Conceptul de

probabilitate.
Aplicaţii în domeniul
medical
1
Obiective
 Prezentarea conceptelor fundamentale ale
teoriei calculului probabilitaţilor

 Exemplificarea practică a diferitelor modele

matematice ale teoriei probabilităţilor

2
 Medicii cu experienţă încep procesul de a pune un
diagnostic de la prima stabilire a contactului vizual
cu un pacient.
 Dar procesul de diagnosticare poate începe chiar
înainte de stabilirea contactului vizual cu un pacient.
 Oare nu se poate diagnostica pacientul care nu a
fost încă văzut, care este încă în camera de
aşteptare?
 Doar noi cunoaștem foarte multe despre pacient şi
putem face unele deducții

3
 Inainte de a vedea cu pacientul suntem deja
capabili să identificăm cele mai probabile
două diagnostice şi să atribuim o
probabilitate iniţială pentru fiecare.
 În momentele ulterioare, în funcție de
anamneză, de examinare şi testele
suplimentare (dacă este necesar) fiecare
dintre probabilităţi va suferi o serie de
modificări în jos sau în sus.

4
 Medicul individualizează întrebările puse şi
elementele examinate în aşa fel încât
rezultatul fiecare interogări forţează un
diagnostic sau altul de a fi mai probabil.

 Astfel, diagnoza este un proces dinamic şi
secvential.

5
 Să presupunem că la un anumit moment am
finalizat procesul de diagnosticare pentru un
pacient. Până la sfârşitul procesului de
diagnosticare medicul ar trebui să aibă un
diagnostic 100% probabil, dar în multe
cazuri, diagnosticul de lucru (alegerea
numarul unu) poate avea probabilitatea de
doar 70% - 80%.

6
 Când un diagnostic nu este 100% probabil,
la momentul iniţial de evaluare, se
urmărește evoluția simptomatologiei
pacientului în timp pentru revizuirea
probabilităţi de diagnostic.
 În cazurile care implică incertitudine chiar şi
elaborarea listei de diagnostice probabile cu
un număr mic de alternative concrete permite
medicului evaluarea opţiunilor rezonabile să
aleagă diagnosticul corect.
7
 De ce avem nevoie de probabilităţi?

 Stau la baza statisticii inferenţiale

 Poate fi privită ca o măsură a capacităţii

eşantionului de a estima caracteristica unei
populaţii

8
Obiective
 Definirea conceptului de probabilitate
 Operaţii cu probabilităţi
 Probabilitate condiţionată. Formula lui Bayes
 Prevalenţa, valori predictive, senzitivitate,
specificitate

9
Teoria probabilităţilor

 Teoria probabilităţilor are ca obiect

de studiu legile care se manifestă în
domeniul fenomenelor întâmplătoare
cu caracter de masă care pot apare
în diverse arii de interes.

10
Concepte fundamentale -
definiţii
 Un experiment este o activitate a cărui rezultat este întâmplător
 poate fi definit şi ca un proces de colectare a datelor dintr-o populaţie

Exemple:
 Arucarea unui zar (1,2,3,4,5 sau 6)
 Determinarea statusului de a fi seronegativ sau seropozitiv.
(da/nu)
 Determinarea grupei sangvine. (0,A,B,AB)

11
Concepte fundamentale -definiţii

 Aplicarea experimentului asupra unui element al

colectivităţii se numeşte probă.

 Rezultatul unei probe constituie un eveniment.

 Evenimentul ce apare ca rezultat al unei singure

probe (sau încercări) se numeşte eveniment
elementar.

12
Abordări ale calcului probabilităţilor

 Clasic
 Probabilitatea unui eveniment A =
Numărul de cazuri favorabile
Numărul de cazuri posibile

 Frecvenţa relativă
 Numărul de apariţii a unui eveniment, după
repetarea experimentului de un număr mare de
ori.

13
 Abordări ale calcului probabilităţilor

 Care este probabilitatea ca la aruncarea unui

zar să obţinem faţa cu numărul 6?

