사전 및 사후 테스트 확률

임상 실습에서 테스트 후 확률은 종종 대략 추정되거나 추측됩니다. 이것은 일반적으로 병리학 적 징후 또는 증상의 발견에서 허용되며,이 경우 표적 조건이 존재한다는 것이 거의 확실하다;또는 사인…에 비 사인 또는 증상을 찾지 못하는 경우,이 경우 표적 조건이 없다는 것이 거의 확실하다.

그러나 실제로 조건이 존재할 확률은 정확히 0 또는 100%가 아닙니다. 그러나 그 확률을 추정하는 몇 가지 체계적인 방법이 있습니다. 이러한 방법은 일반적으로 테스트 성능의 데이터를 확립하기 위해 조건상의 존재 또는 부재가 알려진(또는 적어도”황금 표준”과 같이 매우 정확한 것으로 간주되는 다른 테스트에 의해 추정되는)참조 그룹에 대한 테스트를 이전에 수행한 것에 기초한다. 이 자료는 연속적으로 방법에 의해 시험된 어떤 개별든지의 시험 결과를 해석하기 위하여 이용됩니다. 참조 그룹 기반 메서드의 대안 또는 보완 방법은 테스트 결과를 동일한 개인에 대한 이전 테스트와 비교하는 것인데,이는 모니터링 테스트에서 더 일반적입니다.

테스트 후 확률을 추정하기 위한 가장 중요한 체계적 참조 그룹 기반 방법은 다음 표에 요약되고 비교된 방법을 포함하고,아래의 개별 섹션에서 더 설명된다.

예측 값으로 편집

예측 값을 사용하여 개인의 테스트 후 확률을 추정 할 수 있습니다. 개별의 전 시험 확율이 조건(예를 들면”금 본위제”에 의해 결정해 일지모른는과 같은 질병)의 존재 또는 부재에 시험 결과 그리고 지식이 둘 다 유효한 참고 그룹에 있는 보급과 대략 동등한 추측될 수 있는 경우에.

테스트 결과가 양성 또는 음성 테스트로 이진 분류 된 경우 다음 표를 만들 수 있습니다:

사전 테스트 확률은 다이어그램에서 다음과 같이 계산할 수 있습니다:

테스트 전 확률=(참 양성+거짓 음성)/총 표본

또한,이 경우 양성 테스트 후 확률(시험이 양성으로 떨어지면 목표 조건을 가질 확률)은 양성 예측 값과 수치 적으로 동일하며,음성 테스트 후 확률(시험이 음성으로 떨어지면 목표 조건을 가질 확률)은 음성 예측 값(=1-)에 수치 적으로 상보적입니다.그 개인에게 있는 귀착되는 요인 테스트의 양수 및 음수 예측 값을 설정하는 데 사용되는 참조 그룹과 다른 테스트 전 확률.

위의 다이어그램에서,이 긍정적 인 테스트 후 확률,즉 긍정적 인 테스트 결과가 주어진 대상 조건의 테스트 후 확률은 다음과 같이 계산됩니다:

긍정적 인 테스트 후 확률=참 양성/(참 양성+거짓 양성)

마찬가지로:

부정적인 결과가 주어진 질병의 테스트 후 확률은 다음과 같이 계산됩니다.:

부정적인 테스트 후 확률=거짓 부정/(거짓 부정+참 부정)

위의 방정식의 타당성은 또한 모집단의 표본이 조건을 가진 사람들과 모집단의 해당 유병률 및”비 유병률”과 실질적으로 불균형하지 않는 사람들의 그룹을 만드는 실질적인 샘플링 편견을 가지고 있지 않다는 것에 달려있다. 사실상,위의 방정식은 조건이 있는 한 그룹과 조건이 없는 한 그룹을 별도로 수집하는 사례 제어 연구에서만 유효하지 않습니다.

우도 비율편집

위의 방법은 시험 전 확률이 시험의 긍정적 예측 값을 설정하는 데 사용되는 참조 그룹의 유병률과 다른 경우 사용하기에 부적절합니다. 이러한 차이는 다른 검사가 선행되거나 진단에 관련된 사람이 특정 불만 사항,병력의 다른 요소,신체 검사의 징후에 대한 지식 때문에 다른 사전 검사 확률을 사용해야한다고 생각하는 경우 발생할 수 있습니다.각 발견에 대해 자체 감도 및 특이성을 가진 테스트로 계산하거나 적어도 개별 사전 검사 확률을 대략적으로 추정합니다.

