锹形虫

V1

2022/08/11阅读:28主题:嫩青

【流行病学】筛检指标间的关系

灵敏度、预测值及患病率的关系

1. 相关基础概念

灵敏度预测值人群患病率作为评价筛检试验的主要指标及筛检结果的影响因素。他们之间的变化关系常困扰我们筛检的学习。在讨论其变化关系之前,我们先简单回顾一下这几个指标以及我们已知的一些信息。

  1. 灵敏度(f1):筛检试验能够将真正患病的人判断为病人的能力;
  2. 特异度(f2):筛检试验能够将真正未患病的人判断为非病人的能力;
  3. 阳性预测值(f3):筛检结果所有阳性者中真正患病的人的比例;
  4. 阴性预测值(f4):筛检结果所有阴性者中真正不患病的人的比例;
  5. 患病率:观察人群中患病人群的占比。

它们数据结构及的公式如下:

(表1)

患病 非患病 行合计
阳性 a b r1
阴性 c d r2
列合计 c1 c2 n

我们知道对于一个筛检试验来说,其灵敏度越高,其特异度也就越低;其阳性预测值越高,其阴性预测值就越低。这就形成了两组跷跷板的关系。我们先讨论为什么会形成这样的关系。

2. 两组跷跷板

我们这里并不采用教材上给出的两种分布相交,其界值改变则两者相向变化的理解方式[1]。而是直接从一个生活中的常识(或是所谓前提性条件)出发:即在现实生活中,某病的患病人群往往仅占全人群的一小部分,而大部分人是健康的。而当我们的研究人群(总体)确定下来之后,其背后的某病的患病率(总体参数)也随之确定了。所以,虽然尚且不明了,但该人群中有多少人实际患病,多少人实际不患病其实就客观确定了,即(表1)的列合计确定且不变。这就是前提条件。

然后关于第一组跷跷板,灵敏度和特异度的大小关系。根据(表1),c1,c2不发生改变,灵敏度上升后,筛检试验会将更多的人筛检为阳性,因此r1就会增大,r2减小。而c2不变,所以(f2)的值就会因为分子的减小而减小。也就形成了灵敏度上升,特异度下降的情况。

关于第二组跷跷板,其实也是类似的。Pr+的增大意味着a减小或者b增大,但因为列合计不会改变,因此在r2中,c会增大或者b会减小,而这种情况正好就对应了阴性预测值减小。所以综上来看,两组跷跷板关系的原因本质在于列合计不变,或者说筛检试验灵敏度或者预测值的变化并不会对真实的患病情况产生影响,当然这也是十分符合我们的常识的。

3. 三者间的关系

考虑这三者的关系的时候,需要固定其中的某个条件来看,或是固定方案,或是固定人群(患病率)。

若对于某一个特定人群(患病率不变)来说,采用灵敏度更大的筛检方案,势必会将更多的人筛检为阳性。这里又将用到前述的那个客观的“前提性条件”[2]。因为大部分人都是健康的,所以被更多筛检为阳性的那部分人中,非患病的病人要远多于患病的人。这就意味着,更高灵敏度的筛检试验纳入的假阳性者人数的增长会比真阳性多很多。所以就不难理解灵敏度升高会导致阳性预测值(f3)降低了,因为a增加的并没有b快。类似的,灵敏度减小也就意味着阴性预测值降低。

若对于同一个筛检方案(灵敏度不变)来说,对于患病率更高的人群,显然其列合计c1占比会增加,c2会相对减少。当患病率升高,在阳性和阴性的结果中,病人的比例都会增大,因此(f3)的值就会增加了。

其实关于三者的关系,需要了解的更多是那个“前提性条件”,它同时也很像疾病的冰山现象[3]。当数据变化的时候,它的分布就会产生影响。另外前述的解释仅是一个理解角度。在和某位医学检验领域的学长讨论时,其也提到:

阴阳性预测值受入组人群患病率影响大,ROC工作曲线同理,而灵敏度,特异度受患者疾病特征影响大,也就是分布。

这当然就是另外的理解角度了。

参考资料

[1]

测量值与截断值: 流行病学第八版【詹思延】(P130)

[2]

患病与非患病人群比例: 流行病学第八版【詹思延】(P129)

[3]

冰山现象: https://baike.baidu.com/item/%E5%86%B0%E5%B1%B1%E7%8E%B0%E8%B1%A1/308792?fr=aladdin

分类:

其他

标签:

医学

作者介绍

锹形虫
V1