiście ma analizowany stan?
NPV – ujemna wartość predykcyjna
NPV = TN / (TN + FN).
Odpowiada na pytanie:
Jaki odsetek osób z wynikiem ujemnym rzeczywiście nie ma analizowanego stanu?
PPV i NPV zależą od częstości występowania
To bardzo ważna różnica.
Czułość i swoistość są właściwościami warunkowymi testu w danym kontekście, natomiast wartości predykcyjne silnie zależą od częstości analizowanego stanu w populacji.
Test może mieć wysoką czułość i swoistość, ale przy bardzo rzadkiej chorobie dodatni wynik może mieć zaskakująco niskie PPV.
Przykład
Załóżmy:
czułość = 95%,
swoistość = 95%,
choroba występuje u 1% badanych.
Na 10 000 osób około 100 będzie chorych.
Test wykryje około 95 z nich.
Wśród 9900 osób zdrowych około 495 może otrzymać wynik fałszywie dodatni.
Mamy więc około:
95 prawdziwie dodatnich,
495 fałszywie dodatnich.
PPV wynosi wtedy tylko około 16%.
To pokazuje znaczenie częstości choroby.
Związek z krzywą ROC
Dla zmiennej ciągłej, np. stężenia biomarkera, możemy wybrać różne punkty odcięcia.
Każdy próg daje inną kombinację:
- czułości,
- swoistości.
Krzywa ROC przedstawia kompromis pomiędzy nimi.
AUC
Pole pod krzywą – AUC – opisuje zdolność modelu lub testu do rozróżniania przypadków dodatnich i ujemnych w sensie dyskryminacji.
Nie mówi jednak bezpośrednio, który punkt odcięcia jest klinicznie najlepszy.
Indeks Youdena
Jednym z kryteriów wyboru progu jest:
J = czułość + swoistość − 1.
Maksymalizacja Youdena traktuje czułość i swoistość symetrycznie.
W praktyce medycznej koszty błędów mogą być jednak bardzo różne, dlatego matematycznie „optymalny” próg nie musi być klinicznie najlepszy.
Przedziały ufności
Czułość 90% uzyskana na podstawie 20 pacjentów ma inną precyzję niż 90% uzyskane na podstawie 2000 pacjentów.
Dlatego warto raportować 95% CI.
Najczęstsze błędy
- mylenie czułości z PPV,
- mylenie swoistości z NPV,
- ignorowanie częstości choroby,
- wybór punktu odcięcia wyłącznie na podstawie maksymalnego Youdena,
- raportowanie AUC bez czułości i swoistości,
- brak przedziałów ufności,
- ocenianie punktu odcięcia na tych samych danych, na których został wybrany, bez walidacji.
Jak opisać wynik?
„Dla punktu odcięcia ≥8 test osiągnął czułość 91,2% (95% CI: 85,0–95,4%) oraz swoistość 78,6% (95% CI: 71,0–84,9%).”
FAQ
Czy czułość 100% oznacza idealny test?
Nie. Test może mieć jednocześnie bardzo niską swoistość.
Czy PPV jest tym samym co czułość?
Nie.
Od czego zależy PPV?
Między innymi od częstości analizowanego stanu w populacji.
Co pokazuje AUC?
Ogólną zdolność dyskryminacyjną testu lub modelu w zakresie progów.
Czy najwyższy Youden zawsze wyznacza najlepszy próg?
Nie. Decyzja powinna uwzględniać konsekwencje kliniczne błędów.
Polecamy się do współpracy
Potrzebujesz analizy ROC, czułości, swoistości lub oceny testu diagnostycznego?
statystyka@statystyka.org.pl
tel. 692 809 254
Frazy kluczowe: czułość, swoistość, sensitivity, specificity, PPV, NPV, test diagnostyczny, krzywa ROC, AUC, analiza statystyczna, statystyka medyczna, SPSS, analiza ROC