Documente Academic
Documente Profesional
Documente Cultură
CALITĂŢII
EXAMENULUI DIAGNOSTIC
✓ Prezumtiv – este prima etapă, este suspiciunea asupra unei afecțiuni (simptome, istoricul bolii,
antecedente). De obicei este determinat de medicul de familie.
✓ Clinic – se bazează pe următoarele: simptome și semne, istoricul afecțiunii, antecedente personale
(patologice, fiziologice), antecedente heredocolaterale (familie), mediul de viață, examenul fizic.
✓ Paraclinic – teste de laborator (biochimie, bacteriologie, hematologie, citologie, imunologie), imagistică
(radiografii, ecografii, RMN), explorări funcționale (EKG, EEG, spirometrie, aparat renal, secreții gastrice,
endoscopie, acuitate vizuală, etc.).
✓ Diferențial – se compară diagnosticul prezumtiv cu altele ce au simptomatologie asemănătoare.
✓ Intraoperator – act medical invaziv (operație), dar se poate folosi și pentru a preleva țesuturi, secreții
(puncție, biopsie).
✓ Definitiv – este etapa finală în care concluzia trebuie să se bazeze pe certitudine.
Pentru estimarea calităţii unui test diagnostic, acesta se compară de obicei cu un etalon sau standard de
aur în vederea determinării prezenţei afecţiunii (maladiei – M). Există situaţii în care testul diagnostic se
rezumă doar la existenţa sau nu a unui semn (notat S). La modul general putem să vorbim de un scor S.
Se realizează astfel tabelul de contingenţă cu cele 4 situaţii posibile ale examenului diagnostic.
Semnul / Scorul poate fi și în formă inversă - adică negativ să implice afecțiune (direcția trebuie definită)
Se definesc mai multe măsuri statistice care descriu calitatea examenului diagnostic.
Studiem tabelul în lungul coloanelor
Sensibilitatea testului este aproximată cu raportul dintre determinările adevărat pozitive şi numărul total
de bolnavi existenţi în studiu. În situaţia în care volumul eşantionului este destul de mare, valoarea raportului
tinde către probabilitatea de a avea un test pozitiv din grupul de bolnavi.
Formula de calcul este : Se= a+ca = TP ,
TP+FN
Aceasta este o estimare punctuală a indicatorului de sensibilitate (se mai numeşte şi rata de pozitivi
adevăraţi, True Positive Rate - TPR).
Putem face apel la teoria probabilităţii pentru a exprima sensibilitatea.
Avem astfel: Se = TPR = P(S|M) , este probabilitatea de a avea semnul condiționată de existența afecțiunii
(M).
Tot din studiul primei coloane avem rata de falşi negativi (False Negative Rate FNR) ce se calculează cu
formula: FNR= a+cc = FN = 𝑷(ഥ 𝑺|𝑴).
TP+FN
Din studiul coloanei a doua rezultă următoarele măsuri: Specificitatea și rata de falși pozitivi.
Specificitatea testului este probabilitatea de a avea testul negativ atunci când afecţiunea este absentă.
Reprezintă o estimare a probabilităţii ce exprimă absenţa semnului S la populaţia sănătoasă. Se mai
numeşte şi rata de negativi adevăraţi (True Negative Rate - TNR).
Formula de calcul este : Sp=TNR= d = TN = P(S|M).
ഥ
b+d FP+TN
Definim din studiul coloanei a doua FPR – este complementară specificității:
Rata de falşi pozitivi ( False Positive Rate) este: FPR= b = FP = P(S|M)
b+d FP+TN
Raportul verosimilității negative LR- (Negative Likelihood Ratio): LR−= FNR = 1−Se
TNR Sp
Raportul cotelor de diagnostic DOR (Diagnostic Odds Ratio) este: DOR= LR+ = TPR ·TNR = Se · Sp
LR− FPR ·FNR (1−Se)(1−Sp)
TP ·TN
DOR = a ·d = FP ·FN .
b ·c
Situație critică: b=0 sau c=0 implică DOR nu se poate calcula – neajuns pentru acest indicator.
Afecţiune În concluzie din studiul pe coloane avem:
Prezentă (M) ഥ
Absentă (𝑴) Total
Pozitiv Adevărat Pozitiv Fals Pozitiv a+b
Se + FNR = 1 , Sp + FPR = 1
Test diagnostic
Raportul verosimilității negative LR- (Negative Likelihood Ratio): LR−= FNR = 1−Se
TNR Sp
Raportul cotelor de diagnostic DOR (Diagnostic Odds Ratio) este: DOR= LR+ = TPR ·TNR = Se · Sp
LR− FPR ·FNR (1−Se)(1−Sp)
TP ·TN
DOR = a ·d = FP ·FN
b ·c
Testul diagnostic se poate baza pe o variabilă numerică ce se măsoară pe scală raport sau interval. În
acest caz trebuie să aflăm punctul optim al variabilei pentru care avem valori maxime ale Se cât și Sp.
În luarea deciziei logica este de felul: Dacă valoarea experimentală este mai mare ca cea a punctului
critic (sau prag) atunci decidem că există afecțiune (varianta 2: sau că nu există), în caz contrar nu există
afecțiune (varianta2: sau există).
Se pot calcula astfel, pentru fiecare valoare distinctă (considerată drept prag) a variabilei criteriu, atât Se
cât și Sp. Pentru a afla optimul se poate reprezenta grafic dependența Se funcție de 1-Sp numită curba
ROC (Receiver Operating Characteristic)
Se (TPR) Curba ROC
(0,1) (1,1)
Din tabelul alăturat observăm că avem două puncte de optim – fiecare corespunde condiției impuse.