Clasic

Numărul de cazuri favorabile = 1

Numărul total de cazuri posibile = 6
Probabilitatea = 1/6

14
 Abordări ale calcului probabilităţilor

 Care este probabilitatea ca la aruncarea unui

zar să obţinem faţa cu numărul 6?
Frecvenţe relative
Realizăm un număr mare de aruncări
ale zarului şi calculăm frecvenţa
distribuţiei pentru fiecare eveniment
{1,2,3,4,5,6}
Probabilitate {6} = Numărul de valori
6 / numărul total de aruncări
15
 Probabilitatea

 măsoară incertitudinea

 măsoară şansele ca un eveniment să aibă loc

 are valori între 0 şi 1

16
 0 1 1
2

imposibil şanse 50-50 cert

0% 50% 100%

17
Exemplu
Încercările constau în determinarea grupei
sangvine, rezultatele posibile fiind: A, B,
AB, O, acestea nu sunt echiprobabile.

Grupa Sangvina Probabilitatea

O 0.42
A 0.43
B 0.11
AB 0.04

18
 Spaţiul fundamental de evenimente

 evenimentul imposibil (∅) - mulţimea vidă ∅

 evenimentul cert (E)- mulţimea fundamentală
E

 Evenimentul sigur se produce cu certitudine la

orice efectuare a experimentului

 Evenimentul imposibil este nerealizabil în

urma efectuării experimentului.

19
 Complementul evenimentului A

 Complementul evenimentului A, notat cu A sau nonA

reprezintă evenimentul care se realizează ori de câte ori
nu se realizează A.

Exemplu
S = {1, 2, 3, 4, 5, 6} A = {1, 2} A = { 3, 4, 5, 6 }

20
Definiţia axiomatică
 Fie E un spaţiu fundamental asociat unui experiment
H şi Ω mulţimea tuturor evenimentelor, adică
mulţimea părţilor lui E:
Ω = P(E) .
 Se spune că funcţia Pr:Ω→R este o funcţie de
probabilitate, iar prin Pr(A) se notează probabilitatea
evenimentului A, dacă satisface următoarele axiome:
 M1. 0 ≤ Pr(A) ≤ 1, ∀ A∈Ω
 M2. Pr(E) = 1
 M3. Dacă A şi B sunt incompatibile (adică nu pot
avea loc simultan) atunci
 Pr(A∪B) = Pr(A) + Pr(B).

21
Definiţia axiomatică - proprietăţi
 T1. Dacă A1, A2, ..., An sunt evenimente
incompatibile două câte două atunci:
n n
Pr(  Ai) = ∑ Pr(Ai)
i =1 i =1

 T2. Pr(∅) = 0.
 T3. Pr(non A) = 1 - Pr(A).
 T4. Dacă A⊆B atunci Pr(A) ≤ Pr(B).
 T5. Pentru orice evenimente A şi B are loc
egalitatea:
 Pr(A∪B) = Pr(A) + Pr(B) - Pr(A∩B) .
Spaţiul fundamental este finit

 Experimentul H constă în aruncarea unui zar.

 Spaţiul fundamental în acest caz este mulţimea tuturor
rezultatelor posibile la aruncarea zarului: E = {1, 2, 3, 4,
5,6}. In acest caz spaţiul fundamental E este finit.
 Printre evenimentele posibile (submulţimi ale lui E) se pot
considera:
 A = {2, 4, 6} (obţinerea unei feţe pare)

 B = {1, 3, 5} (obţinerea unei feţe impare)

 C = { 3} ( eveniment elementar).

 In acest caz, evenimentele A şi B sunt incompatibile.

Evenimentele elementare sunt echiprobabile.

23
Spaţiul fundamental este finit

 Experimentul H constă în determinarea grupei sangvine.

 In acest caz spaţiul fundamental este E = {A, B, AB, 0}.

E este finit însă spre deosebire de exemplul precedent,

evenimentele elementare {A}, {B}, {AB} şi {0} nu sunt
echiprobabile.

24
Spaţiul fundamental este infinit şi
numărabil
 Experimentul H constă în aruncarea succesivă a unui zar
până ce se obţine faţa 5.
 Spaţiul fundamental în acest caz este alcătuit din numărul
aruncărilor necesare, care variază de la 1 la infinit:
 E = {1, 2, 3,...,n,...}.

 Spaţiul fundamental E este infinit, însă elementele sale fiind

ordonate într-un şir, E este un exemplu de spaţiu
fundamental numărabil.

25
Spaţiul fundamental este infinit şi
numărabil
 Experimentul H constă în numărarea internărilor într-un
spital într-un interval de timp dat (săptămână, lună, an etc.)
 Spaţiul fundamental E variază de la 0 la infinit, adică
 E = {0,1, 2, 3,...,n,...}.

 In acest caz, E este o mulţime infinită şi numărabilă.

