Hodnocení diagnostických testů

Slides:



Advertisements
Podobné prezentace
ZÁKLADY EKONOMETRIE 6. cvičení Autokorelace
Advertisements

Interpretace dat v laboratorní medicíně
Statistická indukce Teorie odhadu.
Bayesovského rozhodování
kvantitativních znaků
Jednovýběrové testy parametrickch hypotéz
Testování statistických hypotéz
Odhady parametrů základního souboru
4EK211 Základy ekonometrie Autokorelace Cvičení /
Výpočet a interpretace ukazatelů asociace v epidemiologických studiích
Regresní analýza a korelační analýza
ONKOMARKERY mají význam v ambulantní praxi ?
Obsah prezentace Náhodná proměnná Rozdělení náhodné proměnné.
kvantitativních znaků
MUDr. Michal Jurajda, PhD. ÚPF LF MU
8. listopadu 2004Statistika (D360P03Z) 6. předn.1 chování výběrového průměru nechť X 1, X 2,…,X n jsou nezávislé náhodné veličiny s libovolným rozdělením.
Základy ekonometrie Cvičení října 2010.
Odhady parametrů základního souboru
Odhady odhady bodové a intervalové odhady
Data s diskrétním rozdělením
Statistická analýza únavových zkoušek
Lineární regrese.
Statistické výpočty v MATLABu
Odhad metodou maximální věrohodnost
Pár dalších použití statistiky v přírodních vědách
Pohled z ptačí perspektivy
Základy zpracování geologických dat
Senzitivita a specifita
AKD VII.
Normální rozdělení a ověření normality dat
© Institut biostatistiky a analýz INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ ANALÝZA A KLASIFIKACE DAT prof. Ing. Jiří Holčík, CSc.
Jednoduchý lineární regresní model Tomáš Cahlík 2. týden
PSY717 – statistická analýza dat
Jak statistika dokazuje závislost
Epidemiologie 9. přednáška
*.
Statistické odhady (inference) Výběr Nepotřebujeme sníst celého vola jenom proto, abychom poznali, že to jde ztuha. Samuel Johnson (anglický básník a.
Aplikovaná statistika 2. Veronika Svobodová
Inferenční statistika - úvod
EPIDEMIOLOGIE Diagnostické testy.
Popisné charakteristiky statistických souborů. ZS - přesné parametry (nelze je měřením zjistit) VS - výběrové charakteristiky (slouží jako odhad skutečných.
POZNÁMKA: Pokud chcete změnit obrázek na tomto snímku, vyberte obrázek a odstraňte ho. Potom klikněte na ikonu Obrázek v zástupném textu a vložte vlastní.
Ústav lékařské informatiky, 2. LF UK 2008 STATISTIKA II.
Diagnóza v epidemiologii Diagnóza – jednoznačné přijetí nebo zamítnutí rozhodnutí o každé osobě vyšetřovaného souboru, zda se. vyznačuje přítomností studované.
Testování hypotéz Otestujte,… Ověřte,… Prokažte,… že střední věk (tj.  ) …činí 40 let (= 40) …je alespoň 40 let (≥ 40)
Odhady odhady bodové a intervalové odhady
INDUKTIVNÍ STATISTIKA
Etapy stat.šetření Plán šetření Sběr dat
Základy statistické indukce
Induktivní statistika
Induktivní statistika
Induktivní statistika
Diagnostická citlivost a specifita
- váhy jednotlivých studií
Epidemiologie , 4. seminář
Odhady parametrů základního souboru
Úvod do molekulární medicíny – cvičení
Induktivní statistika
Spojitá a kategoriální data Základní popisné statistiky
Hodnocení závislosti STAT metody pro posouzení závislosti – jiné pro:
ORDINÁLNÍ VELIČINY Měření variability ordinálních proměnných
Typy proměnných Kvalitativní/kategorická binární - ano/ne
Koncepce normality/normálnosti v medicíně
Aplikace Bayesovy věty v biomedicíně (Vzorový příklad)
Statistika a výpočetní technika
Dětská klinika LF UP v Olomouci Akademický rok JOURNAL CLUB časopisecký klub Termín: 6. prosince 2017, 13,30- 15,00 hod. Seminární místnost,
Induktivní statistika
Výpočet a interpretace ukazatelů asociace v epidemiologických studiích
Princip max. věrohodnosti - odhad parametrů
Koncepce normálnosti v medicíně
Transkript prezentace:

