สมมติว่ามีการจัดหมวดหมู่ไขว้เหมือนที่แสดงด้านล่าง (ที่นี่สำหรับเครื่องมือคัดกรอง)
เราสามารถกำหนดสี่มาตรการของการคัดกรองความแม่นยำและพลังการทำนาย
- ความไว (se), a / (a + c), คือความน่าจะเป็นของหน้าจอที่ให้ผลลัพธ์ที่เป็นบวกเมื่อโรคนั้นปรากฏ;
- ความจำเพาะ (sp), d / (b + d), คือความน่าจะเป็นของหน้าจอที่ให้ผลลัพธ์เชิงลบเนื่องจากโรคขาดหายไป;
- ค่าพยากรณ์เชิงบวก (PPV), a / (a + b), ความน่าจะเป็นของผู้ป่วยที่มีผลการทดสอบเป็นบวกที่ได้รับการวินิจฉัยอย่างถูกต้อง (เป็นบวก);
- ค่าพยากรณ์เชิงลบ (NPV), d / (c + d), ความน่าจะเป็นของผู้ป่วยที่มีผลการทดสอบเชิงลบที่ได้รับการวินิจฉัยอย่างถูกต้อง (เป็นเชิงลบ)
แต่ละมาตรการสี่อย่างเป็นสัดส่วนอย่างง่ายที่คำนวณจากข้อมูลที่สังเกตได้ การทดสอบทางสถิติที่เหมาะสมจึงเป็นการทดสอบแบบทวินาม (แน่นอน)ซึ่งควรมีอยู่ในแพ็คเกจสถิติส่วนใหญ่หรือเครื่องคิดเลขออนไลน์จำนวนมาก สมมติฐานที่ทดสอบคือสัดส่วนที่สังเกตได้แตกต่างจาก 0.5 อย่างมีนัยสำคัญหรือไม่ อย่างไรก็ตามฉันพบว่าน่าสนใจมากกว่าที่จะให้ช่วงความมั่นใจมากกว่าการทดสอบนัยสำคัญเดียวเนื่องจากมันให้ข้อมูลเกี่ยวกับความแม่นยำของการวัด อย่างไรก็ตามสำหรับการทำซ้ำผลลัพธ์ที่คุณแสดงคุณจำเป็นต้องทราบระยะขอบทั้งหมดของตารางสองทางของคุณ (คุณให้ PPV และ NPV เป็น% เท่านั้น)
ตัวอย่างเช่นสมมติว่าเราสังเกตข้อมูลต่อไปนี้ (แบบสอบถาม CAGE เป็นแบบสอบถามคัดกรองแอลกอฮอล์):
จากนั้นใน R PPV จะถูกคำนวณดังนี้:
> 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
หากคุณใช้ SAS คุณสามารถดูได้ที่หมายเหตุการใช้งาน 24170: ฉันจะประมาณค่าความไวความจำเพาะค่าเชิงบวกและเชิงลบความน่าจะเป็นเชิงบวกและเชิงลบเท็จและอัตราส่วนความน่าจะเป็นได้อย่างไร .
p±1.96×p(1−p)/n−−−−−−−−−√p=0.9751−α/2α=5
สำหรับการอ้างอิงเพิ่มเติมคุณสามารถดู
Newcombe, RG สองด้านช่วงความเชื่อมั่นสำหรับสัดส่วนเดี่ยว: การเปรียบเทียบเจ็ดวิธี
สถิติทางการแพทย์ , 17, 857-872 (1998)