Kısa cevap

Duyarlılık hastalığı olanların ne kadarının pozitif bulunduğunu, özgüllük hastalığı olmayanların ne kadarının negatif bulunduğunu gösterir. PPV pozitif test sonucunda hastalık olasılığını, NPV negatif sonuçta hastalık olmama olasılığını ifade eder ve öngörü değerleri prevalanstan belirgin biçimde etkilenir.

Bir testin duyarlılığı %90 ise pozitif sonucun %90 olasılıkla doğru olduğu sıkça düşünülür. Bu yorum yanlıştır. Duyarlılık, hastalığı bilinen kişilerden başlar; pozitif öngörü değeri ise test sonucu pozitif olan kişilerden başlar.

Doğru yorum için önce 2×2 tanı tablosunu kurmak gerekir.

2×2 tabloyu okuyalım

	Hastalık var	Hastalık yok
Test pozitif	Gerçek pozitif (GP)	Yanlış pozitif (YP)
Test negatif	Yanlış negatif (YN)	Gerçek negatif (GN)

Bu dört hücre tüm temel tanı doğruluğu ölçülerinin kaynağıdır.

Duyarlılık nedir?

Duyarlılık, hedef durumu gerçekten olan bireylerin ne kadarının test tarafından pozitif bulunduğunu gösterir:

Duyarlılık = GP / (GP + YN)

Yüksek duyarlılık, yanlış negatiflerin az olduğunu gösterir. Olgu kaçırmanın önemli olduğu tarama bağlamlarında duyarlılık öncelenebilir. Ancak duyarlılık tek başına pozitif sonucun ne kadar güvenilir olduğunu söylemez.

Özgüllük nedir?

Özgüllük, hedef durumu olmayan bireylerin ne kadarının test tarafından negatif bulunduğunu gösterir:

Özgüllük = GN / (GN + YP)

Yüksek özgüllük, yanlış pozitiflerin az olduğunu gösterir. Yanlış pozitif sonucun gereksiz girişim veya tedaviye yol açabileceği durumlarda önem kazanabilir.

PPV nedir?

Pozitif öngörü değeri (PPV), test sonucu pozitif olan kişiler içinde gerçekten hasta olanların oranıdır:

PPV = GP / (GP + YP)

Hastanın “Testim pozitif; gerçekten hasta olma olasılığım nedir?” sorusuna, incelenen örneklem bağlamında yaklaşır.

NPV nedir?

Negatif öngörü değeri (NPV), test sonucu negatif olan kişiler içinde gerçekten hasta olmayanların oranıdır:

NPV = GN / (GN + YN)

Hastanın “Testim negatif; hastalığımın olmama olasılığı nedir?” sorusuna yaklaşır.

Prevalans PPV ve NPV’yi nasıl değiştirir?

1.000 kişilik bir toplum düşünelim:

Hastalık sıklığı %10: 100 hasta, 900 hasta olmayan kişi.
Test duyarlılığı %90: 90 gerçek pozitif, 10 yanlış negatif.
Test özgüllüğü %90: 810 gerçek negatif, 90 yanlış pozitif.

Bu durumda:

PPV = 90 / (90 + 90) = %50
NPV = 810 / (810 + 10) ≈ %98,8

Testin duyarlılığı ve özgüllüğü %90 olmasına rağmen pozitif sonuçların yalnızca yarısı gerçek pozitiftir. Bunun nedeni hastalığın görece seyrek olması ve hasta olmayan grubun sayıca büyük olmasıdır.

Hastalık sıklığı arttığında PPV genellikle yükselir, NPV düşer. Bu nedenle vaka-kontrol gibi yapay hasta/sağlıklı oranı oluşturulan örneklemlerde hesaplanan PPV ve NPV gerçek klinik topluma doğrudan taşınmamalıdır.

Olabilirlik oranları ne ekler?

Pozitif ve negatif olabilirlik oranları, test sonucunun hastalık odds değerini ne kadar değiştirdiğini özetler:

LR+ = Duyarlılık / (1 − Özgüllük)
LR− = (1 − Duyarlılık) / Özgüllük

Olabilirlik oranları ön test olasılığından son test olasılığına geçişte kullanılabilir. Ancak klinik yorum için test öncesi hastalık olasılığının makul biçimde belirlenmesi gerekir.

Cut-off değiştiğinde ne olur?

Sürekli bir belirteçte eşik düşürüldüğünde genellikle duyarlılık artar, özgüllük azalır; eşik yükseltildiğinde bunun tersi görülür. Hangi dengenin uygun olduğu testin tarama, doğrulama veya tedavi kararı amacıyla kullanılmasına bağlıdır.

Eşik seçimi için ROC cut-off rehberimizi inceleyebilirsiniz.

Güven aralığı neden zorunludur?

Özellikle az sayıda hasta veya hasta olmayan kişi olduğunda duyarlılık ve özgüllük tahminleri kararsız olabilir. Nokta tahmininin yanında %95 güven aralığı verilmelidir. “Duyarlılık %100” ifadesi küçük örneklemde geniş bir belirsizliği gizleyebilir.

Raporlamada sık yapılan hatalar

Duyarlılığı PPV gibi yorumlamak,
Prevalansı belirtmeden PPV ve NPV sunmak,
Yalnızca yüzdeleri verip 2×2 tabloyu göstermemek,
Güven aralıklarını raporlamamak,
Veri içinden seçilen cut-off’u önceden belirlenmiş gibi sunmak,
Belirsiz test sonuçlarını analizden sessizce çıkarmak,
Sağlıklı kontroller ile ileri olguların performansını tüm kliniğe genellemek.

Tanı testi makalenizi raporlarken STARD 2015 kontrol rehberimizi kullanabilir; analiz desteğinin kapsamını biyoistatistik ve sağlık bilimleri makale analizi sayfalarımızda görebilirsiniz.

Kaynaklar

Altman, D. G. ve Bland, J. M. (1994). Diagnostic tests 1: sensitivity and specificity.
Altman, D. G. ve Bland, J. M. (1994). Diagnostic tests 2: predictive values.
Bossuyt, P. M. ve ark. (2015). STARD 2015.

İlgili hizmetler

Bu konuda nasıl destek alabilirsiniz?

Biyoistatistik analizi Tanı testi performansını çapraz tablo, güven aralığı, ROC ve cut-off ile birlikte analiz edin. Sağlık bilimleri makale analizi Tanı doğruluğu sonuçlarını STARD ile uyumlu ve klinik olarak anlaşılır biçimde raporlayın. Tıpta uzmanlık tez analizi Uzmanlık tezinizde tanı, tarama ve biyobelirteç performansını doğru değerlendirin. İstatistik danışmanlığı Araştırma sorusundan raporlamaya kadar yöntem planınızı uzmanla değerlendirin.

Sonraki adım

Tanı testi sonucunu klinik bağlamıyla birlikte yorumlayın

Hasta spektrumunu, prevalansı, referans standardı ve seçilen eşiği birlikte inceleyerek doğruluk analizini planlayalım.

Tanı testinizi değerlendirelim Telefonla görüşün

Duyarlılık, özgüllük, PPV ve NPV nasıl yorumlanır?