이 경우,기준군에서의 유병률은 개인의 시험 전 확률을 나타내는 데 있어서 완전히 정확하지 않으며,결과적으로 예측값(양성 또는 음성인지 여부)은 표적 조건을 갖는 개인의 시험 후 확률을 나타내는 데 있어서 완전히 정확하지 않다.

이 경우 테스트에 대한 우도 비율을 사용하여 테스트 후 확률을 더 정확하게 추정 할 수 있습니다. 우도 비율은 테스트의 민감도 및 특이성으로부터 계산되며,따라서 참조 그룹의 유병률에 의존하지 않으며,마찬가지로 양 또는 음의 예측 값(변경 될 수 있음)과 달리 변경된 사전 테스트 확률로 변경되지 않습니다. 또한,사실상,우도 비율로부터 결정된 시험 후 확률의 유효성은 모집단 샘플의 조건이 있거나없는 것과 관련하여 샘플링 바이어스에 취약하지 않으며,조건 유무에 관계없이 별도로 수집하는 사례 제어 연구로 수행 할 수 있습니다.

시험 전 확률 및 우도 비율로부터 시험 후 확률의 추정은 다음과 같다:

• 테스트 전 확률=(테스트 전 확률/(1-테스트 전 확률)
• 테스트 후 확률=테스트 전 확률*우도 비율

위의 방정식에서 양성 테스트 후 확률은 우도 비율 양수를 사용하여 계산되고,음성 테스트 후 확률은 우도 비율 음수를 사용하여 계산됩니다.1356>

• 테스트 후 확률=테스트 후 확률/(테스트 후 확률+ 1)

파간 노모그램

이 관계는 또한 소위 페이건 노모 그램(오른쪽에 표시)에 의해 주어진 테스트 전 확률의 지점에서 주어진 우도 비율에 대한 직선을 만들어 척도에서 추정 할 수 있으며,이는 차례로 그 직선이 그 척도를 교차하는 지점에서 테스트 후 확률을 추정합니다.

테스트 후 확률은 동일한 방식으로 계속 계산되는 경우 추가 테스트에 대한 테스트 전 확률로 사용될 수 있습니다.

• 90%민감도 및 90%특이도의 경우 양성 테스트를 나타내는 녹색 곡선(왼쪽 위 절반)과 음성 테스트를 나타내는 빨간색 곡선(오른쪽 아래 절반)이있는 테스트 전 및 사후 확률과 관련된 다이어그램은 우도 비율 9 의 양수 및 우도 비율 0.111 의 음수에 해당합니다. 녹색 화살표의 길이는 양의 테스트가 주어진 절대 확률(상대 확률이 아닌)의 변화를 나타내며 빨간색 화살표는 음의 테스트가 주어진 절대 확률의 변화를 나타냅니다.
  화살표의 길이에서 볼 수 있듯이,낮은 테스트 전 확률에서 양성 테스트는 음성 테스트(특이성이 민감도보다 훨씬 높지 않은 한 일반적으로 유효한 속성)보다 절대 확률에 더 큰 변화를 제공합니다. 마찬가지로,높은 테스트 전 확률에서 음성 테스트는 양성 테스트(민감도가 특이도보다 훨씬 높지 않은 한 일반적으로 유효한 속성)보다 절대 확률에 더 큰 변화를 제공합니다.

• 다양한 우도비 포지티브(왼쪽 위 절반)와 다양한 우도비 네거티브(오른쪽 아래 절반)에 대한 사전 및 사후 테스트 확률 간의 관계입니다.

연속 값 또는 이분법 결과에 대한 계산과 유사한 두 개 이상의 결과를 가진 테스트에 대한 우도 비율의 계산을 수행 할 수 있습니다. 이를 위해 모든 테스트 결과 수준에 대해 별도의 우도 비율이 계산되며 간격 또는 계층별 우도 비율이라고 합니다.

예시편집

대변 잠혈검사를 실시하여 대장암의 표적조건에 걸릴 확률을 추정하고,양성으로 빠져나갔다(대변에서 혈액이 검출되었다). 시험 전에,그 개인은 예를 들어,병력,검사 및 그 개인의 이전 검사의 평가에 의해 추정 될 수 있었던 바와 같이,예를 들어,3%(0.03)의 대장 암에 걸릴 사전 시험 확률을 가졌다.

