Вероятность до и после тестирования

Вероятность до теста и вероятность после теста (также называемые вероятностью до и после теста) — это вероятности наличия состояния (например, заболевания ) до и после диагностического теста соответственно. Посттестовая вероятность , в свою очередь, может быть положительной или отрицательной , в зависимости от того, выпадает тест как положительный или отрицательный тест соответственно. В некоторых случаях он используется для определения вероятности развития интересующего состояния в будущем.

Тест в этом смысле может относиться к любому медицинскому тесту (но обычно в смысле диагностических тестов), а в широком смысле также включать вопросы и даже предположения (например, предположение, что целевой человек — женщина или мужчина). Способность различать вероятности различных состояний до и после тестирования является основным фактором при назначении медицинских тестов .

Предтестовая вероятность

Предтестовая вероятность индивидуума может быть выбрана как одна из следующих:

• Распространенность заболевания, которую , возможно, придется выбрать, если для человека не известны другие характеристики, или ее можно выбрать для простоты расчета, даже если известны другие характеристики, хотя такое упущение может привести к неточным результатам.
• Посттестовая вероятность состояния, возникшего в результате одного или нескольких предыдущих тестов.
• Грубая оценка, которую, возможно, придется выбрать, если более систематические подходы невозможны или неэффективны.

Оценка вероятности после тестирования

В клинической практике посттестовые вероятности часто просто оцениваются или даже предполагаются. Обычно это приемлемо при обнаружении патогномоничного признака или симптома, и в этом случае почти наверняка присутствует целевое состояние; или при отсутствии необходимого признака или симптома, и в этом случае почти наверняка целевое состояние отсутствует.

В действительности, однако, субъективная вероятность наличия заболевания никогда не равна точно 0 или 100%. Тем не менее, существует несколько систематических методов оценки этой вероятности. Такие методы обычно основаны на предварительном проведении теста на референтной группе , в которой наличие или отсутствие заболевания известно (или, по крайней мере, оценивается с помощью другого теста, который считается высокоточным, например, по « Золотому стандарту »), в с целью установления данных о выполнении испытаний. Эти данные впоследствии используются для интерпретации результатов теста любого человека, протестированного с помощью этого метода. Альтернативой или дополнением к методам, основанным на референтных группах, является сравнение результатов теста с предыдущим тестом на том же человеке, что чаще встречается в тестах для мониторинга .

Наиболее важные систематические референтных групп методы оценки вероятности после тестирования, основанные на использовании , включают те, которые обобщены и сопоставлены в следующей таблице, а также описаны в отдельных разделах ниже.

Метод	Установление данных о производительности	Метод индивидуальной интерпретации	Способность точно интерпретировать последующие тесты	Дополнительные преимущества
По прогнозным значениям	Прямые отношения от референтной группы	Самый простой: прогнозируемая ценность равна вероятности.	Обычно низкий: для каждого последующего состояния предварительного тестирования требуется отдельная референтная группа.	Доступно как для двоичных , так и для непрерывных значений.
По коэффициенту правдоподобия	Получено из чувствительности и специфичности	Шансы после теста, полученные путем умножения шансов до теста на коэффициент	Теоретически безграничный	Состояние до тестирования (и, следовательно, вероятность до тестирования) не обязательно должно быть таким же, как в референтной группе.
По относительному риску	Коэффициент риска среди подвергшихся воздействию и риска среди необлученных	Вероятность до тестирования, умноженная на относительный риск	Низкий, если только последующие относительные риски не будут получены на основе того же многомерного регрессионного анализа.	Относительно интуитивно понятен в использовании
По диагностическим критериям и правилам клинического прогнозирования	Переменная, но обычно самая утомительная	Переменная	Обычно отлично для всех тестов, включенных в критерии	Обычно наиболее предпочтителен, если он доступен.

