Definizione di Sensibilità, Specificità e Precisione di un test diagnostico
Concetti generali
Precisione
La precisione di un test, nota anche come valore predittivo positivo, è la possibilità che un soggetto risultante positivo abbia effettivamente la condizione per cui viene testato.
Specificità e sensibilità
Specificità e sensibilità rivelano la probabilità di falsi negativi e falsi positivi. Per essere efficace, un test di patologia dovrebbe rilevare le anomalie con certezza.
Quante probabilità ci sono che un individuo abbia la malattia suggerita dal test?
Quali sono le possibilità che un individuo abbia un certo disturbo anche se un test per esso è stato negativo?
Specificità
La specificità è la capacità di un test di escludere correttamente individui che non hanno una determinata malattia o disturbo. Ad esempio, un determinato test potrebbe aver dimostrato di essere specifico al 90%. Se 100 individui sani vengono testati con questo metodo, solo 90 di queste 100 persone sane risulteranno "normali" (senza malattia). Anche le altre 10 persone non hanno la malattia, ma i risultati dei loro test sembrano indicare che sì. Per quel 10% i risultati "anormali" sono un risultato falso positivo fuorviante. Più un test è specifico, meno risultati "falsi positivi" produce. Un risultato falso positivo può portare a diagnosi errate e procedure diagnostiche e terapie non necessarie, potenzialmente impegnative o che alterano la vita. È importante confermare una diagnosi che richiede una terapia pericolosa e la specificità di un test è uno degli indicatori cruciali.
Sensibilità
La sensibilità è la capacità di un test di identificare correttamente le persone che hanno una determinata malattia o disturbo. Ad esempio, un determinato test potrebbe aver dimostrato di essere sensibile al 90%. Cioè, se 100 persone note per avere una certa malattia vengono testate con quel metodo, il test identificherà correttamente 90 di quei 100 casi di malattia. Anche le altre 10 persone che sono state testate hanno la malattia ma il test non riuscirà a rilevarla. Per quel 10%, il riscontro di un risultato "normale" è un risultato falso negativo fuorviante. La sensibilità di un test diventa particolarmente importante quando stai cercando di escludere una malattia pericolosa. Più un test è sensibile, meno risultati "falsi negativi" produce. Un risultato falso negativo non riesce a identificare gli stati di malattia anche se sono presenti.
Come calcolare Sensibilità, Specificità e Precisione di un test diagnostico
Autore: Dottor Saul Crandon, un Academic Foundation Doctor presso l'Oxford University Hospitals NHS Foundation Trust e uno dei membri del Cochrane UK & Ireland Trainees Advisory Group (CUKI-TAG).
Cosa s'intendiamo per - e come calcolare - 'sensibilità', 'specificità', 'valore predittivo positivo' e "valore predittivo negativo" nel contesto della diagnosi della malattia.
Il processo diagnostico è una parte cruciale della pratica medica. Alcuni considerano il processo di diagnosi è un'arte, come descritto dalla sua definizione di Merriam Webster; "L'arte o l'atto di identificare una malattia dai suoi segni e sintomi" (1). (https: //www.merriam- webster.com/dictionary/diagnosis)
Per arrivare a una diagnosi, è necessario considerare una miriade di informazioni, spesso sotto forma di anamnesi (che descrive i sintomi che il paziente sta vivendo) e un esame clinico (che suscita i segni relativi al processo della malattia). Questo di solito fornisce un elenco sensato di diagnosi di erenziali, che possono essere confermate o reputate con l'uso di test diagnostici. Questo può essere sotto forma di prelievo di sangue, imaging radiologico, test delle urine e altro.
Ecco il punto cruciale; i test non sono mai accurati al 100%. Dobbiamo considerare le statistiche sui test per determinare cosa rende un buon test e cosa lo rende un test non così buono.
Considera il seguente esempio:
Una società crea un esame del sangue per la malattia X.
| HA LA MALATTIA X | NON HA LA MALATTIA X | |
| ANALISI DEL SANGUE POSITIVA | VERI POSITIVI (TP) | FALSI POSITIVI (FP) |
| ANALISI DEL SANGUE NEGATIVA | FALSI NEGATIVI (FN) | VERI NEGATIVI (TN) |
Ora guardiamo la stessa tabella, inserendo alcuni valori con cui lavorare.
| HA LA MALATTIA X | NON HA LA MALATTIA X | |
| ANALISI DEL SANGUE POSITIVA | 134 | 7 |
| ANALISI DEL SANGUE NEGATIVA | 11 | 245 |
Sensibilità
La sensibilità è la percentuale di persone con malattia X che hanno un esame del sangue POSITIVO.
Un test sensibile al 100% significa che tutti gli individui malati sono correttamente identificati come malati, ovvero non ci sono falsi negativi. È importante sottolineare che, poiché il calcolo coinvolge tutti i pazienti con la malattia, non è influenzato dalla prevalenza della malattia.