감도,특이성 등 203 명(그러한 유전이없는)의 인구 샘플로 확립되었으며 다음과 같이 떨어졌습니다:

이로부터 테스트의 우도 비율을 설정할 수 있습니다:

1. 우도 비율 양성=민감도/(1-특이성) = 66.67% / (1 − 91%) = 7.4
2. 우도비 음수=(1-민감도)/특이도= (1 − 66.67%) / 91% = 0.37

• 테스트 전 확률(이 예에서)=0.03
• 테스트 전 확률= 0.03 / (1 – 0.03) = 0.0309
• 긍정적 인 포스트 테스트 확률= 0.0309 * 7.4 = 0.229
• 긍정적 인 테스트 후 확률= 0.229 / (0.229 + 1) = 0.186 또는 18.6%

따라서 그 개인은 대장 암에 걸릴 확률이 18.6%입니다(또는”검사 후 위험”).

인구 샘플의 유병률은 다음과 같이 계산됩니다:

• 보급률= (2 + 1) / 203 = 0.0148 또는 1.48%

개인의 테스트 전 확률은 모집단 샘플의 두 배 이상 이었지만 개인의 테스트 후 확률은 모집단 샘플의 두 배 미만이었습니다(10%의 테스트의 긍정적 인 예측 값에 의해 추정 됨).상대 위험을 단순히 곱하는 덜 정확한 방법으로 결과가 발생하는 것과는 반대입니다.

부정확성의 특정 소스편집

테스트 후 확률을 결정하기 위해 우도 비율을 사용할 때 부정확성의 특정 소스는 아래에 설명 된 바와 같이 결정 요인 또는 이전 테스트와의 간섭 또는 테스트 대상의 중첩을 포함합니다:

테스트와의 간섭

테스트 전 확률로 추정되는 테스트 후 확률은 일반 인구보다 다른 결정 요인(예:위험 요인)이있는 개인뿐만 아니라 이전 테스트를 거친 개인에서도 신중하게 처리해야합니다. 비만의 위험 인자를 가진 보기는 추가 복부 지방질이 복부 기관을 만지고는 것을 어려운 할 수 있고 복부 초음파 촬영법의 해결책을 줄 수 있다 입니다,유사하게,이전 방사선 촬영에서 남은 바륨 대조는 연속적인 복부 검사와 방해할 수 있습니다,사실상 그런 연속적인 시험의 감도 그리고 특이성을 감소시키기. 다른 한편으로,간섭의 효과는 저체중 사람들에게 수행 될 때 더 쉬운 일부 복부 검사와 같은 참조 그룹에서의 사용과 비교하여 후속 테스트의 효능을 잠재적으로 향상시킬 수 있습니다.

시험의 중복편집

더욱이,이전의 시험으로부터 그 자체가 도출되는 임의의 시험 전 확률에 대한 계산의 유효성은 두 시험이 하나의 동일한 정신나간 대사 경로에 속하는 물질의 혈액 검사와 같이 시험되는 표적 파라미터와 관련하여 유의하게 중첩되지 않는다는 것에 의존한다. 이러한 중첩의 극단적 인 예는”물질 엑스”를 검출하는 혈액 검사와 마찬가지로”물질 와이”를 검출하는 혈액 검사에 대해 민감도 및 특이도가 확립 된 경우입니다. 실제로”물질 엑스”와”물질 와이”가 하나의 동일한 물질 인 경우,하나의 동일한 물질에 대한 두 번의 연속 테스트를 수행하면 계산이 차이를 나타내는 것처럼 보이지만 진단 적 가치가 전혀 없을 수 있습니다. 위에서 설명한 바와 같이 간섭과는 달리 테스트의 중복 증가는 효능을 감소시킵니다. 의학 조정에서는,진단 타당성은 혈액 검사,생검 및 방사선 사진의 조합을 만들기에서 실질적 중복을,예를 들면 피하기 위하여 다른 양식의 시험을 결합해서 증가됩니다.부정확성을 극복하기 위한 방법편집

우도비를 사용하여 그러한 부정확성의 근원을 피하기 위해,최적의 방법은 그러한 개체에서 시험을 사용하기 위한 별도의 예측 값을 확립하기 위해 동등한 개인의 큰 참조 그룹을 수집하는 것이다. 그러나,개인의 병력,체력검사 및 이전 시험 등의 지식 더로. 그 개인은 잘못된 예측 값에 의해 사후 테스트 확률의 추정을,맞춤형 예측 값을 설정하는 참조 그룹을 찾기 위해 어려움을 증가와 함께,더 차별화된다.

이러한 부정확성을 극복하기 위한 또 다른 방법은 다음 섹션에서 설명한 바와 같이 진단 기준의 맥락에서 시험 결과를 평가하는 것이다.