По прогнозным значениям

Прогностические значения можно использовать для оценки посттестовой вероятности индивидуума, если можно предположить, что предтестовая вероятность индивидуума примерно равна распространенности в референтной группе , в которой учитываются как результаты тестирования, так и знания о наличии или отсутствии состояние (например, заболевание, которое может быть определено « Золотым стандартом »).

Если результат теста имеет бинарную классификацию на положительные или отрицательные тесты , то можно составить следующую таблицу:

		Состояние (согласно « Золотому стандарту »)
		Позитивный	Отрицательный
Тест исход	Позитивный	Истинный Позитив	Ложное срабатывание ( ошибка I рода )	→ Положительная прогностическая ценность
	Отрицательный	Ложноотрицательный результат ( ошибка второго рода )	Истинно отрицательный	→ Отрицательная прогностическая ценность
		↓ Чувствительность	↓ Специфика	↘ Точность

Предтестовую вероятность можно рассчитать по диаграмме следующим образом:

Вероятность предварительного тестирования = (Истинно положительный + Ложноотрицательный) / Общая выборка

Кроме того, в этом случае положительная посттестовая вероятность (вероятность наличия целевого состояния, если тест окажется положительным) численно равна положительной прогностической ценности , а отрицательная посттестовая вероятность (вероятность наличия целевое состояние, если тест оказывается отрицательным) численно дополняет прогностическую ценность отрицательного результата ([вероятность отрицательного результата после теста] = 1 - [прогностическая ценность отрицательного результата]), снова предполагая, что у тестируемого человека нет каких-либо других факторов риска, которые приводят к тому, что у этого человека предтестовая вероятность отличается от референтной группы, используемой для установления положительных и отрицательных прогностических значений теста.

На диаграмме выше эта положительная вероятность после тестирования , то есть вероятность после тестирования целевого состояния при положительном результате теста, рассчитывается как:

Вероятность положительного результата после теста = Истинно положительные результаты / (Истинно положительные результаты + Ложноположительные результаты)

Сходным образом:

Посттестовая вероятность заболевания при отрицательном результате рассчитывается как:

Вероятность отрицательного результата теста = 1 - (Ложноотрицательные результаты / (Ложноотрицательные результаты + Истинноотрицательные результаты))

Достоверность приведенных выше уравнений также зависит от того, что выборка из населения не имеет существенной систематической ошибки выборки , из-за которой группы тех, кто страдает этим заболеванием, и тех, кто не является существенно непропорциональным с соответствующей распространенностью и «нераспространенностью» в популяции . По сути, приведенные выше уравнения недействительны только для исследования «случай-контроль» , в котором отдельно собирается одна группа с этим заболеванием и одна группа без него.

По коэффициенту правдоподобия

Вышеуказанные методы нецелесообразно использовать, если претестовая вероятность отличается от распространенности в референтной группе, используемой, среди прочего, для установления положительной прогностической ценности теста. Такая разница может возникнуть, если предшествовал другой тест, или лицо, участвующее в диагностике, считает, что необходимо использовать другую претестовую вероятность из-за знания, например, конкретных жалоб, других элементов истории болезни , признаков физического осмотра , либо путем расчет каждого результата как тест сам по себе со своей чувствительностью и специфичностью или, по крайней мере, грубая оценка индивидуальной вероятности перед тестом.

В этих случаях распространенность в референтной группе не совсем точно отражает предтестовую вероятность индивидуума, и, следовательно, прогностическая ценность (будь то положительная или отрицательная ) не совсем точно отражает посттестовую вероятность человек, имеющий целевое состояние.

В этих случаях вероятность после тестирования можно оценить более точно, используя отношение правдоподобия для теста. Отношение правдоподобия рассчитывается на основе чувствительности и специфичности теста и, следовательно, не зависит от распространенности в контрольной группе. и, аналогично, оно не меняется с изменением вероятности до теста , в отличие от положительных или отрицательных прогностических значений (которые могут измениться). Кроме того, по сути, достоверность посттестовой вероятности, определенной на основе отношения правдоподобия, не подвержена систематической ошибке выборки в отношении лиц с этим заболеванием и без него в популяционной выборке, и может быть проведена как исследование «случай-контроль» , в котором отдельно собираются те, у кого есть данное заболевание. с условием и без него.

