ฉันจะตอบคำถามนี้ทั้งจากแพทย์และมุมมองสถิติ มันได้รับความสนใจอย่างมากในสื่อมวลชนโดยเฉพาะอย่างยิ่งหลังจากผู้ขายThe Signal และเสียงดังโดย Nate Silver รวมถึงบทความในสิ่งพิมพ์จำนวนมากเช่นThe New York Timesอธิบายแนวคิด ดังนั้นฉันดีใจมากที่ @ user2666425 เปิดหัวข้อนี้ในประวัติย่อ
ปิดแรกให้ฉันโปรดชี้แจงว่าไม่ถูกต้อง ฉันสามารถบอกคุณได้ว่ารูปนี้จะเป็นความฝันที่เป็นจริง น่าเสียดายที่มีแมมโมแกรมลบปลอมจำนวนมากโดยเฉพาะในผู้หญิงที่มีเนื้อเยื่อเต้านมหนาแน่น ตัวเลขโดยประมาณอาจเป็น 20 %หรือสูงกว่าทั้งนี้ขึ้นอยู่กับว่าคุณเป็นมะเร็งเต้านมชนิดต่าง ๆ ทั้งหมดในรูปแบบเดียว (invasive v DCIS) และปัจจัยอื่น ๆ นี่คือเหตุผลที่ทำให้มีการใช้รังสีอื่น ๆ ที่ใช้เทคโนโลยี sonographic หรือ MRI ความแตกต่างระหว่าง 0.8และ 1พี( + | C) = 120 %0.81เป็นสิ่งสำคัญในการทดสอบการคัดกรอง
ทฤษฎีบทของเบย์บอกเราว่าและมีอากาศเมื่อเร็ว ๆ นี้ความสนใจเป็นจำนวนมากที่เกี่ยวข้องกับการตรวจเต้านมในอายุน้อยกว่าผู้หญิงที่มีความเสี่ยงต่ำ ฉันรู้ว่านี่ไม่ใช่สิ่งที่คุณขออย่างแน่นอนซึ่งฉันพูดถึงในย่อหน้าสุดท้าย แต่เป็นหัวข้อที่ถกเถียงกันมากที่สุด นี่คือรสชาติของปัญหา:p ( C| +)= p ( + | C)p ( + )∗ p ( C))
ก่อน (หรือความน่าจะเป็นของการมีมะเร็งอยู่บนพื้นฐานของความชุก) ในอายุน้อยกว่าผู้ป่วยบอกว่า 40-50 ปีอายุค่อนข้างเล็ก จากข้อมูลของNCIมันสามารถปัดเศษขึ้นที่ (ดูตารางด้านล่าง) ความน่าจะเป็น pre-test ที่ค่อนข้างต่ำในตัวเองลดความน่าจะเป็นหลังการทดสอบตามเงื่อนไขของการเป็นมะเร็งเนื่องจาก mammogram เป็นบวกโดยไม่คำนึงถึงความน่าจะเป็นหรือข้อมูลที่รวบรวม∼ 1.5 %
ความน่าจะเป็นของการมองโลกในแง่ผิดพลาดกลายเป็นประเด็นที่สำคัญมากในกระบวนการคัดกรองที่จะนำไปใช้กับผู้หญิงที่มีสุขภาพดีจำนวนนับพันคน ดังนั้นแม้ว่าอัตราการบวกเป็นเท็จที่ (ซึ่งสูงกว่ามากหากคุณมุ่งเน้นไปที่ความเสี่ยงสะสม ) อาจไม่ได้แย่ขนาดนั้นจริงๆแล้วมันเป็นปัญหาของค่าใช้จ่ายทางจิตวิทยาและเศรษฐกิจมหึมาโดยเฉพาะอย่างยิ่ง ความน่าจะเป็นในผู้ป่วยอายุน้อยที่มีความเสี่ยงต่ำ รูปของคุณ1 %ปิดเครื่องหมายอย่างกว้างขวาง - ความจริงก็คือ "กลัว" เป็นเรื่องธรรมดาอย่างไม่น่าเชื่อเนื่องจากปัจจัยหลายประการรวมถึงความกังวลเกี่ยวกับยา7 - 10 %1 %
ดังนั้นการคำนวณใหม่และที่สำคัญมากสำหรับผู้หญิงอายุน้อยที่ไม่มีปัจจัยเสี่ยง :
p ( C| +)= p ( + | C)p ( + )∗ p ( C)) =
= p ( + | C)p ( + | C)* * * *p ( C)+p ( + | C¯)* * * *p ( C¯)∗ p ( C)) = 0.80.8 ∗ 0.015+0.07 ∗ 0.985* * * *0.015 = 0.148
15 %
4045 45