26
Spaţiul fundamental este infinit şi
nenumărabil
 Experimentul H constă în aruncarea unei bile sferice într-o
cutie dreptunghiulară.
 In urma unei încercări după oprirea bilei ea are un punct de
contact cu baza cutiei.
 Spaţiul fundamental E, în acest caz, este alcătuit din
punctele de contact.
 E este o mulţime infinită şi nenumărabilă.

27
Spaţiul fundamental este infinit şi
nenumărabil
 Experimentul H constă în măsurarea temperaturii corporale.
 Spaţiul fundamental E este alcătuit din toate valorile posibile
ale temperaturii corporale, astfel putem considera că în E
intră toate valorile din intervalul [35, 41], sau că
 E = [35,41].

 In acest caz, spaţiul fundamental este o mulţime infinită şi

nenumărabilă.

28
 Spaţiul fundamental este infinit şi
nenumărabil

 Experimentul H constă în măsurarea tensiunii arteriale

sistolice (TAS).
 Spaţiul fundamental E este alcătuit din toate valorile posibile
ale TAS, astfel putem considera că E este inclus în
intervalul [0, ∞).
 In acest caz, de asemenea, spaţiul fundamental este o
mulţime infinită şi nenumărabilă.

29
Reguli de probabilitate
 Reguli care permit calculul probabilitaţii unui
eveniment:
 adunare
 înmulţire

 Terminologie
 Evenimente independente
 Evenimente mutual exclusive
 Probabilităţi condiţionate

30
 Regula de adunare a probabilităţilor

 Considerând două evenimente A şi B, care este

probabilitatea ca sa apară A sau B?
 Regula de adunare constă în:
Pr(A sau B) = Pr(A) + Pr(B) – Pr(A şi B)
Pr(A ∪ B)= Pr(A) + Pr(B) – Pr(A ∩ B)

A B

31
Exemplu
 Se aruncă un zar şi se observă faţa care este
în sus.
 Ev A: numărul obţinut este {2,4,6}
6
 Ev B: un număr < 3 {1,2,3} 4 1
A 2 B
Pr(A)=3/6
3
Pr(B)=3/6
Pr(A ∩ B)=1/6
Folosim regula de adunare

Pr(A∪ B) = Pr(A) + Pr(B) – Pr(A∩ B)

=3/6 + 3/6 – 1/6
=5/6
32
 Evenimente independente
Definiţie: Două evenimente sunt independente
dacă realizarea unui eveniment nu depinde de
realizarea celuilalt eveniment.

Exemple:
• Un experiment presupune aruncarea a două zaruri.
Valoarea obţinută după aruncarea primului zar nu ne
spune absolut nimic în legătură cu valoarea pe care
o vom obţine la aruncarea celui de al doilea zar.
• Alegem două persoane din sala de clasă.
Cunoscând culoarea ochilor primei persoane, nu
putem să spunem nimic despre culoarea ochilor
celeilalte persoane.
33
 Proprietăți

Dacă A și B sunt evenimente independente,

atunci:

Pr( A ∪B ) = Pr(A) + Pr(B) ⋅ (1 – Pr(A))

Pr(A∩B) = Pr(A) ⋅ Pr(B)

34
Exemplu:
La experimentul care constă în aruncarea unui
zar considerăm evenimentele:
A:{obţinerea unei feţe cu un număr par}
B:{obţinerea unei feţe cu un număr <=4}

Care este probabilitatea evenimentului (A şi B)?

(Care este probabilitatea obținerii unei fețe
pare cu un număr <=4?)

35
Soluţie

Pr(A) = { 2, 4, 6} =3/6 =1/2

Pr(B) = { 1,2,3,4} = 4/6 =2/3
Pr(A∩ B) = { 2,4} = 2/6

Pr(A ∩ B) = (1/2 ⋅ 2/3) = Pr(A) ⋅ Pr(B)

De aici rezultă că evenimentele A şi B sunt
independente.

36
Evenimente mutual exclusive
Definiţie: Două evenimente sunt mutual
exclusive dacă realizarea unuia implică
nerealizarea celuilalt.

Suma probabilităţilor pentru două sau mai

multe evenimente mutual exclusive este 1.

37
Evenimente mutual exclusive

Exemplu: Aruncarea unui zar.