Оценка вероятности после тестирования на основе вероятности до тестирования и отношения правдоподобия происходит следующим образом:

• Претестовые шансы = Претестовая вероятность / (1 – Претестовая вероятность)
• Шансы после теста = Шансы до теста * Отношение правдоподобия

В приведенном выше уравнении положительная вероятность после теста рассчитывается с использованием отношения правдоподобия положительного значения , а вероятность отрицательного результата после тестирования рассчитывается с использованием отношения правдоподобия отрицательного значения .

• Вероятность после тестирования = Шансы после тестирования / (Шансы после тестирования + 1)

Номограмма Фэгана

Зависимость также можно оценить с помощью так называемой номограммы Фэгана (показана справа), проведя прямую линию от точки заданной предтестовой вероятности до заданного отношения правдоподобия в их шкалах, что, в свою очередь, оценивает посттестовую вероятность. -вероятность теста в точке, где прямая линия пересекает свою шкалу.

Вероятность после теста, в свою очередь, может использоваться в качестве вероятности до теста для дополнительных тестов, если ее продолжать рассчитывать таким же образом.

• 
  Диаграмма, сравнивающая вероятности до и после теста, где зеленая кривая (верхняя левая половина) представляет положительный тест, а красная кривая (нижняя правая половина) представляет отрицательный тест, для случая чувствительности 90% и специфичности 90%, что соответствует положительному отношению правдоподобия 9 и отрицательному отношению правдоподобия 0,111. Длина зеленых стрелок представляет собой изменение абсолютной (а не относительной) вероятности при положительном тесте, а красные стрелки представляют изменение абсолютной вероятности при отрицательном тесте.
  По длине стрелок видно, что при низких предварительных вероятностях положительный тест дает большее изменение абсолютной вероятности, чем отрицательный тест (свойство, которое обычно справедливо до тех пор, пока специфичность не намного выше чем чувствительность). Аналогичным образом, при высоких предтестовых вероятностях отрицательный тест дает большее изменение абсолютной вероятности, чем положительный тест (свойство, которое обычно справедливо до тех пор, пока чувствительность не намного превышает специфичность).
• 
  Связь между вероятностями до и после тестирования для различных положительных значений отношения правдоподобия (верхняя левая половина) и различных отрицательных значений отношения правдоподобия (нижняя правая половина).

Можно выполнить расчет отношений правдоподобия для тестов с непрерывными значениями или более чем двумя результатами, который аналогичен расчету для дихотомических результатов. С этой целью для каждого уровня результата теста рассчитывается отдельное отношение правдоподобия, которое называется отношением правдоподобия, специфичным для интервала или слоя.

Пример

Человек был проверен с помощью теста на скрытую кровь в кале (FOB), чтобы оценить вероятность наличия у этого человека целевого состояния рака кишечника, и результат оказался положительным (кровь была обнаружена в кале). Перед тестом у этого человека предтестовая вероятность заболеть раком кишечника составляла, например, 3% (0,03), что можно было оценить путем оценки, например, истории болезни, обследования и предыдущих тестов этого человека. .

