Tanı Testi Doğruluğu Hesaplama Aracı

Hesaplamaya Girin

Hastalık var (kişi)

Hastalık var, test pozitif (kişi)

Hastalık yok (kişi)

Hastalık yok, test negatif (kişi)

Formül

Show calculation steps (4)

1. Specificity (True Negative Rate)

   

   Specificity = True Negatives / Total with disease absent

2. Positive Predictive Value (PPV)

   

   PPV = True Positives / All who test positive; FP = Disease absent - test negative

3. Negative Predictive Value (NPV)

   

   NPV = True Negatives / All who test negative; FN = Disease present - test positive

4. Prevalence

   

   Prevalence = Total with disease / Total sample

Sonuç

Duyarlılık (gerçek pozitif oranı)

0,9

= 90%

Ölçüt	Oran	Yüzde
Özgüllük (gerçek negatif oranı)	0,95	95%
Yanlış negatif oranı (FNR)	0,1	10%
Yanlış pozitif oranı (FPR)	0,05	5%
Pozitif prediktif değer (PPD)	0,6429	64,29%
Negatif prediktif değer (NPD)	0,9896	98,96%
Prevalans	0,0909	9,09%

	Hastalık var	Hastalık yok
Test pozitif	90 (TP)	50 (FP)
Test negatif	10 (FN)	950 (TN)

Bu hesaplayıcı ne işe yarar?

Tanı Testi Doğruluğu Hesaplama Aracı, 2x2'lik bir karışıklık matrisini (confusion matrix) epidemiyoloji ve biyoistatistikte kullanılan standart ölçütlere dönüştürür: duyarlılık (sensitivite), özgüllük (spesifite), yanlış negatif oranı (FNR), yanlış pozitif oranı (FPR), pozitif prediktif değer (PPD), negatif prediktif değer (NPD) ve prevalans. Tamamen evrensel bir araçtır; matematiği dünyanın her yerinde aynıdır ve ülkeye özgü hiçbir kural içermez.

The 2x2 diagnostic confusion matrix: true positives (a), false positives (b), false negatives (c) and true negatives (d).

Nasıl kullanılır?

Dört kişi sayısı girin: gerçekte hastalığı olan toplam kişi sayısı, bunlardan kaçının testte pozitif çıktığı, hastalığı olmayan toplam kişi sayısı ve bunlardan kaçının testte negatif çıktığı. Hesaplayıcı bu değerlerden matrisin dört hücresini türetir:

\(a\) (gerçek pozitif) = pozitif çıkan hastalar; \(c\) (yanlış negatif) = toplam hasta sayısı eksi \(a\); \(d\) (gerçek negatif) = negatif çıkan sağlıklı kişiler; \(b\) (yanlış pozitif) = toplam sağlıklı kişi sayısı eksi \(d\).

Formüllerin açıklaması

Duyarlılık $$\text{Duyarlılık} = \frac{a}{a + c}$$ testin hastalığı ne kadar iyi yakaladığını gösterir. Özgüllük $$\text{Özgüllük} = \frac{d}{b + d}$$ testin sağlıklı kişilerde hastalığı ne kadar iyi dışladığını gösterir. $$\text{FNR} = \frac{c}{a + c} = 1 - \text{duyarlılık}$$ ve $$\text{FPR} = \frac{b}{b + d} = 1 - \text{özgüllük}.$$ \(\text{PPD} = \frac{a}{a + b}\), pozitif bir sonuç aldığınızda gerçekten hasta olma olasılığınızdır; \(\text{NPD} = \frac{d}{c + d}\) ise negatif bir sonuç aldığınızda gerçekten sağlıklı olma olasılığınızdır. \(\text{Prevalans} = \frac{a + c}{a + b + c + d}\), örneklemdeki hasta kişilerin oranıdır ve PPD ile NPD'yi güçlü biçimde etkiler.

Reklam

Sensitivity uses the diseased column (a/(a+c)); specificity uses the healthy column (d/(b+d)).

Örnek hesaplama

100 hasta kişi (90'ı pozitif) ve 1000 sağlıklı kişi (950'si negatif) için: \(a = 90\), \(c = 10\), \(d = 950\), \(b = 50\). Duyarlılık $$\frac{90}{100} = 0{,}9000 \ (\%90),$$ Özgüllük $$\frac{950}{1000} = 0{,}9500 \ (\%95),$$ \(\text{FNR} = 0{,}1000\), \(\text{FPR} = 0{,}0500\), PPD $$\frac{90}{140} = 0{,}6429 \ (\%64{,}29),$$ NPD $$\frac{950}{960} = 0{,}9896 \ (\%98{,}96),$$ Prevalans $$\frac{100}{1100} = 0{,}0909 \ (\%9{,}09).$$

Sıkça Sorulan Sorular

Burada PPD neden duyarlılıktan çok daha düşük? Çünkü hastalık nadirdir (düşük prevalans); az sayıdaki yanlış pozitif bile gerçek pozitiflerin önüne geçerek PPD'yi aşağı çeker. PPD ve NPD her zaman prevalansa bağlıdır.

FNR ile FPR arasındaki fark nedir? FNR, testin gözden kaçırdığı hastaların oranıdır; FPR ise testin yanlışlıkla pozitif olarak işaretlediği sağlıklı kişilerin oranıdır.

Bir kategori boşsa ne olur? Hiç hasta kişi, hiç sağlıklı kişi, hiç pozitif test veya hiç negatif test yoksa ilgili oran matematiksel olarak tanımsızdır ve boş bırakılır.