Evenimentul A = {număr par}
Evenimentul B = {număr impar}
Pr(A∪ B) = Pr(A) + Pr(B)
= 3/6 + 3/6
=1

38
Exemplu

 Fie A evenimentul ca o persoană să aibă tensiune

arterială diastolică normală (TAD <90).
 Fie B evenimentul ca o persoană să aibă TAD la
limită, adică 90 ≤ TAD < 95.
 Stim ca Pr(A) = 0.7, Pr(B) = 0.1 .
 Care este probabilitatea ca o persoana sa aiba TAD
< 95?
Solutie.
Fie C evenimentul ca o persoană are TAD < 95.
C=A∪B şi A∩B=∅.
Atunci, Pr(C) =Pr(A) + Pr(B) = 0,7+0,1 =0,8
39
Intrebare
Următoarele afirmaţii sunt tot timpul adevărate oricare ar fi evenimentele A
şi B
 P(AUB)=P(A)+P(B)
 P(A)=P(non A)
 P(A)+P(B)=1
 P(A п B)=P(A)xP(B)
 P(A)=1-P(nonA)

40
Intrebare
Probabilitatea ca într-o familie tata să fie hipertensiv este 0,1 iar
probabilitatea ca mama să fie hipertensivă este 0,2. Probabilitatea ca
într-o familie unul dintre părinţi să fie hipertensiv este
 0,3
 0,1
 0,28
 0,15
 Nu am date suficiente să calculez această probabilitate

41
Intrebare
Probabilitatea ca într-o familie tata să aibă gripă este 0,1 iar probabilitatea
ca mama să aibă gripă 0,2. Probabilitatea ca într-o familie ambii părinţi
să fie gripaţi este
 0,3
 0,02
 0,28
 0,15
 Nu am date suficiente să calculez această probabilitate

42
Intrebare

Dacă evenimentele A si B sunt independente, atunci:

 a) Prob(A sau B) = Prob (A) + Prob(B) - Prob(A) Prob(B)
 b) Prob (A si B) = 0
 c) Prob(A si B) = Prob (A) Prob(B)
 d) Prob (A) = Prob(B)
 e) Prob(A)+Prob(B)=1

43
Intrebare
 Evenimentele A si B sunt contrare. Atunci întotdeauna:
 a) Prob (A) = Prob(B) ?
 b) A si B sunt mutual exclusive ?
 c) Prob (A si B) = 0 ?
 d) Prob(A si B) = Prob (A) Prob(B) ?
 e) Prob(A)+Prob(B)=1 ?

44
 Intrebare

 Care este probabilitatea ca un zar să indice un număr impar după o

aruncare?
 Care este probabilitatea ca un zar să indice un număr >3 după o
aruncare?

45
 Intrebare

 Să presupunem că în cursul unei epidemii de gripă în 12% dintre

familii mama este bolnavă, în 10% dintre familii tata este bolnav, iar în
2.5% ambii părinţi sunt bolnavi. Sunt evenimentele GM= {mama are
gripă} şi GT={tata are gripă} independente?
 a) da
 b) nu
 c) parţial
 d) da deoarece sexul lor diferă
 e) depinde de numărul de copii

46
Intrebare
 Fie A evenimentul ca primul copil de sex masculin dintr-o familie cu doi
copii să aibă o glicemie mai mare de 110 mg/dl şi B evenimentul ca al
doilea copil de sex feminin din familie să aibă o glicemie mai mare de
110 mg/dl. Dacă Pr(A) = 0.05, Pr(B) = 0.07 şi Pr(A∩B) = 0.0015 atunci
evenimentele A şi B sunt:
 a) independente
 b) dependente
 c) complementare
 d) mutual exclusive
 e) incompatibile

47
Fie A evenimentul ca o persoană de sex masculin din familie (tata) să aibă
glicemia mai mare de 120 mg/dl şi B evenimentul ca o persoană de sex
feminin din familie (mama) să aibă glicemina mai mare de 120 mg/dl..
Se dau Pr(A) = 0,05 şi Pr(B) = 0,15 şi se presupune că evenimentele
sunt independente. Probabilitatea ca într-o familie mama sau tata să fie
cu glicemia mai mare de 120 mg/dl este:
 a) 0,115
 b) 0,015
 c) 0,155
 d) 0,511
 e) 0,251

48
Probabilităţi condiţionate
OBIECTIVE
 Probabilităţi condiţionate
 Prevalenta
 Sensibilitate, specificitate
 VPP, VPN
 Teorema lui Bayes
 Independenţa a două evenimente
Probabilităţi condiţionate

 În anumite situaţii este necesar să cunoaştem probabilitatea unui

eveniment particular care urmează să aibă loc, ştiind deja că alt
eveniment a avut loc.

