پزشکی و یادگیری
حساسیت و ویژگی را حفظ نکن؛ با ۱۰ هزار نفر محاسبه کن
آموزش sensitivity، specificity و PPV برای دانشجوی پزشکی؛ جدول دو در دو، بیز، تغییر شیوع و تمرین تعاملی با AI.
تصویر اختصاصی مجلهٔ ساروی؛ ساخته‌شده با هوش مصنوعی
«آزمون ۹۰ درصد حساسیت دارد؛ پس اگر مثبت شد، احتمال بیماری ۹۰ درصد است.» این جمله دو احتمال را جابه‌جا می‌کند. با آزمون و بیماری کاملاً فرضی، ده هزار نفر را تقسیم می‌کنیم. بعد شیوع را در ابزار بالا تغییر می‌دهیم تا ببینیم چرا ارزش اخباری مثبت عوض می‌شود.
این کار را در ساروی شروع کنحساسیت ثابت است؛ احتمال پس از تست چه می‌شود؟
جمعیت ۱۰٬۰۰۰ نفر، حساسیت ۹۰٪ و ویژگی ۹۵٪ را ثابت نگه داشته‌ایم. فقط شیوع را تغییر بده.
- مثبت واقعی
- ۹۰
- مثبت کاذب
- ۴۹۵
- ارزش اخباری مثبت
- ۱۵٫۴٪
مدل آموزشی با فرض حساسیت و ویژگی ثابت؛ برای تفسیر آزمایش یک فرد یا تصمیم درمانی طراحی نشده است.
۱. جهت شرط را بخوان
حساسیت از میان افراد بیمار می‌پرسد چند نفر مثبت می‌شوند. ویژگی از میان افراد بدون بیماری می‌پرسد چند نفر منفی می‌شوند. PPV از میان نتیجه‌های مثبت می‌پرسد چند نفر واقعاً بیمارند. نقطهٔ شروع شمارش فرق دارد.
تعریف‌ها در منبع آموزشی میزبانی‌شده در CDC آمده است. اینجا از تعریف آماری استفاده می‌کنیم؛ عددهای زیر ساختهٔ این درس‌اند و به آزمون، بیماری یا توصیهٔ بالینی مشخصی تعلق ندارند.
۲. جمعیت را تقسیم کن
در جمعیت ۱۰هزارنفری با شیوع ۱ درصد، ۱۰۰ نفر بیمار و ۹۹۰۰ نفر بدون بیماری‌اند. آزمون فرضی حساسیت ۹۰ درصد و ویژگی ۹۵ درصد دارد.
از ۱۰۰ بیمار، ۹۰ مثبت واقعی و ۱۰ منفی کاذب داریم. از ۹۹۰۰ فرد بدون بیماری، ۹۴۰۵ منفی واقعی و ۴۹۵ مثبت کاذب داریم. جمع چهار خانه باید ۱۰هزار شود؛ این نخستین کنترل محاسبه است.
| نتیجه | بیماری دارد | بیماری ندارد | جمع |
|---|---|---|---|
| مثبت | ۹۰ — TP | ۴۹۵ — FP | ۵۸۵ |
| منفی | ۱۰ — FN | ۹۴۰۵ — TN | ۹۴۱۵ |
| جمع | ۱۰۰ | ۹۹۰۰ | ۱۰٬۰۰۰ |
۳. PPV را از سطر مثبت حساب کن
۵۸۵ نتیجهٔ مثبت داریم. ۹۰ مورد مثبت واقعی‌اند. پس PPV = 90 / 585 ≈ 15.4%. حساسیت هنوز ۹۰ درصد است؛ برای آن از ستون بیماران شروع می‌کردیم.
تناقضی نیست. جمعیت بدون بیماری بزرگ‌تر بوده؛ حتی ۵ درصد مثبت در آن گروه، مثبت کاذب زیادی می‌سازد. نادیده گرفتن احتمال پایه این تفاوت را پنهان می‌کند.
Sensitivity = TP / (TP + FN) = 90 / 100 = 90%
Specificity = TN / (TN + FP) = 9405 / 9900 = 95%
PPV = TP / (TP + FP) = 90 / 585 = 15.38%
NPV = TN / (TN + FN) = 9405 / 9415 = 99.89%۴. شیوع را به ۱۰ درصد برسان
با همان جمعیت و همان حساسیت و ویژگی، ۱۰۰۰ بیمار داریم: ۹۰۰ مثبت واقعی و ۱۰۰ منفی کاذب. از ۹۰۰۰ فرد بدون بیماری، ۴۵۰ مثبت کاذب و ۸۵۵۰ منفی واقعی داریم.
