Pravděpodobnost před a po testu

Pravděpodobnost před testem a pravděpodobnost po testu (alternativně se píše pravděpodobnost před testem a pravděpodobnost po testu) jsou subjektivní pravděpodobnosti přítomnosti stavu (např. nemoci) před a po diagnostickém testu. Pravděpodobnost po testu může být zase pozitivní nebo negativní, podle toho, zda test dopadne jako pozitivní nebo negativní test. V některých případech se používá pro pravděpodobnost vzniku podmínky zájmu v budoucnosti.

Subjektivita pravděpodobností je založena na skutečnosti, že ve skutečnosti jedinec buď podmínku má, nebo ne (přičemž pravděpodobnost je vždy buď 0% nebo 100%), takže pravděpodobnosti před a po testu pro jednotlivce mohou být spíše považovány za psychologické jevy v myslích těch, kteří se podílejí na diagnostice v ruce.

Test může v tomto smyslu odkazovat na jakýkoli lékařský test (ale obvykle ve smyslu diagnostických testů) a v širším smyslu také zahrnovat otázky a dokonce i předpoklady (například předpoklad, že cílovým jedincem je žena nebo muž). Schopnost rozlišovat mezi pravděpodobností různých stavů před testem a po něm je hlavním faktorem v indikaci lékařských testů.

Pravděpodobnost jedince před testem může být zvolena jako jedna z následujících:

Odhad pravděpodobnosti po zkoušce

V klinické praxi jsou pravděpodobnosti po testu často jen zhruba odhadnuty nebo dokonce odhadnuty. To je obvykle přijatelné při nálezu patogenního znaku nebo příznaku, v takovém případě je téměř jisté, že cílový stav je přítomen; nebo při absenci nálezu sine qua non znaku nebo příznaku, v takovém případě je téměř jisté, že cílový stav není přítomen.

Ve skutečnosti však subjektivní pravděpodobnost přítomnosti stavu není nikdy přesně 0 nebo 100%. Přesto existuje několik systematických metod, jak tuto pravděpodobnost odhadnout. Takové metody jsou obvykle založeny na tom, že předtím byly provedeny zkoušky na referenční skupině, ve které je přítomnost nebo nepřítomnost na stavu známa (nebo alespoň odhadnuta jiným testem, který je považován za vysoce přesný, například podle „zlatého standardu“), aby byly získány údaje o provedení zkoušek. Tyto údaje jsou následně použity k interpretaci výsledku zkoušky každého jedince zkoušeného touto metodou. Alternativou nebo doplňkem metod založených na referenčních skupinách je porovnání výsledku zkoušky s předchozím testem na stejném jedinci, což je běžnější v testech pro sledování.

Nejdůležitější systematické metody založené na referenčních skupinách pro odhad pravděpodobnosti po testu zahrnují metody shrnuté a porovnávané v následující tabulce a dále popsané v jednotlivých oddílech níže.

Prediktivní hodnoty lze použít k odhadu pravděpodobnosti jedince po testu, pokud lze předpokládat, že pravděpodobnost jedince před testem je zhruba rovna prevalenci v referenční skupině, na které jsou k dispozici výsledky testu i poznatky o přítomnosti či nepřítomnosti onemocnění (například onemocnění, které může být stanoveno „zlatým standardem“).

Pravděpodobnost před testem lze vypočítat z diagramu následovně:

Pravděpodobnost před testem = (True pozitivní + False negativní) / Celkový vzorek

Také v tomto případě je pozitivní pravděpodobnost po testu (pravděpodobnost, že bude splněna cílová podmínka, pokud test dopadne pozitivně) numericky rovna pozitivní prediktivní hodnotě a negativní pravděpodobnost po testu (pravděpodobnost, že bude splněna cílová podmínka, pokud test dopadne negativně) numericky doplňuje negativní prediktivní hodnotu ([negativní pravděpodobnost po testu] = 1 – [negativní prediktivní hodnota]), opět za předpokladu, že testovaný jedinec nemá žádné jiné rizikové faktory, které vedou k tomu, že tento jedinec má jinou pravděpodobnost před testem než referenční skupina použitá ke stanovení pozitivních a negativních prediktivních hodnot testu.

