Dengan asumsi klasifikasi silang seperti yang ditunjukkan di bawah ini (di sini, untuk instrumen penyaringan)
kita dapat mendefinisikan empat ukuran akurasi penyaringan dan daya prediksi:
- Sensitivitas (se), a / (a + c), yaitu probabilitas layar memberikan hasil positif mengingat adanya penyakit;
- Spesifisitas (sp), d / (b + d), yaitu probabilitas layar memberikan hasil negatif mengingat penyakit tidak ada;
- Nilai prediktif positif (PPV), a / (a + b), yaitu probabilitas pasien dengan hasil tes positif yang didiagnosis dengan benar (positif);
- Nilai prediktif negatif (NPV), d / (c + d), yaitu probabilitas pasien dengan hasil tes negatif yang didiagnosis dengan benar (negatif).
Setiap empat ukuran adalah proporsi sederhana yang dihitung dari data yang diamati. Tes statistik yang sesuai dengan demikian akan menjadi tes binomial (tepat) , yang harus tersedia di sebagian besar paket statistik, atau banyak kalkulator online. Hipotesis yang diuji adalah apakah proporsi yang diamati berbeda secara signifikan dari 0,5 atau tidak. Saya menemukan, bagaimanapun, lebih menarik untuk memberikan interval kepercayaan daripada tes signifikansi tunggal, karena memberikan informasi tentang ketepatan pengukuran. Bagaimanapun, untuk mereproduksi hasil yang Anda tunjukkan, Anda perlu mengetahui margin total dari tabel dua arah Anda (Anda hanya memberikan PPV dan NPV sebagai%).
Sebagai contoh, anggaplah kita mengamati data berikut (kuesioner CAGE adalah kuesioner penyaringan untuk alkohol):
maka dalam R PPV akan dihitung sebagai berikut:
> binom.test(99, 142)
Exact binomial test
data: 99 and 142
number of successes = 99, number of trials = 142, p-value = 2.958e-06
alternative hypothesis: true probability of success is not equal to 0.5
95 percent confidence interval:
0.6145213 0.7714116
sample estimates:
probability of success
0.6971831
Jika Anda menggunakan SAS, maka Anda dapat melihat Catatan Penggunaan 24170: Bagaimana saya bisa memperkirakan sensitivitas, spesifisitas, nilai prediktif positif dan negatif, probabilitas positif dan negatif palsu, dan kemungkinan rasio? .
Untuk menghitung interval kepercayaan, perkiraan gaussian, (1,96 menjadi kuantil dari distribusi normal standar pada atau dengan %), digunakan dalam praktek, terutama ketika proporsinya cukup kecil atau besar (yang sering terjadi di sini).p±1.96×p(1−p)/n−−−−−−−−−√p=0.9751−α/2α=5
Untuk referensi lebih lanjut, Anda dapat melihat
Pendatang baru, RG. Interval Keyakinan Dua Sisi untuk Proporsi Tunggal: Perbandingan Tujuh Metode .
Statistik dalam Kedokteran , 17, 857-872 (1998).
Silahkan lihat
Kosinski, Andrzej S. Statistik skor umum tertimbang untuk perbandingan nilai prediktif tes diagnostik. Statistics in Medicine http://dx.doi.org/10.1002/sim.5587 diterbitkan online: 22 Agustus 2012
sumber