Диагностика. Анализ и сравнение диагностических тестов

 

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 Всего присутствует отсутствует     Натрийуре-тический пептид (BNP) Положитель-ный  ответ  (> 100 пг/мл)   670   202   872 Отрицатель-ный  ответ  (< 100 пг/мл)   74   640   714 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