Come Calcolare Sensibilità, Specificità, Valore Predittivo Positivo e Valore Predittivo Negativo

Per ogni test eseguito su una popolazione di riferimento, è importante calcolare la sensibilità^{[1]
X
Fonte di ricerca}, la specificità^{[2]
X
Fonte di ricerca}, il valore predittivo positivo^{[3]
X
Fonte di ricerca}, e il valore predittivo negativo^{[4]
X
Fonte di ricerca} al fine di determinare quanto il test sia utile per il rilevamento di una malattia o di una caratteristica nella popolazione di riferimento. Se vogliamo usare un test per determinare una caratteristica specifica in un campione della popolazione, dobbiamo conoscere:

Con quanta probabilità il test riuscirà a rilevare la presenza di una caratteristica in qualcuno avente tale caratteristica (sensibilità)?
Con quanta probabilità il test riuscirà a rilevare l' assenza di una caratteristica in qualcuno non avente tale caratteristica (specificità)?
Con quanta probabilità una persona che risulta positiva al test avrà veramente tale caratteristica (valore predittivo positivo)?
Con quanta probabilità una persona che risulta negativa al test non avrà veramente tale caratteristica (valore predittivo negativo)?

È molto importante calcolare questi valori per determinare se un test sia utile alla misurazione di una caratteristica specifica in una popolazione di riferimento. Questo articolo spiegherà come calcolare tali valori.

Metodo 1

Metodo 1 di 1:

Eseguire i tuoi Calcoli

1
Scegli e definisci una popolazione da testare, ad esempio 1.000 pazienti in una clinica medica.
2
Definisci la malattia o la caratteristica di interesse, ad esempio la sifilide.
3
Procurati il miglior esempio di test documentato per determinare la prevalenza della malattia o caratteristica, ad esempio una documentazione tramite osservazioni microscopiche in campo oscuro sulla presenza del batterio "Treponema pallidum" in un prelievo di un'ulcera sifilitica, in collaborazione con i risultati clinici. Usa il test di esempio per determinare chi possiede la caratteristica e chi no. Come dimostrazione, supporremo che 100 persone possiedono la caratteristica e 900 no.
4
Procurati un test sulla caratteristica di cui ti interessa determinare la sensibilità, la specificità, il valore predittivo positivo e il valore predittivo negativo per la popolazione di riferimento, ed esegui questo test su tutti i componenti del campione della popolazione selezionata. Ad esempio, ammettiamo che questo sia un test RPR (acronimo di Rapid Plasma Reagin) per la determinazione della sifilide. Usalo per testare le 1000 persone del campione.
5
Per individuare il numero di persone che possiedono la caratteristica (come determinato dal test di esempio), annota il numero di persone che sono risultate positive e il numero di persone che sono risultate negative. Procedi allo stesso modo per le persone che non possiedono la caratteristica (come determinato dal test di esempio). Avrai come risultato quattro numeri. Le persone che possiedono la caratteristica e che sono risultate positive sono da considerarsi veri positivi (VP). Le persone che non possiedono la caratteristica e sono risultate negative sono da considerarsi falsi negativi (FN). Le persone che non possiedono la caratteristica e sono risultate positive sono da considerarsi falsi positivi (FP). Le persone che non possiedono la caratteristica e sono risultate negative sono da considerarsi veri negativi (VN). Per esempio, ammettiamo che tu abbia eseguito il test RPR sui 1000 pazienti. Tra i 100 pazienti affetti da sifilide, 95 di questi sono risultati positivi, e 5 sono risultati negativi. Tra i 900 pazienti non affetti da sifilide, 90 sono risultati positivi e 810 sono risultati negativi. In questo caso, VP = 95, FN = 5, FP = 90, e VN = 810.
6
Per calcolare la sensibilità, dividi VP per (VP + FN). Nel caso di cui sopra, ciò equivarrebbe a 95/(95+5)= 95%. La sensibilità ci indica con quanta probabilità il test avrà risultato positivo per qualcuno che possiede la caratteristica. Tra tutte le persone che possiedono la caratteristica, quale proporzione risulterà positiva? Una sensibilità del 95% è un risultato piuttosto buono.
7
Per calcolare la specificità, dividi VN per (FP + VN). Nel caso di cui sopra, ciò equivarrebbe a 810/(90+810)= 90%. La specificità ci indica con quanta probabilità il test risulterà negativo per qualcuno che non possiede la caratteristica. Tra tutte le persone che non possiedono la caratteristica, quale proporzione risulterà negativa? Una specificità del 90% è un risultato piuttosto buono.
8
Per calcolare il valore predittivo positivo (PPV), dividi VP per (VP + FP). Nel caso di cui sopra, ciò equivarrebbe a 95/(95+90)= 51,4%. Il valore predittivo positivo ci indica con quanta probabilità qualcuno avrà la caratteristica se il test è positivo. Tra tutti coloro che risultano positivi al test, quale proporzione possiede davvero la caratteristica? Un PPV del 51,4% significa che, se risulti positivo, hai una probabilità del 51,4% di essere affetto dalla malattia.
9
Per calcolare il valore predittivo negativo (VPN), dividi VN per (VN + FN). Nel caso di cui sopra, ciò equivarrebbe a 810/(810+5)= 99,4%. Il valore predittivo negativo ci indica con quanta probabilità qualcuno non avrà la caratteristica se il test è negativo. Tra tutti coloro che risultano negativi, quale percentuale non possiede davvero la caratteristica? Un NPV del 99,4% significa che, se risulti negativo, hai una probabilità del 99,4% di non essere affetto dalla malattia.

Pubblicità

Consigli

Buoni test di rilevamento hanno una sensibilità elevata, perché l'obiettivo è quello di determinare tutti coloro che possiedono la caratteristica. I test con un'elevata sensibilità sono utili per escludere malattie o caratteristiche se risultano negative. ("SNOUT": acronimo di SeNsitivity-rule OUT).
La precisione, o l'efficienza, rappresenta la percentuale dei risultati correttamente identificati dal test, vale a dire (veri positivi + veri negativi)/risultati totali del test = (VP + VN) / (VP + VN + FP + FN).
Prova a disegnare una tabella 2x2 per rendere le cose più semplici.
Buoni test di conferma possiedono una specificità elevata, perché l'obiettivo è di avere un test che sia specifico, evitando di etichettare in modo errato coloro che risultano positivi alla caratteristica ma che in realtà non la possiedono. I test con una specificità molto elevata sono utili per confermare le malattie o le caratteristiche se risultano positive ("SPIN": SPecificity-rule IN).
Sappi che la sensibilità e la specificità sono proprietà intrinseche di un determinato test, e che non dipendono dalla popolazione di riferimento, in altre parole questi due valori dovrebbero rimanere invariati quando lo stesso test viene applicato a popolazioni diverse.
Cerca di comprendere bene questi concetti.
Il valore predittivo positivo e il valore predittivo negativo, invece, dipendono dalla prevalenza della caratteristica in una popolazione di riferimento. Più è rara la caratteristica, minore è il valore predittivo positivo e maggiore è il valore predittivo negativo (perché la probabilità pre-test relativamente a una caratteristica rara è più bassa). Viceversa, più è comune la caratteristica, maggiore è il valore predittivo positivo e minore è il valore predittivo negativo (perché la probabilità pre-test relativamente a una caratteristica comune è più elevata).