Test sonrası olasılık nedir?
Test sonrası olasılık, bir tanı testinin sonucu öğrenildikten sonra hastada o hastalığın bulunma ihtimalinin güncellenmiş halidir. Kanıta dayalı tanının kalbinde yer alır: bir test size yalnızca "var" ya da "yok" demez — önceki tahmininizi yukarı veya aşağı çeker. Bu hesaplama aracı, test öncesi olasılığı güncellemek için bir olabilirlik oranı (LR) kullanarak Bayes teoremini pratik oran formunda uygular.
Nasıl kullanılır?
Test öncesi olasılığı (test yapılmadan önce hastalığa dair tahmininizi, yüzde olarak) ve test sonucunun olabilirlik oranını girin. Pozitif bir sonuç için pozitif olabilirlik oranını (LR+), negatif bir sonuç için negatif olabilirlik oranını (LR−) kullanın. Araç, test sonrası olasılığın yanı sıra ara değerler olan test öncesi ve test sonrası bahis oranlarını (odds) da verir.
Formülün açıklaması
Olasılık ve odds aynı şeyi farklı biçimde ifade ettiğinden, önce olasılığı odds'a çeviririz: \(O_{pre} = \frac{p}{1 - p}\). Bunu olabilirlik oranıyla çarptığımızda \(O_{post} = O_{pre} \times \text{Likelihood Ratio}\) elde edilir. Son olarak yeniden olasılığa döneriz:
$$\text{Post-Test Prob} = \frac{O_{post}}{1 + O_{post}} \times 100\%$$1'den büyük bir LR hastalık olasılığını artırır; 1'den küçük bir LR azaltır; tam olarak 1 olan bir LR ise olasılığı değiştirmeden bırakır.
Çözümlü örnek
Diyelim ki test öncesi olasılık %30 ve test sonucunun LR değeri 10. Test öncesi odds = \(0{,}30 / 0{,}70 = 0{,}4286\). Test sonrası odds = \(0{,}4286 \times 10 = 4{,}2857\). Test sonrası olasılık = \(4{,}2857 / (1 + 4{,}2857) = 0{,}8108\), yani yaklaşık %81. Pozitif sonuç, hastalık şüphesini %30'dan %81'e yükseltmiştir.
Temel Terimler: Duyarlılık, Özgüllük, Olasılık Oranı ve Ön Olasılık
- Test öncesi olasılık (ön olasılık, prevalans): test sonucu bilinmeden önce kişinin söz konusu hastalığa sahip olma olasılığı. Popülasyon prevalansından, klinik bağlamdan veya risk skorlarından gelebilir.
- Test sonrası olasılık (son olasılık): test sonucu dikkate alındıktan sonra güncellenen olasılık. Pozitif sonuçtan sonra, test öncesi olasılık prevalansa eşit olduğunda pozitif prediktif değere (PPV) eşittir. Negatif sonuçtan sonra hastalık olasılığı 1 − NPV (negatif prediktif değer) değerine eşittir.
- Olasılık ve olasılık oranı (odds): \(p\) olasılığı, bir olayın şansıdır ve 0 ile 1 arasındadır. Olasılık oranı \(\frac{p}{1-p}\) ile hesaplanır ve geri dönüşüm \(p = \frac{O}{1+O}\) şeklindedir. Örneğin, 0,25 olasılık 1:3 olasılık oranına, yani 0,333 değerine karşılık gelir.
- Duyarlılık: hastalığı olan kişilerden pozitif test sonucu alanların oranı (gerçek pozitif oranı).
- Özgüllük: hastalığı olmayan kişilerden negatif test sonucu alanların oranı (gerçek negatif oranı).
- Pozitif olabilirlik oranı (LR+): \(\text{LR+} = \frac{\text{duyarlılık}}{1-\text{özgüllük}}\). Pozitif bir sonucun hastalık olasılık oranını ne kadar artırdığını gösterir.
- Negatif olabilirlik oranı (LR−): \(\text{LR−} = \frac{1-\text{duyarlılık}}{\text{özgüllük}}\). Negatif bir sonucun hastalık olasılık oranını ne kadar düşürdüğünü gösterir.
- Bayes teoremi: yeni kanıtla bir olasılığı güncellemek için kullanılan kural. Olasılık oranı biçiminde basitçe \(\text{test sonrası olasılık oranı} = \text{test öncesi olasılık oranı} \times \text{LR}\) şeklindedir.
PPV ve NPV'den farklı olarak, olabilirlik oranları prevalansa bağlı değildir. Bu nedenle farklı test öncesi olasılıklara sahip hastalara uygulanabilirler. Bu araç genel eğitim amaçlı bilgi sağlar ve profesyonel tıbbi değerlendirmenin yerini tutmaz.
Sıkça sorulan sorular
Olabilirlik oranları nereden gelir? Bir testin duyarlılığından (sensitivite) ve özgüllüğünden (spesifite) türetilir: \(\text{LR+} = \text{duyarlılık} / (1 - \text{özgüllük})\), \(\text{LR−} = (1 - \text{duyarlılık}) / \text{özgüllük}\).
"İyi" bir LR nedir? Genel bir kural olarak, 10'un üzerinde bir LR+ veya 0,1'in altında bir LR−, olasılıkta büyük ve çoğu zaman belirleyici değişimler yaratır; 1'e yakın değerler klinik açıdan pek bir işe yaramaz.
Test öncesi olasılık %100 olabilir mi? %0 veya %100 olduğunda odds sıfır ya da sonsuz hale gelir ve hiçbir test bir kesinliği değiştiremez — bu yüzden pratikte uçlara yakın ama tam uçta olmayan tahminler kullanılır.