Ve výše uvedeném diagramu se tato pozitivní pravděpodobnost po testu, tj. pravděpodobnost po testu cílové podmínky s pozitivním výsledkem testu, vypočítá takto:

Pozitivní pravděpodobnost po testu = True positives / (True positives + False positives)

Pravděpodobnost onemocnění po testu s negativním výsledkem se vypočítá takto:

Negativní pravděpodobnost po testu = Falešné negativy / (Falešné negativy + Pravdivé negativy)

Doporučujeme:  5 přesvědčení, která zničí vaše přátelství/vztahy

Platnost výše uvedených rovnic také závisí na tom, že vzorek z populace nemá podstatné výběrové zkreslení, které by mohlo způsobit, že skupiny těch, kteří mají tento stav, a těch, kteří nemají být podstatně nepřiměřené odpovídající prevalence a „non-prevalence“ v populaci. Ve skutečnosti výše uvedené rovnice nejsou platné s pouhým případem-kontrolní studie, která samostatně shromažďuje jednu skupinu s podmínkou a jednu skupinu bez ní.

Výše uvedené metody není vhodné použít, pokud se pravděpodobnost pretestu liší od prevalence v referenční skupině, která se používá mimo jiné ke stanovení pozitivní prediktivní hodnoty testu. K takovému rozdílu může dojít, pokud předcházel jiný test, nebo se osoba podílející se na diagnostice domnívá, že je nutné použít jinou pravděpodobnost pretestu, a to z důvodu znalosti například specifických obtíží, jiných prvků anamnézy, příznaků při fyzikálním vyšetření, a to buď tak, že se každý nález vypočítá jako test sám o sobě s vlastní citlivostí a specifičností, nebo se alespoň provede hrubý odhad individuální pravděpodobnosti před testem.

V těchto případech není prevalence v referenční skupině zcela přesná v reprezentaci pravděpodobnosti jedince před testem, a v důsledku toho prediktivní hodnota (ať už pozitivní nebo negativní) není zcela přesná v reprezentaci pravděpodobnosti jedince po testu, že má cílový stav.

V těchto případech lze pravděpodobnost po testu odhadnout přesněji pomocí pravděpodobnostního poměru pro test. Pravděpodobnostní poměr se vypočítá z citlivosti a specifičnosti testu, a tím nezávisí na prevalenci v referenční skupině, a podobně se nemění se změněnou pravděpodobností před testem, na rozdíl od pozitivních nebo negativních prediktivních hodnot (které by se změnily). Platnost pravděpodobnosti po testu určená z pravděpodobnostního poměru není ve výsledku náchylná k výběrovému zkreslení ve vztahu k pravděpodobnostem s podmínkou a bez ní v populačním vzorku a může být provedena jako případová kontrolní studie, která samostatně shromažďuje pravděpodobnosti s podmínkou a bez ní.

Odhad pravděpodobnosti po testu z pravděpodobnosti před testem a pravděpodobnostního poměru je následující:

V rovnici výše se pozitivní pravděpodobnost po testu vypočítá pomocí pravděpodobnostního poměru pozitivního a negativní pravděpodobnost po testu se vypočítá pomocí pravděpodobnostního poměru negativního.

Vztah lze také odhadnout pomocí tzv. Faganova nomogramu (znázorněného vpravo) vytvořením přímky od bodu dané pravděpodobnosti před testem k danému poměru pravděpodobnosti v jejich škálách, který zase odhaduje pravděpodobnost po testu v bodě, kde tato přímka protíná svou škálu.

Pravděpodobnost po testu může být zase použita jako pravděpodobnost před testem pro dodatečné testy, pokud se i nadále počítá stejným způsobem.

Jednotlivec byl vyšetřen testem okultní krve ve stolici (FOB), aby se odhadla pravděpodobnost, že tato osoba bude mít cílový stav rakoviny střeva, a vyšlo to pozitivně (krev byla detekována ve stolici). Před testem měl tento jedinec před testem pravděpodobnost, že bude mít rakovinu střeva například 3% (0,03), jak by se dalo odhadnout vyhodnocením například anamnézy, vyšetření a předchozích testů tohoto jedince.

Citlivost, specifičnost atd. testu FOB byla stanovena na populačním vzorku 203 osob (bez této dědičnosti) a dopadla následovně:

Z toho lze stanovit poměry pravděpodobnosti zkoušky:

Tedy, že jedinec má po testu pravděpodobnost (nebo „post-test „riziko“) 18,6% z mít rakovinu střev.

Prevalence v populačním vzorku je vypočtena jako:

Pravděpodobnost jedince před testem byla více než dvojnásobkem pravděpodobnosti populačního vzorku, i když pravděpodobnost jedince po testu byla méně než dvojnásobkem pravděpodobnosti populačního vzorku (která se odhaduje pomocí kladné prediktivní hodnoty testu 10%), na rozdíl od toho, co by vyplynulo méně přesnou metodou prostého násobení relativních rizik.

