콘텐츠

• 단계
• 방법 1/1: 나만의 가치 만들기
• 팁
• 경고

주어진 모집단에 대해 수행된 모든 테스트에서 다음을 계산하는 것이 중요합니다. 감광도, 특성, 긍정적인 예측 값 그리고 음성 예측 값 이 검사가 주어진 인구 집단의 질병이나 특성을 진단하는 데 얼마나 유용한지 결정하기 위해. 이 검정을 사용하여 선택된 모집단의 특성을 조사하려면 다음을 알아야 합니다.

• 검사가 탐지할 가능성은 얼마나 됩니까? 유효성 인간의 징후 ~와 함께 특징적인 특징(감광도)?
• 검사가 탐지할 가능성은 얼마나 됩니까? 결석 인간의 징후 없이 특징적인 특징(특성)?
• 가진 사람의 확률은 얼마입니까? 긍정적 인 테스트 결과는 실제로 있다 표지판 (긍정적인 예측 값)?
• 가진 사람의 확률은 얼마입니까? 부정적인 테스트 결과는 실제로 아니요 표지판 (음성 예측 값)?
  
  

이 값을 계산하는 것은 매우 중요합니다. 검정이 주어진 모집단의 특성을 평가하는 데 도움이 되는지 확인... 이 기사에서는 이러한 값을 계산하는 방법을 보여줍니다.

단계

방법 1/1: 나만의 가치 만들기

1. 1 모집단의 표본을 구성합니다(예: 클리닉의 환자 1000명).
2. 2 매독과 같이 연구 중인 질병이나 징후를 확인하십시오.
3. 3 박테리아의 존재에 대한 정보와 같은 질병 또는 징후의 유병률을 결정하기 위해 신뢰할 수 있는 황금 표준 테스트를 수행합니다. 창백한 treponema, 임상 사진을 고려하여 암시야 현미경을 사용하여 얻은. 누가 가지고 있고 누가 가지고 있지 않은지 결정하기 위해 금본위제 테스트를 사용하십시오. 명확하게 하기 위해 100명의 피험자가 가지고 있지만 900명은 없다고 가정해 보겠습니다.
4. 4 관심 모집단의 민감도, 특이도, 양성 예측값 및 음성 예측값에 대한 검정을 설계하고 모집단 표본을 검정합니다. 예를 들어, 이것이 매독에 대한 급속 혈장 시약(RPR) 검사라고 가정해 보겠습니다. 1000명을 샘플링하는 데 사용합니다.
5. 5 증상이 있는 사람들(황금 표준에 따라 설정됨) 중 긍정적 및 부정적 결과를 가진 사람들의 수를 기록하십시오. 같은 방식으로 (금본위제에 의해 확립된) 징조를 보이지 않는 사람들을 시험하십시오. 네 자리 숫자를 받게 됩니다. 증상이 있고 긍정적인 결과가 있는 사람은 다음과 같습니다. 참 양성(PI)... 증상과 음성 결과가 있는 사람들은 위음성(LO)... 징후가 없고 긍정적인 결과가 있는 사람들은 위양성(LP)... 징후가 없고 부정적인 결과가 있는 사람들은 참음성(IR)... 명확성을 위해 RPR에서 1000명의 환자를 테스트했다고 가정해 보겠습니다. 매독 환자 100명 중 95명이 양성, 5명이 음성 판정을 받았습니다. 매독이 없는 900명의 환자 중 90명은 양성, 810명은 음성 판정을 받았습니다. 이 경우 PI = 95, LO = 5, LP = 90 및 IO = 810입니다.
6. 6 감도를 계산하려면 PI를 (PI + LO)로 나눕니다. 위의 경우 95 / (95 + 5) = 95%를 얻습니다. 민감도는 증상이 있는 사람에게서 검사가 양성으로 나올 가능성을 알려줍니다.증상이 있는 사람 중 양성 반응이 나오는 비율은 어느 정도입니까? 95%의 감도는 꽤 좋습니다.
7. 7 특이성을 계산하려면 RO를 (LP + RO)로 나눕니다. 위의 경우 810 / (90 + 810) = 90%를 얻습니다. 특이성은 증상이 없는 사람에게서 검사가 음성으로 나올 가능성을 알려줍니다. 증상이 없는 사람들 중에서 부정적인 결과를 얻는 비율은 어느 정도입니까? 90%의 특이도는 꽤 좋습니다.
8. 8 양성 예측값(PPV)을 계산하려면 PI를 (PI + LP)로 나눕니다. 위의 경우 95 / (95 + 90) = 51.4%를 얻습니다. 양성 예측값은 검사 결과가 양성인 사람이 증상을 보일 가능성을 알려줍니다. 양성 판정을 받은 사람 중 실제로 증상이 나타나는 비율은? PPV가 51.4%라는 것은 양성 판정을 받았을 때 실제로 아플 확률이 51.4%라는 의미입니다.
9. 9 음성 예측 값(NPV)을 계산하려면 RO를 (RO + LO)로 나눕니다. 위의 경우 810 / (810 + 5) = 99.4%를 얻습니다. 음성 예측값은 검사 결과가 음성인 사람이 증상이 없을 가능성을 알려줍니다. 음성 판정을 받은 사람 중 진정으로 증상이 없는 사람의 비율은 어느 정도입니까? HMO가 99.4%라는 것은 검사에서 음성이 나왔을 때 아프지 않을 확률이 99.4%라는 의미입니다.

팁

• 좋은 선별 검사는 매우 민감하며 증상이 있는 환자를 식별하는 데 도움이 됩니다. 고감도 테스트는 다음에서 유용합니다. 감별 진단 질병이나 징후가 음성인 경우. ("SNOUT": 감도 편차)
• 정확성 또는 효능은 테스트에 의해 정확하게 확립된 테스트 결과의 백분율, 즉 (진양성 + 진음성) / 전체 테스트 결과 = (PI + RO) / (PI + RO + LP + LO)입니다.
• 스스로 쉽게 하기 위해 우발 사태 테이블을 그려보십시오.
• 민감도와 특이성은 주어진 테스트의 고유한 속성이라는 것을 기억하십시오. ~ 아니다 주어진 인구 그룹에 따라 달라집니다. 즉, 테스트가 다른 인구 그룹에 대해 수행되는 경우 이 두 값은 변경되지 않은 상태로 유지되어야 합니다.
• 우수한 대조 검사는 특이도가 높아 검사가 증상이 있는 환자를 식별하는 데 실수를 하지 않습니다. 고감도 테스트는 다음에서 유용합니다. 진단 질병이나 징후가 긍정적 인 결과를 나타내는 경우. ("SPIN": 특이성 승인)
• 한편, 양성예측도와 음성예측도는 선택된 인구집단에서 징후의 유병률 수준에 따라 결정된다. 징후가 덜 ​​흔할수록 양성 예측값은 낮아지고 음성 예측값은 높아집니다(징후가 덜 ​​흔한 경우 유병률이 더 낮기 때문). 역으로, 징후가 더 빈번할수록 양성 예측값은 더 높고 음성 예측값은 더 낮습니다(징후가 더 흔한 경우 유병률이 더 높기 때문).
• 이러한 정의를 잘 이해하려고 노력하십시오.

경고

• 부주의로 인해 계산에서 실수를 하기 쉽습니다. 계산을 주의 깊게 확인하십시오. 비상 사태 테이블이 도움이 될 것입니다.