الحساسية والنوعية

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-).

الأسئلة الشائعة

الحساسية (معدل الإيجابية الحقيقي) تقيس قدرة الاختبار على تحديد المصابين بالمرض بشكل صحيح (TP / (TP+FN)). الاختبار عالي الحساسية لديه عدد قليل من السلبيات الكاذبة، مما يعني أنه إذا كان الشخص مصاباً، فمن المرجح أن تكون نتيجته إيجابية. هذا أمر بالغ الأهمية لاختبارات الفحص حيث قد يكون فقدان حالة خطيراً، على سبيل المثال للأمراض المعدية مثل كوفيد-19 أو السرطان. النوعية (معدل السلبية الحقيقي) تقيس قدرة الاختبار على تحديد غير المصابين بشكل صحيح (TN / (TN+FP)). الاختبار عالي النوعية لديه عدد قليل من الإيجابيات الكاذبة، مما يعني أنه إذا لم يكن الشخص مصاباً، فمن المرجح أن تكون نتيجته سلبية. هذا مهم لاختبارات التأكيد حيث يمكن أن تؤدي الإيجابية الكاذبة إلى قلق أو علاج غير ضروري. كلا المقياسين أساسيان لأنهما يلتقطان جانبين مختلفين من الدقة: تركز الحساسية على تقليل التشخيصات المفقودة (السلبيات الكاذبة)، بينما تركز النوعية على تقليل التشخيصات غير الصحيحة (الإيجابيات الكاذبة). من الناحية العملية، غالباً ما تكون هناك مفاضلة؛ زيادة الحساسية تقلل النوعية والعكس صحيح. يعتمد الاختيار بين إعطاء الأولوية للحساسية أو النوعية على المرض وعواقبه وتكاليف التشخيص الخاطئ. على سبيل المثال، في فحص مرض يهدد الحياة ولكنه قابل للعلاج، يُفضل الحساسية العالية لتجنب فقدان الحالات، حتى على حساب المزيد من الإيجابيات الكاذبة. على العكس، بالنسبة لمرض علاجاته ضارة، يُفضل النوعية العالية لتجنب تعريض الأصحاء لآثار جانبية غير ضرورية.

يعتمد التفسير على السيناريو السريري. بالنسبة لاختبار حساسيته 95% ونوعيته 90%، فهذا يعني أنه من بين 100 شخص مصابين بالمرض، ستكون نتيجة 95 منهم إيجابية (إيجابيات حقيقية) و5 سلبية (سلبيات كاذبة). من بين 100 شخص غير مصابين، ستكون نتيجة 90 سلبية (سلبيات حقيقية) و10 إيجابية (إيجابيات كاذبة). الآثار: النتيجة السلبية مطمئنة لأن معدل السلبيات الكاذبة منخفض (5%)، لكن النتيجة الإيجابية تتطلب الحذر لأن 10% من الأفراد الأصحاء تظهر نتائجهم إيجابية. لذلك، تصبح القيم التنبؤية (PPV و NPV) مهمة، لأنها تتضمن نسبة انتشار المرض. على سبيل المثال، إذا كان انتشار المرض 10%، فمن بين 1000 شخص، 100 مصاب و900 غير مصاب. باستخدام الاختبار: TP=95، FN=5، TN=810، FP=90. إذن PPV = 95/(95+90)=51.3% و NPV = 810/(810+5)=99.4%. لذا، النتيجة الإيجابية صحيحة بنسبة 50% فقط، لكن النتيجة السلبية موثوقة بدرجة كبيرة. وبالتالي، الحساسية والنوعية وحدهما لا يكفيان؛ أنت بحاجة إلى الانتشار لفهم الأداء الفعلي للاختبار في مجتمعك. في بيئات الانتشار المنخفض، حتى الحساسية والنوعية العالية يمكن أن تعطيا PPV منخفضة. على العكس، في بيئات الانتشار المرتفع، يمكن أن يكون PPV مرتفعاً حتى مع نوعية معتدلة.