 A şi B sunt două evenimente arbitrare

 probabilitatea condiţionată a lui A de către B este probabilitatea de a se
realiza evenimentul A dacă în prealabil s-a realizat evenimentul B.

Pr(B|A) = Pr(A ∩ B)
Pr(A)

Pr(A ∩ B) = Pr(B|A) Pr(A)

 Majoritatea aplicaţiilor pentru aceste tipuri de probabilităţi condiţionate

sunt testele diagnostic şi programe de screening.
51
Probabilitate condiţionată

 Are loc următoarea regulă de calcul a

probabilităţii intersecţiei a două evenimente:
Pr( A ∩ B ) = Pr( A) ⋅ Pr( B / A)
 sau
Pr( A ∩ B ) = Pr( B ) ⋅ Pr( A / B )

52
 Probabilitate condiţionată

 Are loc următoarea regulă de calcul a probabilităţii

intersecţiei a două evenimente:
Pr( A ∩ B ) = Pr( A) ⋅ Pr( B / A)
 sau
Pr( A ∩ B ) = Pr( B ) ⋅ Pr( A / B )

 Mai general, au loc următoarele reguli de înmulţire a

probabilităţilor:
Pr( A ∩ B ∩ C ) = Pr( A) ⋅ Pr( B / A) ⋅ Pr(C / A ∩ B )
 respectiv
Pr( A ∩ B ∩ C ∩ D) = Pr( A) ⋅ Pr( B / A) ⋅ Pr(C / A ∩ B) ⋅ Pr( D / A ∩ B ∩ C )
53
 Independenţa a două evenimente

Două evenimente A şi B se numesc independente dacă şi numai dacă

 Pr(A∩B) = Pr(A) ⋅ Pr(B).

Două evenimente A şi B sunt dependente dacă

 Pr(A∩B) ≠ Pr(A) ⋅ Pr(B).

Are loc următoarea proprietate privind probabilităţile condiţionate:

 Dacă A şi B sunt evenimente independente, atunci
 Pr(B|A) =Pr(B) = Pr(B|nonA).

54
Independenţa a două evenimente
Dacă evenimentele A şi B sunt independente atunci:
 Pr(B/A) = Pr(B) şi
 Pr(A/B) = Pr(A)
(probabilitatea evenimentului B nu depinde de realizarea
evenimentului A şi invers).

Legea de adunare a evenimentelor independente.

 Dacă A şi B sunt două evenimente independente, atunci

 Pr( A ∪B ) = Pr(A) + Pr(B) (1 – Pr(A)).

55
Exemple
Exemplul 1:
 Pentru studiul HTA in cadrul familiilor s-a determinat
probabilitatea HTA la barbati P(A)=0,2 si la femei
P(B)=0,1
 Care este probabilitatea de a avea o familie de hipertensivi?
 Pr(A ∩ B) = ?
Exemplul 2:
 Pentru studiul HTA in cadrul familiilor s-a determinat
probabilitatea HTA la mama P(A)=0,1, la primul copil
P(B)=0,2 si frecventa aparitiei HTA la copiii cu mama
afectata de HTA: Pr(A∩B) = 0,5
 Exista o relatie de cauzalitate intre HTA la mama si cea de
la copil?
 Formula lui BAYES
 Considerăm evenimentele A şi B care nu sunt independente. Atunci
din formulele:
Pr(A ∩ B) Pr(A ∩ B)
Pr(A/B) = Pr(B/A) =
Pr(B) Pr(A)
 se deduce formula lui BAYES:
Pr(B/A) ⋅ Pr(A)
Pr(A/B) =
Pr(B)
 Dar fiindcă
 Pr(B) = Pr((B∩nonA) ∪ (B∩A)) =Pr(B∩nonA) + Pr(B∩A),
 aplicând formula probabilităţilor condiţionate se obţine:
 Pr(B)=Pr(B|A) Pr(A) + Pr(B|nonA) Pr(nonA).
 De aici rezultă următoarea formă a formulei lui Bayes:

Pr(B | A) ⋅ Pr(A)
Pr(A| B) =
Pr(B | A) ⋅ Pr(A) + Pr(B | nonA) ⋅ Pr(nonA)

57
 Formula lui BAYES - exemplu

 Se ştie că 60% din populaţia dintr-o ţară trăieşte în mediul

urban, 20% din populaţie este alergică şi 55% dintre alergici
trăiesc în mediul urban. Care este probabilitatea ca alegând la
întâmplare un locuitor din mediul urban el să fie alergic?