ในผู้หญิงที่มีอายุมากกว่าความชุก (และความน่าจะเป็นก่อนการทดสอบ) จะเพิ่มขึ้นตามอายุ จากรายงานปัจจุบันความเสี่ยงที่ผู้หญิงจะได้รับการวินิจฉัยว่าเป็นมะเร็งเต้านมในช่วง 10 ปีข้างหน้าเริ่มตั้งแต่อายุต่อไปนี้มีดังนี้:
Age 30 . . . . . . 0.44 percent (or 1 in 227)
Age 40 . . . . . . 1.47 percent (or 1 in 68)
Age 50 . . . . . . 2.38 percent (or 1 in 42)
Age 60 . . . . . . 3.56 percent (or 1 in 28)
Age 70 . . . . . . 3.82 percent (or 1 in 26)
10 %
4 %
p ( C| +)= 0.80.8 ∗ 0.04+0.07 ∗ 0.96* * * *0.04 = 0.32 ∼ 32 %
p ( C| +)
คำตอบสำหรับคำถามของคุณโดยเฉพาะ:
p ( + | C¯)7 - 10 %1 %p ( C¯) ) โดยเฉพาะอย่างยิ่งในหญิงอายุน้อยกว่าที่บัญชีสำหรับความน่าจะเป็นหลังการทดสอบนี้ลดลงในทุกเพศทุกวัยโปรดสังเกตว่า "อัตราการเตือนภัยที่ผิดพลาด" นี้ถูกคูณด้วยสัดส่วนที่มากขึ้นของผู้ป่วยที่ไม่มีโรคมะเร็ง (เมื่อเทียบกับผู้ป่วยที่เป็นมะเร็ง) ในตัวส่วนไม่ใช่ "โอกาส 1% เล็ก ๆ ที่เป็นบวกปลอมใน 1% ของประชากร" คุณ กล่าวถึง ฉันเชื่อว่านี่คือคำตอบสำหรับคำถามของคุณ เพื่อเน้นถึงแม้ว่าสิ่งนี้จะไม่สามารถยอมรับได้ในการทดสอบวินิจฉัย แต่ก็ยังคุ้มค่าในขั้นตอนการตรวจคัดกรอง
ปัญหาปรีชา: @Juho Kokkala นำขึ้นปัญหาที่ OP ถูกถามเกี่ยวกับสัญชาตญาณ ฉันคิดว่ามันส่อให้เห็นในการคำนวณและย่อหน้าปิด แต่ยุติธรรมพอ ... นี่คือวิธีที่ฉันจะอธิบายให้เพื่อน ... ลองแกล้งทำเป็นว่าเรากำลังตามล่าเศษดาวตกด้วยเครื่องตรวจจับโลหะในวินสโลว์รัฐแอริโซนา ที่นี่:
ภาพจาก meteorcrater.com
... และเครื่องตรวจจับโลหะก็ดับลง ถ้าคุณบอกว่าโอกาสที่มาจากการที่เหรียญนักท่องเที่ยวลดลงคุณอาจจะพูดถูก แต่คุณได้รับส่วนสำคัญ: ถ้าสถานที่ไม่ได้รับการตรวจสอบอย่างละเอียดมันจะเป็นไปได้มากกว่าที่เสียงบี๊บจากเครื่องตรวจจับในสถานที่เช่นนี้มาจากเศษอุกกาบาตมากกว่าที่เราอยู่บนถนนของนิวยอร์ค
สิ่งที่เราทำกับการตรวจแมมโมแกรมนั้นจะทำให้ประชากรมีสุขภาพที่ดีกำลังมองหาโรคเงียบที่หากไม่ได้รับการตรวจเร็วอาจทำให้ถึงตายได้ โชคดีที่ความชุก (แม้ว่าสูงมากเมื่อเทียบกับมะเร็งที่รักษาได้น้อยกว่าอื่น ๆ ) อยู่ในระดับต่ำพอที่ความเป็นไปได้ที่จะเกิดมะเร็งแบบสุ่มต่ำแม้ว่าผลลัพธ์จะเป็น "บวก"และโดยเฉพาะอย่างยิ่งในหญิงสาว
p ( C¯| +)=0
p ( + | C)p ( + | C)* * * *p ( C)+p ( + | C¯)* * * *p ( C¯)∗ p ( C)) = p ( + | C)p ( + | C)* * * *p ( C)∗ p ( C)) = 1100 %
ความเป็นไปได้ไม่มีเงื่อนไข p (+)= p ( + | C)p ( + | C)* * * *p ( C)+p ( + | C¯)* * * *p ( C¯)< 1p ( C)posterior = α ∗ ก่อนหน้าหลัง< ก่อนค่าพยากรณ์เชิงบวก (PPV) : ความน่าจะเป็นที่ผู้ทดสอบที่มีการตรวจคัดกรองเชิงบวกมีโรคอย่างแท้จริง