الحساسية والنوعية هما خاصيتان جوهريتان للاختبار نفسه - لا تعتمدان على انتشار المرض. في المقابل، القيمة التنبؤية الإيجابية (PPV = TP/(TP+FP)) والقيمة التنبؤية السلبية (NPV = TN/(TN+FN)) تتأثران بالانتشار. على سبيل المثال، بالنسبة لاختبار معين بحساسية ونوعية ثابتتين، مع زيادة الانتشار، يزداد PPV ويقل NPV. الدقة (الصحة الإجمالية = (TP+TN)/(TP+FP+FN+TN)) تعتمد أيضاً على الانتشار لأنها متوسط مرجح للحساسية والنوعية. علاقة مهمة أخرى: الحساسية والنوعية مرتبطتان بنسب الاحتمال: نسبة الاحتمال الإيجابية (LR+) = الحساسية/(1-النوعية)، ونسبة الاحتمال السلبية (LR-) = (1-الحساسية)/النوعية. تجمع هذه النسب بين كلا المقياسين وتستخدم في التحديث البايزي لحساب الاحتمالات بعد الاختبار. بالإضافة إلى ذلك، مؤشر يودن (الحساسية + النوعية - 1) يلخص قدرة الاختبار على التمييز بين المرضى وغير المرضى، وغالباً ما يستخدم لإيجاد حد قطع أمثل. أخيراً، منحنى خاصية تشغيل المستقبل (ROC) يرسم الحساسية مقابل 1-النوعية عند عتبات مختلفة، والمساحة تحت المنحنى (AUC) هي مقياس عالمي لدقة الاختبار. وبالتالي، الحساسية والنوعية هما اللبنات الأساسية للعديد من مقاييس الأداء التشخيصي الأخرى.

نعم، من الممكن أن يكون للاختبار حساسية ونوعية عاليتين معاً، ويشار إليه غالباً بالاختبار 'المثالي' أو 'الممتاز'. ومع ذلك، من الناحية العملية، توجد عادة علاقة عكسية بسبب التداخل بين توزيعات نتائج الاختبار في المجموعات المريضة وغير المريضة. على سبيل المثال، إذا كان الاختبار يقيس مؤشراً حيوياً مستمراً (مثل سكر الدم لمرض السكري)، سيكون هناك نطاق تتداخل فيه القيم بين مرضى السكري وغيرهم. اختيار حد قطع يقلل من السلبيات الكاذبة (حساسية عالية) سيؤدي حتماً إلى زيادة الإيجابيات الكاذبة (نوعية أقل). على العكس، اختيار حد قطع يقلل من الإيجابيات الكاذبة (نوعية عالية) سيزيد من السلبيات الكاذبة (حساسية أقل). يوجد اختبار بحساسية مثالية (100%) ونوعية مثالية (100%) فقط إذا كانت التوزيعات منفصلة تماماً دون تداخل، وهو أمر نادر في علم الأحياء. بعض الاختبارات، مثل الاختبارات الجينية لطفرات معينة، يمكن أن تقترب من الأداء شبه المثالي. ومع ذلك، حتى في هذه الحالة، عوامل مثل معالجة العينات والخطأ البشري والمتغيرات النادرة يمكن أن تسبب عيوباً. من الناحية العملية، يحقق التشخيص الحديث غالباً حساسية ونوعية أعلى من 95% للأمراض المعروفة جيداً، لكن المفاضلة لا تزال قائمة. المساحة تحت منحنى ROC (AUC) تحدد هذا: AUC يساوي 1 يشير إلى تمييز مثالي، لكن معظم الاختبارات لها AUC بين 0.7 و 0.95.

الحساسية والنوعية

أدخل القيم

خطوات الاستخدام

أمثلة محلولة

أمثلة محسوبة

الأسئلة الشائعة

أدخل القيم

خطوات الاستخدام

1تم تقييم اختبار سريع لكوفيد-19 على 1000 مريض. أظهرت النتائج: TP = 150، FN = 10، TN = 800، FP = 40. احسب الحساسية والنوعية. ماذا تشير هذه القيم؟

أمثلة محسوبة

الأسئلة الشائعة