 Fie A evenimentul ca o persoană să fie alergică, iar U

evenimentul ca o persoană să locuiască în mediul urban.
Atunci probabilitatea căutată este:

Pr(U | A) × Pr( A) 0.55 × 0.2 11

Pr( A | U ) = = =
Pr(U ) 0.6 60

58
 Probabilitate condiţionată
 Să considerăm următoarele evenimente în legătură cu aplicarea
unui test diagnostic:
 A - evenimentul ca o persoană luată la întâmplare dintr-o
populaţie să aibă o anumită afecţiune A (periodontita,
cancer oral.),
 T - evenimentul de obţinere a unui test pozitiv în cazul
aplicării unui test diagnostic T pentru detectarea afecţiunii
A la o persoană.
 Prin non(A) (persoană fără afecţiunea A) şi non(T) (test
negativ) notăm evenimentele complementare
evenimentelor A şi respectiv T.

59
 Probabilitate condiţionată

 In general, din cauza imperfecţiunii testului, nu orice persoană

având afecţiunea A este detectată la aplicarea testului A ca
pozitivă (fals negativ) şi nu toate persoanele cu răspuns pozitiv
la testul T au neapărat afecţiunea (fals pozitiv).
 Astfel, de regulă, prin aplicarea unui test diagnostic rezultă
falşi pozitivi şi falşi negativi.
 Ambele rezultate eronate ce rezultă prin aplicarea testului sunt
de nedorit.

60
Probabilitate condiţionată
 Să presupunem că din populaţia căreia i s-a aplicat
testul este selectat un eşantion reprezentativ de n
persoane şi s-au obţinut următoarele rezultate:

Afecţiunea A non (A) Total

Testul
T a b a+b
pozitiv
non (T) c d c+d
Negativ
Total a+c b+d n

61
 Testul A non (A) Total

Afecţiunea

Prevalenta afectiunii T a b a+b

non (T) c d c+d

Total a+c b+d n

 Extrăgând la întâmplare o persoană din populaţie, cu ajutorul

rezultatelor prezentate în tabelul precedent se pot determina
probabilităţile diverselor evenimente ce pot avea loc.
 Astfel avem:

a+c b+d
Pr( A) = Pr(nonA) =
n n

 Pr(A) se numeşte prevalenţa afecţiunii A.

62
 Exemplu de Screening

 Un specialist în igienă a făcut un test de screening pe 220 de pacienți

pentru parodontită acută.
 După un timp, un specialist în periodontită a examinat pacienții.
Rezultatele examinării sunt în tabel

63
 Screening

boala

Screening parodontită(+) parodontită(-) total

test (+) 45 26 71
test (-) 14 135 149
total 59 161 220

Care este probabilitatea ca o pacient care a făcut

parodontită să fi avut un test pozitiv în urma
screening-ului?

P (boală | rezultat pozitiv la test)

64
 Soluţie
boala
Screening parodontită(+) parodontită(-) total
test (+) 45 26 71
test (-) 14 135 149
total 59 161 220

P (boală|screening+)
= P (boală ∩ screen+) / P (screen+)
P (boală ∩ screening+) = 45 / 220

P (screening+) = 71/220
45 71 45 220
/ = x = 0.63
220 220 220 71

valoarea predictiv pozitivă pentru testul de screening

65
 Valori predictive

 Screening-ul unui test diagnostic se utilizează pentru

identificarea bolilor şi pentru ajutorul pe care îl dă în cazul
stabilirii unui diagnostic.
 Este important să ştim probabilitatea ca testul aplicat să
ne dea un diagnostic corect (pozitiv sau negativ).
 Valoarea predictiv pozitivă (VPP) este probabilitatea ca o
persoană care are afecţiunea să obţină un rezultat pozitiv
în urma aplicării testului.

 VPP = P(test+ ∩ boala+)

P(test+)

66
 Valori predictive

 Analog, valoarea predictiv negativă (VPN) este probabilitatea

ca o persoană care nu are afecţiunea să obţină un rezultat
negativ în urma aplicării testului.