Чувствительность, специфичность и т. д. теста FOB были установлены на популяционной выборке из 203 человек (без такой наследственности) и распределились следующим образом:

		Больные раком кишечника (подтверждено эндоскопией )
		Позитивный	Отрицательный
Фекальный оккультный кровь экран тест исход	Позитивный	ТП = 2	ФП = 18	→ Положительная прогностическая ценность = ТП / (ТП + ФП) = 2 / (2 + 18) = 2 / 20 = 10%
	Отрицательный	ФН = 1	ТН = 182	→ Отрицательная прогностическая ценность = ТН / (ФН + ТН) = 182 / (1 + 182) = 182 / 183 ≈ 99.5%
		↓ Чувствительность = ТП / (ТП + ФН) = 2 / (2 + 1) = 2 / 3 ≈ 66.67%	↓ Специфика = ТН / (ФП + ТН) = 182 / (18 + 182) = 182 / 200 = 91%	↘ Точность = (ТП + ТН) / Итого = (2 + 182) / 203 = 184 / 203 = 90.64%

Исходя из этого, можно установить отношения правдоподобия теста:

1. Отношение правдоподобия положительное = чувствительность / (1 — специфичность) = 66,67% / (1 — 91%) = 7,4
2. Отношение правдоподобия отрицательное = (1 – чувствительность)/специфичность = (1 – 66,67%)/91% = 0,37

• Претестовая вероятность (в данном примере) = 0,03.
• Шансы на претест = 0,03 / (1 - 0,03) = 0,0309
• Шансы положительного посттеста = 0,0309 * 7,4 = 0,229
• Вероятность положительного результата после теста = 0,229 / (0,229 + 1) = 0,186 или 18,6%

Таким образом, у этого человека посттестовая вероятность (или «посттестовый риск») заболеть раком кишечника составляет 18,6%.

Распространенность в выборке населения рассчитывается по формуле:

• Распространенность = (2 + 1) / 203 = 0,0148 или 1,48%.

Предварительная вероятность индивидуума более чем в два раза превышала вероятность популяционной выборки, хотя индивидуальная посттестовая вероятность была менее чем в два раза выше вероятности популяционной выборки (которая оценивается по положительной прогностической ценности теста, равной 10%). , в отличие от того, к чему привел бы менее точный метод простого умножения относительных рисков.

Конкретные источники неточностей

Конкретные источники неточности при использовании отношения правдоподобия для определения вероятности после тестирования включают вмешательство в детерминанты или предыдущие тесты или перекрытие целей тестирования, как описано ниже:

Вмешательство в тест

Посттестовая вероятность , рассчитанная на основе предтестовой вероятности с отношением правдоподобия , должна применяться с осторожностью у лиц с другими детерминантами (такими как факторы риска), чем у населения в целом, а также у лиц, прошедших предыдущие тесты, поскольку такие детерминанты или тесты могут также влиять на сам тест непредсказуемым образом, все равно приводя к неточным результатам. Примером фактора риска ожирения является то, что дополнительный жир в брюшной полости может затруднить пальпацию органов брюшной полости и снизить разрешение УЗИ брюшной полости , а также остаток бариевого контраста от предыдущей рентгенографии может мешать последующим исследованиям брюшной полости. по сути, снижается чувствительность и специфичность таких последующих тестов. С другой стороны, эффект интерференции потенциально может повысить эффективность последующих тестов по сравнению с использованием в контрольной группе, например, некоторые исследования брюшной полости легче проводить у людей с недостаточным весом.

Перекрытие тестов

Кроме того, достоверность расчетов для любой предтестовой вероятности, которая сама по себе выведена из предыдущего теста, зависит от того, что два теста существенно не перекрываются в отношении тестируемого целевого параметра, например, анализы крови на вещества, принадлежащие к одному и другому тесту. тот же нарушенный метаболический путь . Примером крайнего совпадения является ситуация, когда чувствительность и специфичность были установлены для анализа крови, обнаруживающего «вещество X», а также для анализа, обнаруживающего «вещество Y». Если на самом деле «вещество X» и «вещество Y» являются одним и тем же веществом, то проведение двух последовательных тестов одного и того же вещества может вообще не иметь никакой диагностической ценности, хотя расчет, по-видимому, показывает разница. В отличие от описанного выше вмешательства, увеличение перекрытия тестов только снижает их эффективность. В медицинских учреждениях диагностическая достоверность повышается за счет комбинирования тестов разных модальностей во избежание существенного дублирования, например, при сочетании анализа крови, биопсия и рентгенография .