S pravděpodobností po testu, jak je odhadnuta z pravděpodobnosti před testem s poměrem pravděpodobnosti, by se mělo zacházet opatrně u jedinců s jinými determinanty (jako jsou rizikové faktory) než u běžné populace, stejně jako u jedinců, kteří podstoupili předchozí testy, protože takové determinanty nebo testy mohou také ovlivnit samotný test nepředvídatelnými způsoby, což stále způsobuje nepřesné výsledky. Příkladem s rizikovým faktorem obezity je, že dodatečný břišní tuk může ztížit prohmatávání břišních orgánů a snížit rozlišení ultrasonografie břicha, a podobně může zbytkový barnatý kontrast z předchozí radiografie ovlivnit následná vyšetření břicha, což ve výsledku snižuje citlivost a specifičnost takových následných testů. Na druhou stranu může vliv interference potenciálně zlepšit účinnost následných testů ve srovnání s použitím v referenční skupině, například některá vyšetření břicha jsou snadnější při provádění u osob s podváhou.

Doporučujeme:  Prenatální diagnóza

Platnost výpočtů na základě jakékoli pravděpodobnosti před testem, která je sama odvozena z předchozího testu, dále závisí na tom, že se oba testy významně nepřekrývají, pokud jde o cílový parametr, který se testuje, jako jsou krevní testy látek patřících k jedné a téže vyšinuté metabolické dráze. Příkladem extrému takového překrývání je případ, kdy byla zjištěna citlivost a specifičnost pro krevní test zjišťující „látku X“ a obdobně pro test zjišťující „látku Y“. Pokud jsou „látka X“ a „látka Y“ ve skutečnosti jedna a tatáž látka, pak provedení dvou po sobě jdoucích testů jedné a téže látky nemusí mít vůbec žádnou diagnostickou hodnotu, ačkoli se zdá, že výpočet vykazuje rozdíl. Na rozdíl od výše popsané interference rostoucí překrývání testů pouze snižuje jejich účinnost. V lékařském prostředí se diagnostická platnost zvyšuje kombinováním zkoušek různých modalit, aby se zabránilo podstatnému překrývání, například při provedení kombinace krevního testu, biopsie a rentgenového snímku.

Metody k překonání nepřesnosti

Další metodou, jak tyto nepřesnosti překonat, je vyhodnocení výsledku testu v kontextu diagnostických kriterií, jak je popsáno v další části.

Pravděpodobnost po zkoušce lze někdy odhadnout vynásobením pravděpodobnosti před zkouškou relativním rizikem daným zkouškou. V klinické praxi se to obvykle používá při hodnocení anamnézy jedince, kde „zkouška“ obvykle představuje otázku (nebo dokonce předpoklad) týkající se různých rizikových faktorů, například pohlaví, kouření tabáku nebo hmotnosti, ale může to být potenciálně podstatná zkouška, například zařazení jedince na váhovou stupnici. Při použití relativních rizik výsledná pravděpodobnost obvykle spíše souvisí s tím, že se u jedince v určitém časovém období rozvine stav (podobně jako výskyt v populaci), místo toho, aby byla pravděpodobnost, že jedinec bude mít stav v současnosti, ale může být nepřímo odhadem toho druhého.

Použití poměru rizik lze použít poněkud podobně jako relativní riziko.

Pro stanovení relativního rizika je riziko v exponované skupině děleno rizikem v neexponované skupině.

Pokud se bere v úvahu pouze jeden rizikový faktor jedince, lze pravděpodobnost po testu odhadnout vynásobením relativního rizika rizikem v kontrolní skupině. Kontrolní skupina obvykle reprezentuje neexponovanou populaci, ale pokud je exponován velmi nízký zlomek populace, pak lze často předpokládat, že prevalence v obecné populaci se rovná prevalenci v kontrolní skupině. V takových případech lze pravděpodobnost po testu odhadnout vynásobením relativního rizika rizikem v obecné populaci.

Například výskyt rakoviny prsu u ženy ve Spojeném království ve věku 55 až 59 let je odhadován přibližně na 280 případů na 100 000 za rok a rizikový faktor vystavení vysoké dávce ionizujícího záření do hrudníku (například jako léčba jiných druhů rakoviny) dává relativní riziko rakoviny prsu mezi 2,1 až 4,0 ve srovnání s neexponovaným. Vzhledem k tomu, že je vystaven nízký zlomek populace, lze předpokládat, že prevalence v neexponované populaci je rovna prevalenci v obecné populaci. Následně lze odhadnout, že žena ve Spojeném království, která je ve věku mezi 55 a 59 lety a která byla vystavena vysoké dávce ionizujícího záření, by měla mít riziko vzniku rakoviny prsu po dobu jednoho roku mezi 588 a 1,120 ze 100 000 (tedy mezi 0,6 % a 1,1 %).