"Se ho la malattia X, qual è la probabilità che risulti positivo?"
Matematicamente, questo è espresso come:
Sensibilità = veri positivi / veri positivi + falsi negativi = TP / TP + FN = 134/134 + 11 = 134/145 = 0,924 x 100
Sensibilità = 92,4%
In altre parole, l'analisi del sangue dell'azienda ha identificato il 92,4% di quelli con malattia X. Un test sensibile viene utilizzato per escludere una malattia, poiché raramente classifica erroneamente quelli CON una malattia come sani. Un esempio di un test altamente sensibile è il D-dimero (misurato utilizzando un esame del sangue). Nei pazienti con una bassa probabilità di pre-test, un test D-dimero negativo può escludere accuratamente un trombo (coagulo di sangue).
Specificità
La specificità è la percentuale di persone SENZA malattia X che hanno un esame del sangue NEGATIVO. Un test che è specifico al 100% significa che tutti gli individui sani sono correttamente identificati come sani, cioè non ci sono falsi positivi.
"Se non ho la malattia X, qual è la probabilità che risulti negativo?"
Matematicamente, questo è espresso come:
Specificità = veri negativi / veri negativi + falsi positivi
TN / TN + FP = 245/245 + 7 = 245/252 = 0,972 x 100 Specificità = 97,2%
In altre parole, l'analisi del sangue dell'azienda ha identificato il 97,2% di coloro SENZA Malattia X.
Un test specifico viene utilizzato per la sentenza in una malattia, poiché raramente classifica erroneamente chi SENZA una malattia come malato.Un test perfettamente specifico significa quindi che nessun individuo sano viene identificato come malato.
Misure aggiuntive
Possiamo fare un ulteriore passo avanti. Il valore predittivo dei test può essere calcolato con concetti statistici simili. Per semplicità, continueremo a utilizzare l'esempio sopra relativo a un esame del sangue per la malattia X.
Valore predittivo positivo
Il valore predittivo positivo (PPV) è la percentuale di soggetti con un esame del sangue POSITIVO che hanno la malattia X.
"Se ho un test positivo, qual è la probabilità che io abbia la malattia X?"
PPV = True Positives / True Positives + False Positives = TP / TP + FP = 134/134 + 7 = 134/141 = 0,950 x 100 PPV = 95%
In altre parole, l'analisi del sangue ha identificato il 95% di quelli con un esame del sangue POSITIVO, come affetti da malattia X.
Poiché il calcolo per PPV e NPV include individui con e senza la malattia, è influenzato dalla prevalenza della malattia in questione. Pertanto è necessario assicurarsi che venga utilizzata la stessa popolazione (o che l'incidenza della malattia sia la stessa tra le popolazioni) quando si confrontano PPV e NPV per test diversi.
Valore predittivo negativo
Il valore predittivo negativo (NPV) è la proporzione di coloro con un esame del sangue NEGATIVO che non hanno la malattia X.
"Se ho un test negativo, qual è la probabilità di non avere la malattia X"
NPV = veri negativi / veri negativi + falsi negativi = TN / TN + FN = 245/245 + 11 = 245/256 = 0,957 NPV = 95,7%
In altre parole, l'analisi del sangue ha identificato il 95,7% di quelli con un esame del sangue NEGATIVO, come non affetti da malattia X.
Nota
L'esempio sopra utilizzato, descrive un test fittizio con una sensibilità, specificità, valori predittivi positivi e negativi molto elevati. In scenari reali, è spesso difficile creare un test con la massima precisione in tutte e quattro le aree e spesso i miglioramenti in un'area sono soggetti a sacrificare la precisione in altre aree.
Conclusioni
I test diagnostici sono una componente fondamentale di una pratica medica efficace. Ora dovresti sentirti a tuo agio con i concetti alla base dei test clinici binari. Sia la sensibilità e la specificità che i valori predittivi positivi e negativi sono metriche importanti quando si discute di test. Se desideri approfondire questo argomento, ti consigliamo di iniziare con le curve ROC (Receiver Operating 'autore: Saul Crandon Saul è un medico della Fondazione accademica presso la Oxford University Hospitals NHS Foundation Trust. Ha un forte interesse per l'imaging medico e la promozione della medicina basata sull'evidenza, in particolare tra gli studenti e altri giovani medici. Spera di crescere questo interesse sedendo nel comitato del Cochrane UK & Ireland Trainees Advisory Group (CUKI-TAG). Leggi questa biografia completa e le biografie degli altri membri del CUKI-TAG, qui. (https://uk.cochrane.org/cochrane-uk-ireland-trainees-advisory-group) Leggi altri blog del Cochrane UK and Ireland Trainee Group (CUKI-TAG) (https://uk.cochrane.org/our-work/cochrane-trainees/what-were/blogs)