الحساسية والنوعية

في الطب والإحصاء ، تصف الحساسية والخصوصية رياضيًا دقة الاختبار الذي يبلغ عن وجود أو عدم وجود حالة طبية. إذا تم اعتبار الأفراد المصابين بالحالة "إيجابيين" وأولئك الذين لا يعانون من الحالة "سلبيين"، فإن الحساسية هي مقياس لمدى قدرة الاختبار على تحديد الإيجابيات الحقيقية والخصوصية هي مقياس لمدى قدرة الاختبار على تحديد السلبيات الحقيقية:

• الحساسية (معدل الإيجابية الحقيقية) هي احتمالية الحصول على نتيجة اختبار إيجابية، مشروطة بكون الفرد إيجابيًا حقًا.
• الخصوصية (معدل السلبية الحقيقية) هي احتمالية الحصول على نتيجة اختبار سلبية، بشرط أن يكون الفرد سلبيًا حقًا.

إذا لم يكن من الممكن معرفة الحالة الحقيقية للحالة، فيمكن تعريف الحساسية والنوعية بالنسبة إلى " اختبار المعيار الذهبي " الذي يُفترض أنه صحيح. بالنسبة لجميع الاختبارات، سواء التشخيصات أو الفحص ، عادة ما يكون هناك مقايضة بين الحساسية والنوعية، بحيث تعني الحساسية الأعلى نوعيات أقل والعكس صحيح.

إن الاختبار الذي يكشف بشكل موثوق عن وجود حالة مرضية، وينتج عنه عدد كبير من النتائج الإيجابية الحقيقية وعدد قليل من النتائج السلبية الكاذبة، سوف يكون حساسًا للغاية. وهذا مهم بشكل خاص عندما تكون عواقب الفشل في علاج الحالة خطيرة و/أو عندما يكون العلاج فعالًا للغاية وله آثار جانبية ضئيلة.

إن الاختبار الذي يستبعد بشكل موثوق الأفراد الذين لا يعانون من هذه الحالة، مما يؤدي إلى عدد كبير من النتائج السلبية الحقيقية وعدد منخفض من النتائج الإيجابية الكاذبة، سيكون له خصوصية عالية. وهذا مهم بشكل خاص عندما يتعرض الأشخاص الذين تم تحديد إصابتهم بحالة ما لمزيد من الاختبارات، والتكاليف، والوصمة، والقلق، وما إلى ذلك.

تم تقديم مصطلحي "الحساسية" و"النوعية" بواسطة عالم الإحصاء الحيوي الأمريكي جاكوب يروشالمي في عام 1947. ^[1]

توجد تعريفات مختلفة في مجال مراقبة جودة المختبر ، حيث يتم تعريف "الحساسية التحليلية" على أنها أصغر كمية من المادة في العينة يمكن قياسها بدقة بواسطة اختبار (مرادف لحد الكشف )، ويتم تعريف "الخصوصية التحليلية" على أنها قدرة الاختبار على قياس كائن حي أو مادة معينة، بدلاً من غيرها. ^[2] ومع ذلك، تتناول هذه المقالة حساسية التشخيص وخصوصيته كما هو محدد في الأعلى.

تخيل دراسة لتقييم اختبار لفحص الأشخاص بحثًا عن مرض ما. كل شخص يخضع للاختبار إما مصاب بالمرض أو غير مصاب به. يمكن أن تكون نتيجة الاختبار إيجابية (تصنيف الشخص على أنه مصاب بالمرض) أو سلبية (تصنيف الشخص على أنه غير مصاب بالمرض). قد تتطابق نتائج الاختبار لكل شخص مع الحالة الفعلية للموضوع أو لا تتطابق. في هذا السياق:

• إيجابي حقيقي: تم تحديد الأشخاص المرضى بشكل صحيح على أنهم مرضى
• إيجابي كاذب: أشخاص أصحاء تم تحديدهم بشكل خاطئ على أنهم مرضى
• صواب سلبي: تم تحديد الأشخاص الأصحاء بشكل صحيح على أنهم أصحاء
• سلبي كاذب: تم ​​تحديد الأشخاص المرضى بشكل غير صحيح على أنهم أصحاء