PPV این بار 900 / 1350 = 66.7% است. در ابزار بالا شیوع را از ۱ به ۱۰ درصد ببر. ابزار حساسیت و ویژگی را ثابت نگه می‌دارد؛ در مطالعهٔ واقعی، تغییر جمعیت می‌تواند عملکرد اندازه‌گیری‌شدهٔ آزمون را هم تغییر دهد.
۵. بیز همان جدول را فشرده می‌کند
اگر p شیوع، Se حساسیت و Sp ویژگی باشد، PPV برابر است با Se×p تقسیم بر Se×p + (1−Sp)×(1−p). درصدها را به کسر اعشاری تبدیل کن؛ برای ۱ درصد p=0.01 است.
صورت، سهم مثبت واقعی از کل جمعیت است. مخرج سهم همهٔ مثبت‌هاست: واقعی و کاذب. اگر فرمول را فراموش کردی جدول را بساز. جهت شرط از شکل کسر مهم‌تر است.
def ppv(prevalence, sensitivity, specificity):
true_positive = sensitivity * prevalence
false_positive = (1 - specificity) * (1 - prevalence)
total_positive = true_positive + false_positive
if total_positive == 0:
return None
return true_positive / total_positive
print(round(ppv(0.01, 0.90, 0.95) * 100, 2))
# 15.38۶. likelihood ratio
LR+ در این مثال Se/(1−Sp) = 18 است. شانس پیش‌آزمون p/(1−p) را در LR+ ضرب کن تا شانس پس‌آزمون نتیجهٔ مثبت به دست آید؛ سپس odds/(1+odds) را به احتمال تبدیل کن.
برای p=0.01، شانس اولیه 1/99 است. ضرب در ۱۸، شانس 18/99 می‌دهد. تبدیل به احتمال، 18/117 ≈ 15.4% می‌شود؛ همان جواب جدول. probability و odds را جایگزین هم نکن.
۷. محدودهٔ کاربرد این تمرین
این مثال برای یادگیری آمار است. انتخاب آزمون و احتمال پیش‌آزمون یک فرد به زمینهٔ بالینی، روش آزمایش و شواهد معتبر نیاز دارد. شیوع جمعیت همیشه احتمال پیش‌آزمون مناسب برای مراجعه‌کننده نیست.
با AI از دادهٔ ساختگی و بدون مشخصات فردی استفاده کن. برای سؤال آموزشی بخواه محاسبه را با جدول کنترل کند. تصمیم پزشکی واقعی به ارزیابی بالینی نیاز دارد؛ ابزار این صفحه برای آن طراحی نشده است.
۸. سه سؤال خودآزمایی
با حساسیت ثابت، ویژگی را به ۹۹ درصد برسان. در شیوع ۱ درصد مثبت کاذب چند نفر می‌شود؟ ۹۹ نفر. PPV چقدر است؟ 90/189 ≈ 47.6%.
اگر حساسیت کم شود، مثبت واقعی کم و منفی کاذب زیاد می‌شود. اگر بیماری نادرتر شود و دو شاخص ثابت بمانند، چرا مثبت کاذب نسبت بزرگ‌تری از مثبت‌ها می‌سازد؟ با تعداد افراد جواب بده، نه فقط فرمول.
۹. ساروی نقش ممتحن بگیرد
اعداد را انتخاب کن و بخواه هر بار یک مرحله بپرسد: تعداد بیمار و غیربیمار، چهار خانه، سپس PPV. اگر اشتباه بود، بخواه بگوید از کدام گروه شروع به شمارش کرده‌ای.
برای مرور، فلش‌کارت از جزوه را ببین. کارت خوب می‌پرسد «در PPV مخرج کدام گروه است؟»؛ کارت ضعیف چهار تعریف را در یک سؤال جمع می‌کند.
این کار را خودت انجام بده.
- جدول دو در دو را پیش از فرمول بساز.
- در شیوع ۱درصد، PPV حدود ۱۵٫۴درصد را کنترل کن.
- شیوع را تغییر بده و علت تغییر PPV را توضیح بده.
برای بررسی بیشتر
تعریف حساسیت، ویژگی و ارزش اخباری — منبع میزبانی‌شده در CDCدر انجام این کار به مشکل خوردی؟
از پشتیبانی کمک بگیر