Hodnocení diagnostických testů Mgr. Kateřina Langová, Ph.D. Ústav lékařské biofyziky LF UP v Olomouci katerina.langova@upol.cz

Likelihood ratio (LR) – věrohodnostní poměr – kombinuje SE a SP TP+FN celkový počet nemocných FP+TN celkový počet zdravých TP+FP celkový počet pozitivních FN+TN celkový počet negativních N celkový počet pacientů TP – správná pozitivita FP – falešná pozitivita FN – falešná negativita TN – správná negativita TP FP TP + FP FN TN FN + TN TP + FN FP + TN Předtestová pravděpodobnost = p-st výskytu nemoci (prevalence) … (TP+FN)/N Senzitivita = pravděpodobnost, že test bude pozitivní u nemocných. SE = TP/(TP+FN) Specificita = pravděpodobnost, že test bude negativní u zdravých. SP = TN/(FP+TN) Likelihood ratio (LR) – věrohodnostní poměr – kombinuje SE a SP LR pro pozitivní test - poměr pravděpodobnosti, že test je pozitivní u nemocných ku pravděpodobnosti, že test je chybně pozitivní u zdravých LR+ = SE/(1-SP) LR pro negativní test - poměr pravděpodobnosti, že test je chybně negativní u nemocných ku pravděpodobnosti, že test je negativní u zdravých LR- = (1-SE)/SP Potestová pravděpodobnost pro pozitivní test – pravděpodobnost výskytu nemoci u pozitivních pacientů - pozitivní prediktivní hodnota … TP/(TP+FP) Potestová pravděpodobnost pro negativní test - pravděpodobnost výskytu nemoci u negativních pacientů - doplněk negativní prediktivní hodnoty … FN/(FN+TN)

„Clinical eye“ of the paediatrician N = 117 TP (Správná pozitivita) = 42 TN (Správná negativita) = 49 FP (Falešná pozitivita) = 26 FN (Falešná negativita) = 0 Předtestová pravděpodobnost = (TP+FN)/N = 42/117 = 0,36 = 36 % Senzitivita = TP/(TP+FN) = 42/42 = 1 = 100 % Specificita = TN/(FP+TN) = 49/75 = 0,65 = 65 % LR pro pozitivní test = SE/(1-SP) = 1/(1-0,65) = 1/0,35 = 2,9 LR pro negativní test = (1-SE)/SP = (1-100)/0,65 = 0/0,65 = 0 = 0 % Potestová pravděpodobnost pro pozitivní test = TP/(TP+FP) = 42/(42+26) = 42/68 = = 0,62 = 62 % Potestová pravděpodobnost pro negativní test = FN/(FN+TN) = 0/(0+49) = 0/49 = = 0 = 0%

TP (Správná pozitivita) = 42 TN (Správná negativita) = 55 Feacal calprotectin N = 117 TP (Správná pozitivita) = 42 TN (Správná negativita) = 55 FP (Falešná pozitivita) = 20 FN (Falešná negativita) = 0 Předtestová pravděpodobnost = (TP+FN)/N = 42/117 = 0,36 = 36 % Senzitivita = TP/(TP+FN) = 42/42 = 1 = 100 % Specificita = TN/(FP+TN) = 55/75 = 0,73 = 73 % LR pro pozitivní test = SE/(1-SP) = 1/(1-0,73) = 1/0,27 = 3,8 LR pro negativní test = (1-SE)/SP = (1-100)/0,73 = 0/0,73 = 0 = 0 % Potestová pravděpodobnost pro pozitivní test = TP/(TP+FP) = 42/(42+20) = 42/62 = = 0,68 = 68 % Potestová pravděpodobnost pro negativní test = FN/(FN+TN) = 0/(0+55) = 0/55 = = 0 = 0%