بعد الحصول على أعداد النتائج الإيجابية الحقيقية، والنتائج الإيجابية الكاذبة، والنتائج السلبية الحقيقية، والنتائج السلبية الكاذبة، يمكن حساب حساسية وخصوصية الاختبار. إذا تبين أن الحساسية عالية، فمن المرجح أن يتم تصنيف أي شخص مصاب بالمرض على أنه إيجابي من خلال الاختبار. من ناحية أخرى، إذا كانت الخصوصية عالية، فمن المرجح أن يتم تصنيف أي شخص غير مصاب بالمرض على أنه سلبي من خلال الاختبار. يحتوي موقع الويب التابع للمعهد الوطني للصحة على مناقشة حول كيفية حساب هذه النسب. ^[3]

لنتأمل مثالاً على اختبار طبي لتشخيص حالة ما. تشير الحساسية (والتي تسمى أحيانًا أيضًا معدل الكشف في بيئة سريرية) إلى قدرة الاختبار على اكتشاف المرضى المرضى بشكل صحيح من بين أولئك الذين يعانون من الحالة. ^[4] رياضيًا، يمكن التعبير عن ذلك على النحو التالي:

${\displaystyle {\begin{aligned}{\text{sensitivity}}&={\frac {\text{number of true positives}}{{\text{number of true positives}}+{\text{number of false negatives}}}}\\[8pt]&={\frac {\text{number of true positives}}{\text{total number of patients in population}}}\\[8pt]&={\text{احتمالية الحصول على نتيجة اختبار إيجابية بشرط أن يكون المريض مصابًا بالمرض}}\end{aligned}}}$

يمكن أن تكون النتيجة السلبية في اختبار ذي حساسية عالية مفيدة في "استبعاد" المرض، ^[4] لأنه نادرًا ما يخطئ في تشخيص أولئك الذين يعانون من المرض. سيتعرف الاختبار ذو الحساسية 100٪ على جميع المرضى المصابين بالمرض من خلال اختبار إيجابي. في هذه الحالة، ستستبعد نتيجة الاختبار السلبية بشكل قاطع وجود المرض لدى المريض. ومع ذلك، فإن النتيجة الإيجابية في اختبار ذي حساسية عالية ليست مفيدة بالضرورة في "استبعاد" المرض. افترض أن مجموعة اختبار "وهمية" مصممة لإعطاء قراءة إيجابية دائمًا. عند استخدامها على المرضى المصابين، فإن جميع المرضى يختبرون إيجابيًا، مما يمنح الاختبار حساسية 100٪. ومع ذلك، لا تأخذ الحساسية في الاعتبار الإيجابيات الكاذبة. يعطي الاختبار الوهمي أيضًا نتائج إيجابية على جميع المرضى الأصحاء، مما يمنحه معدل إيجابي كاذب بنسبة 100٪، مما يجعله عديم الفائدة للكشف عن المرض أو "الحكم عليه".

لا يأخذ حساب الحساسية في الاعتبار نتائج الاختبار غير المحددة. إذا لم يكن من الممكن تكرار الاختبار، فيجب استبعاد العينات غير المحددة من التحليل (يجب ذكر عدد الاستبعادات عند ذكر الحساسية) أو يمكن التعامل معها على أنها نتائج سلبية خاطئة (وهو ما يعطي أسوأ قيمة للحساسية وبالتالي قد يقلل من تقديرها).

الاختبار ذو الحساسية العالية لديه معدل خطأ من النوع الثاني أقل .

لنتأمل مثالاً على اختبار طبي لتشخيص مرض ما. يشير التحديد إلى قدرة الاختبار على رفض المرضى الأصحاء الذين لا يعانون من أي حالة مرضية بشكل صحيح. ويمكن كتابة ذلك رياضياً على النحو التالي:

${\displaystyle {\begin{aligned}{\text{specificity}}&={\frac {\text{number of true negatives}}{{\text{number of true negatives}}+{\text{number of false positives}}}}\\[8pt]&={\frac {\text{number of true negatives}}{\text{total number of well-counters in the population}}}\\[8pt]&={\text{احتمالية الحصول على نتيجة اختبار سلبية بشرط أن يكون المريض بصحة جيدة}}\end{aligned}}}$

يمكن أن تكون النتيجة الإيجابية في اختبار ذي خصوصية عالية مفيدة في "الحكم" على المرض، حيث نادرًا ما يعطي الاختبار نتائج إيجابية لدى المرضى الأصحاء. ^[5] سيتعرف الاختبار ذو الخصوصية 100٪ على جميع المرضى الذين لا يعانون من المرض من خلال اختبار سلبي، وبالتالي فإن نتيجة الاختبار الإيجابية ستحكم بشكل قاطع على وجود المرض. ومع ذلك، فإن النتيجة السلبية من اختبار ذي خصوصية عالية ليست مفيدة بالضرورة في "استبعاد" المرض. على سبيل المثال، سيكون للاختبار الذي يعود دائمًا بنتيجة اختبار سلبية خصوصية 100٪ لأن الخصوصية لا تأخذ في الاعتبار النتائج السلبية الكاذبة. سيعود اختبار مثل هذا سلبيًا للمرضى المصابين بالمرض، مما يجعله عديم الفائدة في "استبعاد" المرض.

الاختبار ذو الخصوصية الأعلى لديه معدل خطأ من النوع الأول أقل .

• 
  رسم توضيحي للحساسية والخصوصية

يهدف الرسم البياني أعلاه إلى إظهار العلاقة بين الحساسية والنوعية. الخط الأسود المنقط في منتصف الرسم البياني هو المكان الذي تكون فيه الحساسية والنوعية متماثلتين. عندما نتحرك إلى يسار الخط الأسود المنقط، تزداد الحساسية، وتصل إلى أقصى قيمة لها وهي 100% عند الخط أ، وتنخفض النوعية. تكون الحساسية عند الخط أ 100% لأنه عند هذه النقطة لا توجد أي نتائج سلبية كاذبة، مما يعني أن جميع نتائج الاختبار السلبية هي نتائج سلبية حقيقية. عند التحرك إلى اليمين، ينطبق العكس، تزداد النوعية حتى تصل إلى الخط ب وتصبح 100% وتنخفض الحساسية. تكون النوعية عند الخط ب 100% لأن عدد النتائج الإيجابية الكاذبة يساوي صفرًا عند هذا الخط، مما يعني أن جميع نتائج الاختبار الإيجابية هي نتائج إيجابية حقيقية.

• 
  حساسية عالية وخصوصية منخفضة
• 
  حساسية منخفضة وخصوصية عالية

الخط الصلب الأوسط في الشكلين أعلاه والذي يوضح مستوى الحساسية والنوعية هو نقطة قطع الاختبار. وكما هو موضح سابقًا، يؤدي تحريك هذا الخط إلى مقايضة بين مستوى الحساسية والنوعية. يحتوي الجانب الأيسر من هذا الخط على نقاط البيانات التي يتم اختبارها أسفل نقطة القطع وتعتبر سلبية (تشير النقاط الزرقاء إلى النتائج السلبية الكاذبة (FN)، والنقاط البيضاء إلى النتائج السلبية الحقيقية (TN)). يوضح الجانب الأيمن من الخط نقاط البيانات التي يتم اختبارها أعلى من نقطة القطع وتعتبر إيجابية (تشير النقاط الحمراء إلى النتائج الإيجابية الكاذبة (FP)). يحتوي كل جانب على 40 نقطة بيانات.

بالنسبة للشكل الذي يظهر حساسية عالية وخصوصية منخفضة، يوجد 3 FN و8 FP. باستخدام حقيقة أن النتائج الإيجابية = الإيجابيات الحقيقية (TP) + FP، نحصل على TP = نتائج إيجابية - FP، أو TP = 40 - 8 = 32. عدد المرضى في مجموعة البيانات يساوي TP + FN، أو 32 + 3 = 35. وبالتالي تكون الحساسية 32 / 35 = 91.4٪. باستخدام نفس الطريقة، نحصل على TN = 40 - 3 = 37، وعدد الأشخاص الأصحاء 37 + 8 = 45، مما ينتج عنه خصوصية 37 / 45 = 82.2٪.

بالنسبة للشكل الذي يظهر حساسية منخفضة وخصوصية عالية، يوجد 8 FN و3 FP. باستخدام نفس الطريقة المستخدمة في الشكل السابق، نحصل على TP = 40 - 3 = 37. عدد المرضى هو 37 + 8 = 45، مما يعطي حساسية 37 / 45 = 82.2٪. يوجد 40 - 8 = 32 TN. وبالتالي فإن الخصوصية تصل إلى 32 / 35 = 91.4٪.

• 
  نتيجة اختبار بحساسية 100 بالمائة
• 
  نتيجة الاختبار بدقة 100 بالمائة

تشير النقطة الحمراء إلى المريض الذي يعاني من الحالة الطبية. تشير الخلفية الحمراء إلى المنطقة التي يتنبأ فيها الاختبار بأن تكون نقطة البيانات إيجابية. القيمة الإيجابية الحقيقية في هذا الشكل هي 6، والسلبيات الكاذبة هي 0 (لأن جميع الحالات الإيجابية يتم التنبؤ بها بشكل صحيح على أنها إيجابية). لذلك، تكون الحساسية 100% (من 6 / (6 + 0) ). يتم توضيح هذا الموقف أيضًا في الشكل السابق حيث يكون الخط المنقط في الموضع A (يتوقع النموذج أن يكون الجانب الأيسر سلبيًا، ويتوقع النموذج أن يكون الجانب الأيمن إيجابيًا). عندما يكون الخط المنقط، خط قطع الاختبار، في الموضع A، يتنبأ الاختبار بشكل صحيح بكل سكان الفئة الإيجابية الحقيقية، لكنه سيفشل في تحديد نقطة البيانات من الفئة السلبية الحقيقية بشكل صحيح.

على غرار الشكل الموضح سابقًا، تشير النقطة الحمراء إلى المريض الذي يعاني من الحالة الطبية. ومع ذلك، في هذه الحالة، تشير الخلفية الخضراء إلى أن الاختبار يتنبأ بأن جميع المرضى خالون من الحالة الطبية. وبالتالي، فإن عدد نقاط البيانات السلبية الحقيقية هو 26، وعدد الإيجابيات الكاذبة هو 0. وهذا يؤدي إلى دقة 100% (من 26 / (26 + 0) ). لذلك، لا يمكن استخدام الحساسية أو الدقة وحدها لقياس أداء الاختبار.

في التشخيص الطبي ، حساسية الاختبار هي قدرة الاختبار على تحديد المصابين بالمرض بشكل صحيح (معدل الإيجابية الحقيقية)، في حين أن خصوصية الاختبار هي قدرة الاختبار على تحديد غير المصابين بالمرض بشكل صحيح (معدل السلبية الحقيقية). إذا تم اختبار 100 مريض معروف أنهم مصابون بالمرض، وكانت نتيجة اختبار 43 منهم إيجابية، فإن الاختبار يكون له حساسية بنسبة 43٪. إذا تم اختبار 100 مريض ليس لديهم مرض وأعاد 96 نتيجة سلبية تمامًا، فإن الاختبار يكون له خصوصية بنسبة 96٪. الحساسية والخصوصية هي خصائص اختبار مستقلة عن الانتشار، حيث أن قيمها جوهرية للاختبار ولا تعتمد على انتشار المرض في السكان المعنيين. ^[6] القيم التنبؤية الإيجابية والسلبية ، ولكن ليس الحساسية أو الخصوصية، هي قيم تتأثر بانتشار المرض في السكان الذين يتم اختبارهم. يتم توضيح هذه المفاهيم بيانياً في نموذج التشخيص السريري البايزي هذا والذي يوضح القيم التنبؤية الإيجابية والسلبية كدالة للانتشار والحساسية والخصوصية.

غالبًا ما يُزعم أن الاختبار شديد التحديد يكون فعالًا في الحكم على المرض عندما يكون إيجابيًا، بينما يُعتبر الاختبار شديد الحساسية فعالًا في استبعاد المرض عندما يكون سلبيًا. ^{[7] [8]} وقد أدى هذا إلى استخدام الاختصارات SPPIN وSNNOUT على نطاق واسع، والتي بموجبها يحكم الاختبار شديد التحديد ، عندما يكون إيجابيًا ، في المرض (SP-P-IN)، ويستبعد الاختبار شديد الحساسية ، عندما يكون سلبيًا ، المرض (SN-N-OUT). ومع ذلك، فإن كلتا القاعدتين مضللتان استدلاليًا، حيث يتم تحديد القوة التشخيصية لأي اختبار من خلال انتشار الحالة التي يتم اختبارها وحساسية الاختبار وخصوصيته . [ ^{9] [10] [11]} يتمتع الاختصار SNNOUT ببعض الصلاحية عندما يكون انتشار الحالة المعنية منخفضًا للغاية في العينة المختبرة.

يتم استكشاف المقايضة بين الخصوصية والحساسية في تحليل ROC كمبادلة بين TPR و FPR (أي التذكر والتداعيات ) . ^[12] يؤدي منحهما وزنًا متساويًا إلى تحسين الإلمام = الخصوصية + الحساسية − 1 = TPR − FPR، حيث يعطي حجمها احتمال اتخاذ قرار مستنير بين الفئتين (> 0 يمثل الاستخدام المناسب للمعلومات، 0 يمثل أداء مستوى الفرصة، < 0 يمثل الاستخدام المنحرف للمعلومات). ^[13]

مؤشر الحساسية أو d′ (يُنطق "دي-برايم") هو إحصاء يستخدم في نظرية اكتشاف الإشارة . وهو يوفر الفصل بين متوسطات توزيع الإشارة والضوضاء، مقارنةً بالانحراف المعياري لتوزيع الضوضاء. بالنسبة للإشارة والضوضاء الموزعة بشكل طبيعي مع المتوسط ​​والانحرافات المعيارية و و و و على التوالي، يتم تعريف d′ على النحو التالي:${\displaystyle \mu _{S}}$${\displaystyle \sigma _{S}}$${\displaystyle \mu _{N}}$${\displaystyle \sigma _{N}}$

${\displaystyle d^{\prime }={\frac {\mu _{S}-\mu _{N}}{\sqrt {{\frac {1}{2}}\left(\sigma _{S}^{2}+\sigma _{N}^{2}\right)}}}}$^[14]

يمكن أيضًا إيجاد تقدير لـ d′ من قياسات معدل الإصابة ومعدل الإنذار الكاذب . يتم حسابه على النحو التالي:

d′ = Z (معدل الإصابة) − Z (معدل الإنذار الكاذب)، ^[15]

حيث أن الدالة Z ( p )، p ∈ [0, 1]، هي معكوس التوزيع الغاوسي التراكمي .

d′ هي إحصائية بلا أبعاد . يشير ارتفاع d′ إلى إمكانية اكتشاف الإشارة بسهولة أكبر.

يمكن فهم العلاقة بين الحساسية والخصوصية والمصطلحات المشابهة باستخدام الجدول التالي. لنفترض وجود مجموعة بها P من الحالات الإيجابية و N من الحالات السلبية لبعض الحالات. يمكن صياغة النتائج الأربع في جدول طوارئ 2×2 أو مصفوفة ارتباك ، بالإضافة إلى اشتقاقات لعدة مقاييس باستخدام النتائج الأربع، على النحو التالي:

		الحالة المتوقعة		المصادر: [16] [17] [18] [19] [20] [21] [22] [23] منظر يتحدث يحرر
	إجمالي السكان = P + N	توقع إيجابي (PP)	متوقع سلبي (PN)	المعرفة ، معرفة وكيل المراهنات (BM) = TPR + TNR − 1	عتبة الانتشار ( PT) =√ TPR × FPR - FPR/TPR - FPR⁠
الحالة الفعلية	موجب (ص) [أ]	إيجابي حقيقي (TP)، ضرب [b]	سلبي كاذب (FN)، خطأ، تقدير أقل من الحقيقة	معدل الإيجابية الحقيقية (TPR)، التذكير ، الحساسية ( SEN )، احتمالية الكشف، معدل الإصابة، القوة =TP/ص= 1 − FNR	معدل النتائج السلبية الكاذبة (FNR)، معدل الخطأ من النوع الثاني [c] = ⁠ف ن/ص= 1 − TPR
	سلبي (ن) [د]	إيجابي كاذب (FP)، إنذار كاذب، مبالغة في التقدير	سلبي صحيح (TN)، رفض صحيح [e]	معدل الإيجابيات الكاذبة (FPR)، احتمال الإنذار الكاذب، خطأ النوع الأول من التساقط [f] = ⁠ف ب/ن= 1 − TNR	معدل السلبية الحقيقية (TNR)، والخصوصية (SPC)، والانتقائية =تينيسي/ن= 1 − FPR
	الانتشار = ⁠ص/ص + ن⁠	القيمة التنبؤية الإيجابية ( PPV)، الدقة =TP/ب ب= 1 − FDR	معدل الإغفال الكاذب (FOR) = ⁠ف ن/رقم الصنف= 1 − القيمة الحالية الصافية	نسبة الاحتمالية الإيجابية ( LR+) =تي بي آر/فبر⁠	نسبة الاحتمالية السلبية ( LR−) =فنر/تي إن آر⁠
	الدقة (ACC) = ⁠TP + TN/ص + ن⁠	معدل الاكتشاف الكاذب ( FDR) =ف ب/ب ب= 1 − PPV	القيمة التنبؤية السلبية ( NPV) =تينيسي/رقم الصنف= 1 − ل	العلامة (MK)، دلتا (Δp) = القيمة التراكمية الصافية + القيمة الصافية الحالية − 1	نسبة احتمالات التشخيص (DOR ) =LR+/LR-⁠
	الدقة المتوازنة (BA ) =TPR + TNR/2⁠	F 1 النتيجة = ⁠2 PPV × TPR/PPV + TPR = ⁠​2 نقطة اتصال/2 نقطة اتصال + نقطة اتصال + نقطة اتصال⁠	مؤشر فاولكس-مالوز (FM) = √ PPV × TPR	معامل ارتباط ماثيوز (MCC) = √ TPR × TNR × PPV × NPV - √ FNR × FPR × FOR × FDR	درجة التهديد (TS)، مؤشر النجاح الحرج (CSI)، مؤشر جاكارد =TP/TP + FN + FP⁠

مثال عملي

يتم تطبيق اختبار تشخيصي بحساسية 67% وخصوصية 91% على 2030 شخصًا للبحث عن اضطراب يبلغ معدل انتشاره بين السكان 1.48%

		نتيجة اختبار فحص الدم الخفي في البراز		منظر يتحدث يحرر
	إجمالي السكان (السكان) = 2030	نتيجة الاختبار إيجابية	نتيجة الاختبار سلبية	الدقة (ACC) = (TP + TN) / عدد السكان = (20 + 1820) / 2030 ≈ 90.64%	درجة ف 1 = 2 ×الدقة × التذكير/الدقة + التذكير≈ 0.174 ​
مرضى سرطان الأمعاء (كما تم تأكيده بالتنظير الداخلي )	الحالة الفعلية الإيجابية (AP) = 30 (2030 × 1.48%)	الموجب الحقيقي (TP) = 20 (2030 × 1.48% × 67%)	سلبي كاذب (FN) = 10 (2030 × 1.48% × (100% − 67%) )	معدل الإيجابية الحقيقية (TPR)، التذكير ، الحساسية = TP / AP = 20 / 30 ≈ 66.7%	معدل النتائج السلبية الكاذبة (FNR)، معدل الخطأ = FN / AP = 10 / 30 ≈ 33.3%
	الحالة الفعلية سلبية (AN) = 2000 (2030 × (100% − 1.48%) )	النتيجة الإيجابية الكاذبة (FP) = 180 (2030 × (100% − 1.48%) × (100% − 91%) )	القيمة السلبية الحقيقية (TN) = 1820 (2030 × (100% − 1.48%) × 91%)	معدل الإيجابيات الكاذبة (FPR)، التساقط ، احتمالية الإنذار الكاذب = FP / AN = 180 / 2000 = 9.0%	الخصوصية، الانتقائية، معدل السلبية الحقيقية (TNR) = TN / AN = 1820 / 2000 = 91%
	انتشار = AP / pop. = 30 / 2030 ≈ 1.48%	القيمة التنبؤية الإيجابية (PPV)، الدقة = TP / (TP + FP) = 20 / (20 + 180) = 10%	معدل الإغفال الكاذب (FOR) = الجبهة الوطنية / (الجبهة الوطنية + TN) = 10 / (10 + 1820) ≈ 0.55%	نسبة الاحتمالية الإيجابية (LR+) = ⁠تي بي آر/فبر⁠ = (20 / 30) / (180 / 2000) ≈ 7.41	نسبة الاحتمالية السلبية (LR−) = ⁠فنر/تي إن آر⁠ = (10 / 30) / (1820 / 2000) ≈ 0.366
		معدل الاكتشاف الكاذب (FDR) = FP / (TP + FP) = 180 / (20 + 180) = 90.0%	القيمة التنبؤية السلبية (NPV) = TN / (FN + TN) = 1820 / (10 + 1820) ≈ 99.45%	نسبة احتمالات التشخيص (DOR) = ⁠LR+/LR-≈ 20.2 ​

الحسابات ذات الصلة

• معدل الإيجابيات الكاذبة (α) = خطأ النوع الأول = 1 − الخصوصية = FP / (FP + TN) = 180 / (180 + 1820) = 9%
• معدل السلبية الكاذبة (β) = خطأ النوع الثاني = 1 − الحساسية = FN / (TP + FN) = 10 / (20 + 10) ≈ 33%
• القدرة = الحساسية = 1 − β
• نسبة الاحتمالية الإيجابية = الحساسية / (1 − الخصوصية) ≈ 0.67 / (1 − 0.91) ≈ 7.4
• نسبة الاحتمالية السلبية = (1 − الحساسية) / الخصوصية ≈ (1 − 0.67) / 0.91 ≈ 0.37
• عتبة الانتشار = ≈ 0.2686 ≈ 26.9%${\displaystyle PT={\frac {{\sqrt {TPR(-TNR+1)}}+TNR-1}{(TPR+TNR-1)}}}$

تمكن اختبار الفحص الافتراضي هذا (اختبار الدم الخفي في البراز) من تحديد ثلثي (66.7%) من مرضى سرطان القولون والمستقيم بشكل صحيح. ^[أ] لسوء الحظ، يكشف عامل معدلات الانتشار أن هذا الاختبار الافتراضي لديه معدل إيجابيات كاذبة مرتفع، ولا يحدد سرطان القولون والمستقيم بشكل موثوق في إجمالي عدد الأشخاص الذين لا تظهر عليهم أعراض (PPV = 10%).

من ناحية أخرى، يُظهِر هذا الاختبار الافتراضي دقة كبيرة في الكشف عن الأفراد غير المصابين بالسرطان (NPV ≈ 99.5%). لذلك، عند استخدامه في الفحص الروتيني لسرطان القولون والمستقيم لدى البالغين الذين لا تظهر عليهم الأعراض، توفر النتيجة السلبية بيانات مهمة للمريض والطبيب، مثل استبعاد السرطان كسبب لأعراض الجهاز الهضمي أو طمأنة المرضى القلقين بشأن الإصابة بسرطان القولون والمستقيم.

قد تكون قيم الحساسية والنوعية وحدها مضللة للغاية. يجب حساب الحساسية أو النوعية "في أسوأ الحالات" لتجنب الاعتماد على التجارب ذات النتائج القليلة. على سبيل المثال، قد يُظهر اختبار معين حساسية بنسبة 100% بسهولة إذا تم اختباره مقابل المعيار الذهبي أربع مرات، ولكن اختبارًا إضافيًا واحدًا مقابل المعيار الذهبي أعطى نتيجة سيئة من شأنه أن يعني حساسية بنسبة 80% فقط. إحدى الطرق الشائعة للقيام بذلك هي تحديد فاصل الثقة النسبي الثنائي ، والذي غالبًا ما يتم حسابه باستخدام فاصل درجات ويلسون.

يمكن حساب فترات الثقة للحساسية والنوعية، مما يعطي نطاق القيم التي تقع فيها القيمة الصحيحة عند مستوى ثقة معين (على سبيل المثال، 95٪). ^[26]

في استرجاع المعلومات ، تسمى القيمة التنبؤية الإيجابية بالدقة ، وتسمى الحساسية بالاستدعاء . وعلى عكس المقايضة بين الخصوصية والحساسية، فإن هذين القياسين مستقلان عن عدد السلبيات الحقيقية، وهو غير معروف عمومًا وأكبر كثيرًا من الأعداد الفعلية للمستندات ذات الصلة والمستردة. إن افتراض وجود أعداد كبيرة جدًا من السلبيات الحقيقية مقابل الإيجابيات نادر في التطبيقات الأخرى. ^[13]

يمكن استخدام الدرجة F كمقياس واحد لأداء الاختبار للفئة الإيجابية. الدرجة F هي المتوسط ​​التوافقي للدقة والتذكر:

${\displaystyle F=2\times {\frac {{\text{الدقة}}\times {\text{الاستدعاء}}}{{\text{الدقة}}+{\text{الاستدعاء}}}}}}$

في اللغة التقليدية لاختبار الفرضيات الإحصائية ، تسمى حساسية الاختبار بالقوة الإحصائية للاختبار، على الرغم من أن كلمة القوة في هذا السياق لها استخدام أكثر عمومية لا ينطبق على السياق الحالي. سيكون للاختبار الحساس أخطاء من النوع الثاني أقل .

على غرار مجال استرجاع المعلومات ، في مجال البحث في التنبؤ بالجينات ، يكون عدد السلبيات الحقيقية (غير الجينات) في التسلسلات الجينومية غير معروف بشكل عام وأكبر بكثير من العدد الفعلي للجينات (الإيجابيات الحقيقية). لقد تم استخدام مصطلح الخصوصية الملائم والمفهوم بديهيًا في مجال البحث هذا بشكل متكرر مع الصيغة الرياضية للدقة والتذكر كما هو محدد في الإحصاء الحيوي. يمثل زوج الخصوصية المحددة بهذه الطريقة (كقيمة تنبؤية إيجابية) والحساسية (معدل الإيجابية الحقيقية) المعلمات الرئيسية التي تميز دقة خوارزميات التنبؤ بالجينات. ^{[27] [28] [29] [30]} وعلى العكس من ذلك، فإن مصطلح الخصوصية بمعنى معدل السلبية الحقيقية سيكون له تطبيق ضئيل، إن وجد، في مجال أبحاث تحليل الجينوم.

• حاسبة UIC
• حاسبة الحساسية/الخصوصية الخاصة بكلية فاسار
• آلة حاسبة مجانية عبر الإنترنت MedCalc
• برنامج نموذج التشخيص السريري البايزي