Pentru sumă maximă avem punct de optim 5.23 pentru prag, iar pentru distanță minimă avem optimă
valoarea 5.49 pentru prag.
Dependența dintre Se și Sp – exemplu practic
Control Cazuri
50
40
30
20
10
0 14
10
11
12
13
15
16
17
18
19
20
21
22
23
24
3
4
5
6
7
8
9
Variabila Criteriu
Sensitivity Specificity
Test Result Variable(s): Criteriul Youden
1.0 Positive if
0.8 Greater Than or
0.6 Equal Toa Sensitivity Specificity Se+Sp-1 = MAX
10.9820 0.944 0.962 0.906
0.4 10.9882 0.944 0.964 0.908
0.2 10.9891 0.944 0.966 0.910
0.0 11.006 0.944 0.968 0.912
0 5 10 15 20 25 30 11.0891 0.942 0.968 0.910
Variabila Criteriu 11.1571 0.940 0.968 0.908
11.1645 0.940 0.970 0.910
11.172 0.940 0.972 0.912
11.1758 0.938 0.972 0.910
11.1810 0.936 0.972 0.908
11.1895 0.934 0.972 0.906
Evaluarea unui examen de diagnostic se poate face funcție de curba ROC. Suprafața de sub această curbă
(AUC – Area Under the Curve) poate fi analizată printr-un test de ipoteză.
Ipoteza nulă în acest caz, constă în presupunerea că suprafața este egală cu cea a unui sistem aleator, deci
cu decizie aleasă la întâmplare. Evident un astfel de sistem nu este util. Suprafața în acest caz este definită de
diagonala principală în coordonatele curbei ROC. Această suprafață este egală cu ½ sau 0.5 (este jumătatea
unui pătrat cu latura egală cu 1). Ipoteza nulă va afirma egalitatea cu suprafața de valoare 0.5.
Valoarea predictivă negativă (NPV – Negative Predictive Value) reprezintă probabilitatea ca un individ
care nu prezintă semnul să nu prezinte nici afecțiunea. Valoarea estimată este: NPV= d .
c+d
ഥ
ഥ Sത = P(M∩
Folosind probabilitățile condiționate avem: NPV=P M ഥ
S) .
P(S)
1−P(M) ∙Sp
NPV depinde de prevalență (P(M)), Se și Sp: NPV=
1−P(M) ∙Sp+P(M)∙ 1−Se
Tot în cadrul analizei pe linii a tabelului de frecvențe, se definesc folosind probabilitățile evenimentelor
complementare următoarele măsuri:
Rata falsă de descoperire FDR (False Discovery Rate): estimarea punctuală FDR= b , iar dacă facem
a+b
ഥ .
apel la teoria probabilităților avem 𝐹𝐷𝑅 = 1 − 𝑃𝑃𝑉 = 𝑃 𝑀|𝑆
Rata falsă de omisiune FOR (False Omission Rate): estimarea punctuală FOR= c , și evident 𝐹𝑂𝑅 =
c+d
1 − 𝑁𝑃𝑉 = 𝑃 𝑀|𝑆ҧ .
O formă generală de evaluarea a sistemului decizional este prin acuratețe. Se notează ACC (Accuracy)
și se definește ca fiind: ACC= a+d
n .
Afecţiune
Prezentă Absentă Total Evaluare
(M ) (𝑴ഥ )
Pozitiv AP FP a+b PPV FDR
a
Test diagnostic
(S) (a) (b) b
a+b a+b
Negativ FN AN c+d FOR NPV
(ഥ
𝑺) (c) (d) c d
c+d
c+d
Total a+c b+d n=a+b+c+d
Se = TPR FPR LR+ Prev
a b TPR a+c
a+c FPR DOR
Evaluare
b+d n
ACC
FNR Sp = TNR LR- LR+
c d FNR a+d
LR− n
a+c b+d TNR
Observații
Alternativă aplicația R pachetul pROC (se pot face și comparații între curbe și pe subdomenii).
Exemplu practic – R pachetul pROC
Pentru analiza calităţii unui test de diagnostic trebuie să avem creat un tabel de date ce să cuprindă două
coloane cu următoarele informaţii:
1 – valoarea ideală a testului (exprimă prezenţa afecțiunii, codificată de obicei cu 1 respectiv 0)
2 – valorile de tip numeric real, ce reprezintă evaluarea testului.
Pentru analiza curbei ROC vom folosi pachetul pROC ce poate fi instalat gratuit în aplicația R. Am folosit
interfața Rstudio care ajută în scrierea comenzilor și prezentarea rezultatelor.
Vom încărca pachetul cu comanda:
> library(pROC)
În continuare vom încărca tabelul de date ce conține cele două coloane numite Vbiol respectiv Afectiune. Ne
folosim de forma interactivă:
> data_1=read.delim(file.choose(), sep = "\t", header=TRUE)
Menționăm că datele au fost exportate din Excel în format text cu delimitare tab.
Vom reprezenta grafic curba ROC - pentru buna înțelegere vom scrie comanda și efectul va fi ușor sesizat
prin reprezentarea grafică. Creăm un obiect roc:
> roc1 <- roc(data_1$Afectiune,data_1$Vbiologic, plot=TRUE)
Iată rezultatul obținut – graficul alăturat