Doporučujeme:  6 problémů, které pochopí jen opravdoví empatikové

(Posledně uvedený) efekt nadhodnocení může být kompenzován konverzí rizik na kurzy a relativních rizik na kurzové poměry. To však nekompenzuje (dříve uvedený) efekt jakéhokoli rozdílu mezi pravděpodobností jedince před testem a prevalencí v referenční skupině.

Kromě toho má násobení více relativních rizik stejné riziko, že nebudou existovat důležité přesahy zahrnutých rizikových faktorů, podobně jako při použití poměrů pravděpodobnosti. Různé rizikové faktory mohou také působit v součinnosti, což má za následek, že například dva faktory, které oba jednotlivě mají relativní riziko 2, mají celkové relativní riziko 6, pokud jsou oba přítomny, nebo se mohou navzájem inhibovat, podobně jako interference popsaná pro použití poměrů pravděpodobnosti.

Dle diagnostických kritérií a pravidel klinické predikce

Většina závažných onemocnění má stanovena diagnostická kritéria a/nebo pravidla klinické predikce. Stanovení diagnostických kritérií nebo pravidel klinické predikce spočívá v komplexním vyhodnocení mnoha testů, které jsou považovány za důležité pro odhad pravděpodobnosti sledované podmínky, někdy také včetně toho, jak ji rozdělit do podskupin, a kdy a jak léčit stav. Takové stanovení může zahrnovat použití prediktivních hodnot, poměrů pravděpodobnosti i relativních rizik.

Například kritéria ACR pro systémovou lupus erythematosis definují diagnózu jako přítomnost nejméně 4 z 11 nálezů, z nichž každý může být považován za cílovou hodnotu testu s vlastní citlivostí a specifičností. V tomto případě došlo k vyhodnocení testů pro tyto cílové parametry, jsou-li použity v kombinaci, například s ohledem na interferenci mezi nimi a překrývání cílových parametrů, čímž se usiluje o to, aby se předešlo nepřesnostem, které by jinak mohly vzniknout při pokusu o výpočet pravděpodobnosti onemocnění s využitím pravděpodobnostních poměrů jednotlivých testů. Proto pokud byla stanovena diagnostická kritéria pro určitý stav, je obecně nejvhodnější interpretovat jakoukoli pravděpodobnost po testu pro tento stav v kontextu těchto kritérií.

Existují také nástroje pro hodnocení rizika pro odhad kombinovaného rizika několika rizikových faktorů, například on-line nástroj z Framingham Heart Study pro odhad rizika pro výsledky ischemické choroby srdeční pomocí více rizikových faktorů, včetně věku, pohlaví, krevních lipidů, krevního tlaku a kouření, je mnohem přesnější než násobení jednotlivých relativních rizik každého rizikového faktoru.

Přesto může zkušený lékař odhadnout pravděpodobnost po testu (a akce, které motivuje) na základě širokého zvážení včetně kritérií a pravidel vedle dalších dříve popsaných metod, včetně jak jednotlivých rizikových faktorů, tak výkonů provedených testů.

Klinické využití pravděpodobnosti před a po testu

Klinicky užitečný parametr je absolutní (spíše než relativní a ne negativní) rozdíl mezi pravděpodobností před a po testu, vypočtený jako:

Významným faktorem takového absolutního rozdílu je síla samotného testu, kterou lze popsat například z hlediska citlivosti a specifičnosti nebo poměru pravděpodobnosti. Dalším faktorem je pravděpodobnost před testem, kdy nižší pravděpodobnost před testem vede k nižšímu absolutnímu rozdílu, což má za následek, že i velmi výkonné testy dosahují nízkého absolutního rozdílu za velmi nepravděpodobných podmínek u jedince (jako jsou vzácná onemocnění při absenci jakéhokoli jiného indikačního znaku), ale na druhou stranu i testy s nízkým výkonem mohou znamenat velký rozdíl u vysoce podezřelých podmínek.

Pravděpodobnosti v tomto smyslu mohou být také třeba zvažovat v kontextu podmínek, které nejsou primárními cíli testu, jako je profilově relativní pravděpodobnost v diferenciálním diagnostickém postupu.

Absolutní rozdíl lze dát do souvislosti s přínosem pro jednotlivce, že lékařský test dosáhne, například lze zhruba odhadnout jako: