خطوات الاستخدام
الخطوة 1: فهم مصفوفة الارتباك. تقيس الحساسية (معدل الإيجابية الحقيقي) نسبة الحالات الإيجابية الحقيقية التي تم تحديدها بشكل صحيح: TP / (TP + FN). تقيس النوعية (معدل السلبية الحقيقي) نسبة الحالات السلبية الحقيقية التي تم تحديدها بشكل صحيح: TN / (TN + FP). أدخل قيم الإيجابيات الحقيقية (TP)، السلبيات الكاذبة (FN)، السلبيات الحقيقية (TN)، والإيجابيات الكاذبة (FP) من نتائج اختبارك التشخيصي.
الخطوة 2: أدخل القيم في الحاسبة. تأكد من أنها أعداد صحيحة (عدد الحالات) من نتائج الاختبار. لا تستخدم النسب المئوية أو المعدلات كمدخلات. على سبيل المثال، إذا كان لديك 100 حالة إيجابية وحدد الاختبار 90 منها بشكل صحيح، فإن TP=90 و FN=10.
الخطوة 3: تقوم الحاسبة بحساب الحساسية = TP/(TP+FN) والنوعية = TN/(TN+FP). تعرض القيم كأعداد عشرية. اضرب في 100 للحصول على النسبة المئوية (مثلاً 0.95 = 95%). تعتمد الصيغ على مفهوم الاحتمال الشرطي الأساسي: الحساسية = P(اختبار+|مرض+)، النوعية = P(اختبار-|مرض-).
الخطوة 4: تفسير النتائج. تعتبر الحساسية التي تزيد عن 90% جيدة لاختبارات الفحص (عدد قليل من السلبيات الكاذبة). النوعية التي تزيد عن 90% جيدة لاختبارات التأكيد (عدد قليل من الإيجابيات الكاذبة). الاختبار ذو الحساسية العالية والنوعية المنخفضة سينتج عنه العديد من الإيجابيات الكاذبة، والعكس صحيح.
الخطوة 5: مراعاة المفاضلة بين الحساسية والنوعية. من الناحية العملية، يمكن أن يؤدي تعديل عتبة الاختبار إلى زيادة أحدهما على حساب الآخر. على سبيل المثال، خفض عتبة النتيجة الإيجابية يزيد الحساسية لكنه يقلل النوعية. استخدم الحاسبة لاستكشاف سيناريوهات إدخال مختلفة وفهم التأثير.
أمثلة محلولة
تطبيقات عملية على الحساسية والنوعية بخطوات الحل كاملة.
الحل
الحساسية = TP/(TP+FN) = 150/(150+10) = 150/160 = 0.9375 (93.75%). النوعية = TN/(TN+FP) = 800/(800+40) = 800/840 ≈ 0.9524 (95.24%). تشير الحساسية العالية (93.75%) إلى أن الاختبار يحدد بشكل صحيح أكثر من 93% من الأفراد المصابين، مما يجعله أداة فحص جيدة. النوعية العالية (95.24%) تعني أنه يحدد بشكل صحيح الأفراد غير المصابين مع عدد قليل من الإيجابيات الكاذبة (فقط 4.76% من الأصحاء تظهر نتائجهم إيجابية). ومع ذلك، لاحظ أن نسبة الانتشار منخفضة (160/1000 = 16%)، لذا حتى مع النوعية العالية، ستكون القيمة التنبؤية الإيجابية (PPV) = TP/(TP+FP) = 150/190 ≈ 78.9%، مما يعني أن حوالي 21% من النتائج الإيجابية هي إيجابيات كاذبة. يسلط هذا الضوء على أهمية الاختبارات التأكيدية في البيئات ذات الانتشار المنخفض.
الحل
مع انتشار 1%، عدد المصابين = 1% من 100,000 = 1,000. لذا، مجموعة المصابين: الإيجابيات الحقيقية (TP) = الحساسية × المصابين = 0.99 × 1000 = 990، السلبيات الكاذبة (FN) = 1000 - 990 = 10. غير المصابين = 99,000. النوعية = 95% => السلبيات الحقيقية (TN) = 0.95 × 99000 = 94,050، الإيجابيات الكاذبة (FP) = 99,000 - 94,050 = 4,950. وبالتالي، الحساسية = 990/(990+10) = 0.99، النوعية = 94050/(94050+4950) = 0.95. حتى مع الحساسية العالية (99%) والنوعية العالية (95%)، القيمة التنبؤية الإيجابية (PPV) = TP/(TP+FP) = 990/(990+4950) = 990/5940 ≈ 16.7%. هذا يعني أن واحداً فقط من كل 6 اختبارات إيجابية لديه المرض بالفعل. يوضح هذا المثال أنه بالنسبة للأمراض النادرة، حتى الاختبار الذي يتمتع بدقة جيدة ظاهرياً يمكن أن يكون له PPV منخفض بسبب انخفاض الانتشار.
أمثلة محسوبة
قيم مُدخَلة ونتيجة محسوبة فعليًا بواسطة الحساسية والنوعية.
تحقّق مرجعي
- الإيجابيات الحقيقية (TP)
- 90
- السلبيات الكاذبة (FN)
- 10
- السلبيات الحقيقية (TN)
- 80
- الإيجابيات الكاذبة (FP)
- 20
قيم مُدخَلة قياسية
- الإيجابيات الحقيقية (TP)
- 300
- السلبيات الكاذبة (FN)
- 300
- السلبيات الحقيقية (TN)
- 300
- الإيجابيات الكاذبة (FP)
- 300