Методы преодоления неточности

Чтобы избежать таких источников неточностей за счет использования отношений правдоподобия, оптимальным методом было бы собрать большую референтную группу эквивалентных людей, чтобы установить отдельные прогностические значения для использования теста у таких людей. Однако, чем больше известно об истории болезни человека, физическом осмотре, предыдущих тестах и ​​т. д., этот человек становится более дифференцированным, и становится все труднее найти референтную группу для установления индивидуальных прогностических значений, что делает оценку вероятности после теста с помощью прогностических значений недействительной. .

Другой метод устранения таких неточностей — оценка результата теста в контексте диагностических критериев, как описано в следующем разделе.

По относительному риску

Вероятность после теста иногда можно оценить путем умножения вероятности до теста на относительный риск , полученный в результате теста. В клинической практике это обычно применяется при оценке истории болезни человека, где «тестом» обычно является вопрос (или даже предположение) относительно различных факторов риска, например, пола, курения табака или веса, но он может потенциально может стать серьезным испытанием, таким как помещение человека на весы . При использовании относительных рисков результирующая вероятность обычно скорее связана с развитием заболевания у человека в течение определенного периода времени (аналогично заболеваемости в популяции), а не с вероятностью наличия у человека этого заболевания в настоящем, а косвенно может быть оценкой последнего.

Использование коэффициента риска можно использовать примерно так же, как и относительного риска.

Один фактор риска

Чтобы установить относительный риск, риск в группе, подвергшейся воздействию, делится на риск в группе, не подвергавшейся воздействию.

Если принимается во внимание только один фактор риска отдельного человека, посттестовую вероятность можно оценить путем умножения относительного риска на риск в контрольной группе. Контрольная группа обычно представляет собой необлученное население, но если облучению подвергается очень небольшая часть населения, то распространенность среди населения в целом часто можно считать равной распространенности в контрольной группе. В таких случаях вероятность после тестирования можно оценить путем умножения относительного риска на риск в общей популяции.

Например, заболеваемость раком молочной железы у женщин в Соединенном Королевстве в возрасте от 55 до 59 лет оценивается в 280 случаев на 100 000 в год. а фактор риска воздействия высоких доз ионизирующего излучения на грудную клетку (например, при лечении других видов рака) обеспечивает относительный риск рака молочной железы от 2,1 до 4,0, по сравнению с неэкспонированным. Поскольку воздействию подвергается небольшая часть населения, распространенность среди необлученного населения можно принять равной распространенности среди населения в целом. Впоследствии можно подсчитать, что у женщины в Соединенном Королевстве в возрасте от 55 до 59 лет, подвергшейся воздействию высоких доз ионизирующего излучения, риск развития рака молочной железы в течение одного года должен составлять от 588 до 1,120. на 100 000 (то есть от 0,6% до 1,1%).

Множественные факторы риска

Теоретически общий риск при наличии нескольких факторов риска можно оценить путем умножения на каждый относительный риск, но, как правило, это гораздо менее точно, чем использование отношений правдоподобия, и обычно это делается только потому, что это гораздо легче выполнить, когда оцениваются только относительные риски. данных, по сравнению, например, с преобразованием исходных данных в чувствительность и специфичность и расчетом по отношениям правдоподобия. Аналогичным образом, в литературе часто приводятся относительные риски вместо отношений правдоподобия, поскольку первое более интуитивно понятно. К источникам неточности умножения относительных рисков относятся:

• На относительные риски влияет распространенность заболевания в референтной группе (в отличие от отношений правдоподобия, которые этого не делают), и эта проблема приводит к тому, что достоверность посттестовых вероятностей становится менее достоверной с увеличением разницы между распространенностью в контрольной группе. референтная группа и претестовая вероятность для любого человека. Любой известный фактор риска или предыдущий тест человека почти всегда дают такую ​​разницу, снижая обоснованность использования относительных рисков при оценке общего эффекта нескольких факторов риска или тестов. Большинство врачей не принимают во внимание такие различия в распространенности при интерпретации результатов тестов, что может вызвать ненужные тестовые и диагностические ошибки.
• Отдельным источником неточности умножения нескольких относительных рисков с учетом только положительных тестов является тенденция к переоценке общего риска по сравнению с использованием отношений правдоподобия. Такое завышение можно объяснить неспособностью метода компенсировать тот факт, что суммарный риск не может быть более 100%. Это завышение довольно мало для небольших рисков, но становится выше при более высоких значениях. Например, риск развития рака молочной железы в возрасте до 40 лет у женщин в Великобритании можно оценить в 2%. Кроме того, исследования евреев-ашкенази показали, что мутация в BRCA1 обеспечивает относительный риск развития рака молочной железы 21,6 у женщин в возрасте до 40 лет, а мутация в BRCA2 обеспечивает относительный риск развития рака молочной железы в 3,3 у женщин в возрасте до 40 лет. лет. На основании этих данных можно подсчитать, что женщина с мутацией BRCA1 будет иметь риск развития рака молочной железы примерно 40% в возрасте моложе 40 лет, а женщина с мутацией BRCA2 будет иметь риск примерно 6%. Однако в довольно маловероятной ситуации наличия мутаций как BRCA1, так и BRCA2 простое умножение на оба относительных риска приведет к более чем 140% риску развития рака молочной железы в возрасте до 40 лет, что в действительности не может быть точным. .

(Последний упомянутый) эффект переоценки можно компенсировать путем преобразования рисков в шансы и относительных рисков в отношения шансов . Однако это не компенсирует (упомянутый ранее) эффект любой разницы между претестовой вероятностью отдельного человека и распространенностью в референтной группе.

Метод компенсации обоих источников неточностей, указанных выше, заключается в установлении относительных рисков с помощью многомерного регрессионного анализа . Однако, чтобы сохранить свою достоверность, относительные риски, установленные как таковые, должны быть умножены на все другие факторы риска в том же регрессионном анализе и без какого-либо добавления других факторов, выходящих за рамки регрессионного анализа.

Кроме того, умножение нескольких относительных рисков имеет тот же риск пропустить важные совпадения включенных факторов риска, как и при использовании отношений правдоподобия. Кроме того, различные факторы риска могут действовать синергично , в результате чего, например, два фактора, каждый из которых по отдельности имеет относительный риск 2, имеют общий относительный риск 6, когда оба присутствуют, или могут подавлять друг друга, что в некоторой степени аналогично помехи, описанные для использования отношений правдоподобия.

По диагностическим критериям и правилам клинического прогнозирования

Для большинства основных заболеваний установлены диагностические критерии и/или правила клинического прогнозирования . Установление диагностических критериев или правил клинического прогнозирования состоит из комплексной оценки многих тестов, которые считаются важными для оценки вероятности интересующего состояния, иногда также включая то, как разделить его на подгруппы, а также когда и как лечить это состояние. Такое установление может включать использование прогнозных значений, отношений правдоподобия, а также относительных рисков.

Например, критерии ACR для системной красной волчанки определяют диагноз как наличие не менее 4 из 11 признаков, каждый из которых можно рассматривать как целевое значение теста со своей чувствительностью и специфичностью. В этом случае проводилась оценка тестов для этих целевых параметров при их совместном использовании в отношении, например, взаимовлияния между ними и перекрытия целевых параметров, стремясь тем самым избежать неточностей, которые в противном случае могли бы возникнуть при попытке вычислить вероятность заболевания с использованием отношений правдоподобия отдельных тестов. Следовательно, если для какого-либо состояния установлены диагностические критерии, обычно наиболее целесообразно интерпретировать любую посттестовую вероятность этого состояния в контексте этих критериев.