상대 위험편집

테스트 전 확률에 테스트에 의해 주어진 상대 위험을 곱하여 테스트 후 확률을 추정 할 수 있습니다. 임상 연습에서는,이것은”시험”가 보통 각종 위험 요소,예를 들면,성,담배 흡연 또는 무게에 대하여 질문(또는 가정)인 개인의 병력의 평가에서 일반적으로 적용됩니다,그러나 잠재적으로 무게를 다는 가늠자에 개인을 두기와 같은 실질적 시험일 수 있습니다. 상대적인 위험을 사용할 때,합성되는 확율은 일반적으로 현재에 있는 조건이 있는의 개별의 확율인 대신에 기간(인구에 있는 부각과 유사하게)에 조건을 개발하는 개별과 오히려 관련되고,그러나 간접적으로 후자의 추정일 수 있습니다.

위험 비율의 사용은 상대 위험과 다소 유사하게 사용될 수 있습니다.

하나의 위험 요소편집

상대 위험을 확립하기 위해 노출 된 그룹의 위험을 노출되지 않은 그룹의 위험으로 나눕니다.

개인의 위험 인자가 하나만 고려되면,상대 위험에 대조군의 위험을 곱하여 테스트 후 확률을 추정 할 수 있습니다. 대조군은 일반적으로 노출되지 않은 인구를 나타내지 만,인구의 매우 낮은 부분이 노출되면 일반 인구의 유병률은 종종 대조군의 유병률과 동일하다고 가정 할 수 있습니다. 이 경우 테스트 후 확률은 상대 위험에 일반 인구의 위험을 곱하여 추정 할 수 있습니다.

예를 들어,55 세에서 59 세 사이의 영국 여성의 유방암 발생률은 연간 100.000 건당 약 280 건으로 추정되며,가슴에 고용량 전리 방사선에 노출 된 위험 요소(예:다른 암 치료제)는 노출되지 않은 유방암의 상대적 위험을 2.1 에서 4.0 사이로 부여합니다. 인구의 낮은 부분이 노출되기 때문에 노출되지 않은 인구의 유병률은 일반 인구의 유병률과 동일하다고 가정 할 수 있습니다. 그 후,영국에서 55 와 59 사이의 노화와 고용량 전리 방사선에 노출 된 여성은 100.000 에서 588 과 1.120 사이의 1 년 동안 유방암에 걸릴 위험이 있어야한다고 추정 할 수 있습니다(즉,0,6%와 1.1%사이).

다중 위험 요인편집

이론적으로,다중 위험 인자가 존재하는 총 위험은 각각의 상대적 위험에 곱하여 대략적으로 추정 할 수 있지만,일반적으로 우도 비율을 사용하는 것보다 훨씬 덜 정확하며,예를 들어 소스 데이터를 민감도 및 특이도로 변환하고 우도 비율로 계산하는 것과 비교하여 상대적 위험 만 부여 할 때 수행하는 것이 훨씬 쉽기 때문에 일반적으로 수행됩니다. 마찬가지로,전자가 더 직관적이기 때문에 문헌에서 우도 비율 대신 상대적 위험이 종종 주어집니다. 상대 위험을 곱하는 부정확성의 원인은 다음과 같습니다:

• 상대적인 위험은 기준군에서의 상태의 유병률에 의해 영향을 받으며(그렇지 않은 우도 비율과는 대조적으로),이 문제는 기준군에서의 유병률과 모든 개인에 대한 시험 전 확률 사이의 차이가 증가함에 따라 시험 후 확률의 유효성이 덜 유효하다는 것을 초래합니다. 알려진 위험 요소 또는 개인의 이전 테스트는 거의 항상 이러한 차이를 부여하여 여러 위험 요소 또는 테스트의 총 효과를 추정 할 때 상대 위험을 사용하는 유효성을 감소시킵니다. 대부분의 의사는 불필요한 테스트 및 진단 오류를 유발할 수있는 테스트 결과를 해석 할 때 이러한 유병률 차이를 적절하게 고려하지 않습니다.
• 긍정적 인 테스트 만 고려할 때 여러 상대 위험을 곱하는 부정확성의 별도 원인은 우도 비율을 사용하는 것과 비교하여 총 위험을 과대 평가하는 경향이 있다는 것입니다. 이 과대 평가는 총 위험이 100%를 초과 할 수 없다는 사실을 보완 할 수없는 방법으로 설명 할 수 있습니다. 이 과대 평가는 작은 위험에 대해서는 다소 적지 만 더 높은 가치에 대해서는 더 높아집니다. 예를 들면,영국에 있는 여자에 있는 나이 더 젊은 40 년에 유방암 발전의 리스크는 대략 2%에 견적될 수 있습니다. 또한,아시 케 나지 유대인에 대한 연구에 따르면 브리 카 1 의 돌연변이는 40 세 미만의 여성에서 유방암 발병 21.6 의 상대적 위험을 부여하고,브리 카 2 의 돌연변이는 3 의 상대적 위험을 부여합니다.40 세 미만 여성의 유방암 발병 3 건. 이 데이터로부터,브리티시컬러 1 돌연변이를 가진 여성은 40 세 미만의 나이에 유방암에 걸릴 위험이 약 40%이고,브리티시컬러 2 돌연변이를 가진 여성은 약 6%의 위험이 있다고 추정할 수 있습니다. 그러나,브릭카 1 과 브릭카 2 돌연변이를 둘 다 가지고 있는 오히려 황당한 상황에서,단순히 두 상대적인 위험을 곱하면 40 세 이전에 유방암이 발병하는 140%이상의 위험을 초래할 수 있으며,이는 실제로 정확할 수 없습니다.