Feacal calprotectin (gastrointestinal infection excluded) N = 104 TP (Správná pozitivita) = 42 TN (Správná negativita) = 50 FP (Falešná pozitivita) = 12 FN (Falešná negativita) = 0 Předtestová pravděpodobnost = (TP+FN)/N = 42/104 = 0,40 = 40 % Senzitivita = TP/(TP+FN) = 42/42 = 1 = 100 % Specificita = TN/(FP+TN) = 50/62 = 0,81 = 81 % LR pro pozitivní test = SE/(1-SP) = 1/(1-0,81) = 1/0,19 = 5,2 LR pro negativní test = (1-SE)/SP = (1-100)/0,81 = 0/0,81 = 0 = 0 % Potestová pravděpodobnost pro pozitivní test = TP/(TP+FP) = 42/(42+12) = 42/54 = = 0,78 = 78 % Potestová pravděpodobnost pro negativní test = FN/(FN+TN) = 0/(0+50) = 0/50 = = 0 = 0%

Intervaly spolehlivosti – konfidenční intervaly (CI) Bodové odhady parametru vyšetřované populace závisí na náhodném výběru uskutečněném ve vyšetřované populaci. Proto se při zkoumání neznámých parametrů populace využíváme intervalový odhad. Principem intervalového odhadu parametru základního souboru je ve většině případů nějaký vhodný bodový odhad, který má vlastnosti některé známé náhodné veličiny. Právě na takové náhodné veličině je potom konstrukce tohoto intervalu závislá. Cíl induktivní statistiky – odhadnout na základě náhodného výběru parametry celé zkoumané populace. Interval spolehlivosti je interval, v němž leží hledaný populační parametr s předem zvolenou pravděpodobností (většinou 95%).

Změny diskriminační hranice (cut-off hodnoty) mění vzájemný poměr senzitivity a specificity cut-off hodnota cut-off hodnota (50 mg/g)

Rozložení hodnot fekálního kalprotektinu: Falešně negativní (0 %) Pacienti s IBD Zdraví Správně pozitivní (100 %) Správně negativní (73 %) Falešně pozitivní (27 %) cut-off hodnota = 50 mg/g … senzitivita=100%, specificita=73% Co by se stalo, kdybychom změnili cut-off hodnotu? cut-off hodnota = 45 mg/g) … senzitivita = ? %, specificita = ? % cut-off hodnota = 55 mg/g) … senzitivita = ? %, specificita = ? % . Odpověď by dala ROC analýza.

ROC analýza Diagnostickou efektivitu laboratorních testů lze hodnotit pomocí tzv. ROC analýzy, která hledá optimální cut-off hodnoty a počítá pro tyto hodnoty senzitivitu a specificitu testu. ROC křivka (Receiver Operating characteristic Curve) je křivka znázorňující vztah mezi senzitivitou a specificitou pro všechny možné cut-off hodnoty kvantitativní proměnné.

ROC křivka U testu, který nemá žádnou schopnost rozlišovat mezi nemocí a stavem bez nemoci, probíhá křivka jako diagonála. U testu, který diskriminuje oba stavy, se křivka posouvá do levého horního rohu. správná pozitivita (senzitivita) falešná pozitivita (1-specificita) Plocha pod ROC křivkou (Area Under the Curve - AUC) slouží k vyjádření diagnostické efektivity (síly) testu. Test, jehož AUC > 0,75, lze považovat za uspokojivě diskriminující test.