Кроме того, существуют инструменты оценки риска для оценки совокупного риска нескольких факторов риска, такие как онлайн-инструмент [1] из Framingham Heart Study для оценки риска развития ишемической болезни сердца с использованием нескольких факторов риска, включая возраст, пол, кровь липиды, кровяное давление и курение, что гораздо точнее, чем умножение индивидуальных относительных рисков каждого фактора риска.

Тем не менее, опытный врач может оценить послетестовую вероятность (и действия, которые она мотивирует) путем широкого рассмотрения, включая критерии и правила в дополнение к другим методам, описанным ранее, включая как индивидуальные факторы риска, так и результаты проведенных тестов. .

Клиническое использование вероятностей до и после тестирования

Клинически полезным параметром является абсолютная (а не относительная и не отрицательная) разница между вероятностью до и после теста, рассчитываемая как:

Абсолютная разница = | (вероятность до теста) - (вероятность после теста) |

Основным фактором такой абсолютной разницы является мощность самого теста, которую можно описать, например, с точки зрения чувствительности и специфичности или отношения правдоподобия. Другим фактором является предтестовая вероятность, причем более низкая предтестовая вероятность приводит к более низкой абсолютной разнице, в результате чего даже очень мощные тесты дают низкую абсолютную разницу для очень маловероятных состояний у человека (например, редких заболеваний у человека). отсутствие какого-либо другого указательного знака), но, с другой стороны, даже испытания с малой мощностью могут иметь большое значение для весьма подозрительных состояний.

Вероятности в этом смысле также необходимо рассматривать в контексте состояний, которые не являются основными целями теста, например, вероятности, относящиеся к профилю, в дифференциально-диагностической процедуре .

Абсолютную разницу можно соотнести с пользой для человека, которую приносит медицинское обследование , которую можно грубо оценить как:

$b_{n}=\Delta p\times r_{i}\times (b_{i}-h_{i})-h_{t}$, где:

• b _n — чистая выгода от проведения медицинского обследования.
• Λp — это абсолютная разница между вероятностью состояний (таких как заболевания) до и после теста, которых ожидается в результате теста.
• r _i — это показатель того, насколько вероятностные различия, как ожидается, приведут к изменениям в вмешательствах (например, к переходу от «отсутствия лечения» к «назначению низких доз медицинского лечения»).
• b _i — польза от изменений в вмешательствах для отдельного человека
• h _i — вред изменений в вмешательствах для человека, например, побочные эффекты медицинского лечения.
• h _t – вред, причиненный самим испытанием

В этой формуле то, что представляет собой польза или вред, во многом зависит от личных и культурных ценностей , но общие выводы все же можно сделать. Например, если единственный ожидаемый эффект медицинского обследования состоит в том, чтобы сделать одно заболевание более вероятным, чем другое, но эти две болезни лечатся одинаково (или ни одно из них не поддается лечению), тогда r _i = 0 и тест по существу не имеет никакого значения. польза для личности.

Дополнительные факторы, влияющие на решение о том, следует ли проводить медицинское обследование или нет, включают: стоимость исследования, наличие дополнительных тестов, потенциальное вмешательство в последующее исследование (например, пальпация живота , потенциально индуцирующая деятельность кишечника, звуки которой мешают последующей аускультации брюшной полости). ), время, затраченное на тест или другие практические или административные аспекты. Кроме того, даже если результаты не принесут пользы тестируемому человеку, они могут быть полезны для сбора статистических данных с целью улучшения медицинского обслуживания других людей.

Субъективность

Вероятности до и после тестирования являются субъективными и основаны на том факте, что в действительности у человека либо есть это заболевание, либо нет (вероятность всегда равна 100%), поэтому вероятности до и после тестирования для людей скорее можно рассматривать как как психологические явления в сознании тех, кто занимается диагностикой .

См. также

• Интерпретация диагностических тестов , включая общие источники неточностей и неточностей.