과대 평가의(후자에 언급 된)효과는 위험을 확률로,상대 위험을 확률 비율로 전환함으로써 보상 될 수 있습니다. 그러나 이것은 개인의 사전 테스트 확률과 참조 그룹의 유병률 사이의 차이의(이전에 언급 된)효과를 보상하지 않습니다.

위의 두 가지 부정확성 원인을 보상하는 방법은 다변량 회귀 분석을 통해 상대적 위험을 확립하는 것입니다. 그러나 그 유효성을 유지하기 위해,같은 설립 상대 위험은 동일한 회귀 분석의 다른 모든 위험 요소와 곱해야합니다,그리고 회귀 분석을 넘어 다른 요인의 추가없이.

또한 여러 상대 위험을 곱하면 우도 비율을 사용할 때와 마찬가지로 포함 된 위험 요소의 중요한 중복을 놓칠 위험이 동일합니다. 또한,상이한 위험 인자들이 시너지로 작용할 수 있으며,그 결과,예를 들어,둘 다 개별적으로 상대 위험 2 를 갖는 두 인자들이 둘 다 존재할 때 총 상대 위험 6 을 가지거나,또는 우도 비율을 사용하기 위해 설명된 간섭과 다소 유사하게,서로를 억제할 수 있다.

진단 기준 및 임상 예측 규칙에 의해

대부분의 주요 질병은 진단 기준 및/또는 임상 예측 규칙을 확립했습니다. 진단 기준 또는 임상 예측 규칙의 확립은 관심 상태의 확률을 추정하는 데 중요한 것으로 간주되는 많은 테스트의 포괄적 인 평가로 구성되며,때로는 하위 그룹으로 나누는 방법 및 상태를 치료하는시기와 방법을 포함합니다. 이러한 설정에는 예측 값,우도 비율 및 상대 위험의 사용이 포함될 수 있습니다.

예를 들어,ACR 조건에 대한 조직 lupus erythematosus 를 정의한 진단으로 존재에서 최소 4.11 조사 결과 각각의할 수 있으로 간주된 목표치의 테스트와 자신의 민감도와 특수성입니다. 이 경우,이들 표적 파라미터들에 대한 시험들의 평가가 예를 들어,이들 사이의 간섭 및 표적 파라미터들의 중첩과 관련하여 조합하여 사용될 때,개별 시험들의 우도 비율을 사용하여 질병의 확률을 계산하려고 시도할 경우,그렇지 않으면 발생할 수 있는 부정확성을 피하려고 노력한다. 따라서 진단 기준이 조건에 대해 설정된 경우 일반적으로 이러한 기준의 맥락에서 해당 조건에 대한 테스트 후 확률을 해석하는 것이 가장 적합합니다.

또한 연령,성별,혈중 지질,혈압 및 흡연을 포함한 여러 위험 요소를 사용하여 관상 동맥 심장 질환 결과에 대한 위험을 추정하기위한 프레이밍 햄 심장 연구의 온라인 도구와 같은 여러 위험 요소의 결합 된 위험을 추정하기위한 위험 평가 도구가 있으며 각 위험 요소의 개별 상대적 위험을 곱하는 것보다 훨씬 정확합니다.

그러나 숙련 된 의사는 개별 위험 요소와 수행 된 테스트의 수행을 포함하여 이전에 설명 된 다른 방법 외에도 기준 및 규칙을 포함한 광범위한 고려 사항으로 테스트 후 확률(및 동기 부여 조치)을 추정 할 수 있습니다.