 VPN = P(test- ∩ boala-)

P(test-)

67
 Sensibilitate
 Sensibilitatea este probabilitatea ca testul să fie pozitiv în timp
ce afecţiunea există.

Se = P(Test+|Boala+)
= P(Test +ve ∩ Boala+)
P(Boala+)

68
 boala
parodontită(+) parodontită(-)
Calculul sensibilității Screening
test (+) 45 26
total
71
test (-) 14 135 149
total 59 161 220

P(Test +|Boala+) = P(Test + ∩ Boala+)

P(Boala+)

=(45/220) / (59/220)
=45/59

Se = 0.76

69
 Specificitate

 Specificitatea este probabilitatea ca testul să fie negativ, în timp

ce boala nu este prezentă.

Sp = P(Test -|Boala-)
= P(Test– ∩ Boala-)
P(Boala-)

70
 boala
Screening parodontită(+) parodontită(-) total
Calculul Specificităţii test (+) 45 26 71
test (-) 14 135 149
total 59 161 220

P(Test-|Boala-) = P(Test- ∩ Boala-)

P(Boala-)
=(135/220) / (161/220)
=135/161

Sp = 0.84

71
Sensibilitate, Specificitate, VPP
 Sensibilitatea este probabilitatea ca prezenţa bolii să fi fost
corect identificată de test
= 45/59 = 0.76 = 76%

 Specificitatea este probabilitatea ca absenţei bolii să fi fost

corect identificată de test
= 135/161= 0.84 = 84%

 Valoarea pozitiv predictivă este probabilitatea ca un pacient

care are un test pozitiv fie corect diagnosticat cu boala
= 45/71 = 0.63 = 63%
boala
Screening parodontită(+) parodontită(-) total
test (+) 45 26 71
test (-) 14 135 149
total 59 161 220 72
Riscul relativ (RR)
 Riscul bolii la expuşi: RR<1 Factor de
p1=a/(a+b) protectie
 Riscul bolii la neexpuşi:
p0=c/(c+d) RR=1 Factor indiferent
 Riscul relativ (RR): de câte
ori este mai mare proporţia RR>1 Factor de risc
persoanelor bolnave în
rândul celor expuşi la
factorul de risc faţă de
proporţia bolnavilor în rândul
celor neexpuşi la factorul de
risc
Pr( B | A) Interpretare:
RR=p1/p0
RR = Riscul apariţiei bolii A la pacienţii
care sunt expuşi la factorul B este
Pr( B | A) de RR ori mai mare faţă de cei
neexpuşi la factorul B.
 FORMULE
Riscuri pe tabelul de contingenta
B+ B- Total AP - Adevarat Pozitiv
F+ AP FP AP+FP FP – Fals Pozitiv
F- FN AN FN+AN AN - Adevarat Negativ
Total AP+FN FP+AN AP+FP+FN+AN=n FN - FalsNegativ

Denumire Formula
Rata falsi pozitivi =FP/(FP+AN)
Rata falsi negativi =FN/(FN+AP)
Sensibilitate =AP(AP+FN)
Specificitate =AN/(AN+FP)
Acuratete =(AP+AN)/n
Valoarea predictiv pozitiva =AP/(AP+FP)
Valoarea predictiv negativa =AN/(AN+FN)
Riscul relativ =AP(FP+AN)/[FN(AP+FP)]
Rata sansei =(AP·AN)/(FN·FP)
Riscul atribuabil =AP/(AP+FP)-FN/(FN+AN)
 Observaţii

•Un fals negativ este o persoană pentru care testul este

negativ, dar care de fapt are boala.

•Un fals pozitiv este o persoană pentru care testul este

pozitiv, dar care de fapt nu are boala.

•Este important ca atât senzitivitatea cât şi specificitatea

să fie ridicate (cât mai aproape de valoarea 1 sau 100%)
pentru ca simptomul sau testul să fie predictiv pentru o
boală.

75
Intrebare
Se face un studiu pe 1000 de persoane (450 femei şi 550 bărbaţi), care
pune în discuţie apariţia efectelor secundare în urma tratamentului cu
un anumit medicament. După tratamentul cu acest medicament, s-a
constatat că 1 femeie şi 4 bărbaţi au avut efecte secundare. Care este
probabilitatea ca o persoană luată la întâmplare (indiferent de sex) să
aibă efecte secundare?
 a) 0,25
 b) 0,14
 c) 0,4
 d) 0,04
 e) 1,2

76