Калькулятор посттестовой вероятности
Рассчитайте посттестовую вероятность по теореме Байеса
Введите априорную вероятность, чувствительность теста и специфичность теста (все в процентах), чтобы вычислить посттестовые вероятности, PPV, NPV и отношения правдоподобия.
Калькулятор посттестовой вероятности
Рассчитайте посттестовую вероятность по теореме Байеса
О калькуляторе посттестовой вероятности
Посттестовая вероятность — это пересмотренная вероятность того, что у пациента есть заболевание после получения результата диагностического теста. Она рассчитывается по теореме Байеса, которая формально обновляет представления в свете новых данных. Этот калькулятор реализует базовую структуру диагностической точности, используемую в доказательной медицине, клинической поддержке принятия решений и медицинском образовании.
Требуются три входа: (1) априорная вероятность — дотестовая вероятность заболевания или распространённость до тестирования; (2) чувствительность — истинно положительная доля, то есть вероятность положительного теста при наличии заболевания; и (3) специфичность — истинно отрицательная доля, то есть вероятность отрицательного теста при отсутствии заболевания.
Для положительного результата посттестовая вероятность равна положительной прогностической ценности (PPV), которая вычисляется так: PPV = (чувствительность × априорная) / (чувствительность × априорная + (1−специфичность) × (1−априорная)). Для отрицательного результата вероятность заболевания равна 1 − NPV, где NPV = (специфичность × (1−априорная)) / (специфичность × (1−априорная) + (1−чувствительность) × априорная).
Отношения правдоподобия (LR) дают ещё один способ обновлять вероятности. LR+ = чувствительность / (1−специфичность) показывает, насколько положительный результат увеличивает шансы заболевания. LR− = (1−чувствительность) / специфичность показывает, насколько отрицательный результат уменьшает шансы. Практическое правило: LR+ выше 10 или LR− ниже 0.1 означает диагностически очень сильный тест.
Один из самых неинтуитивных результатов в медицинской статистике — эффект базовой частоты: даже очень точный тест может иметь низкий PPV, если заболевание редкое. Например, тест с чувствительностью 99% и специфичностью 99% для заболевания с распространённостью 0.1% имеет PPV лишь около 9%. Это означает, что 91% положительных результатов — ложноположительные, что критически важно для программ популяционного скрининга.
Этот калькулятор полезен клиницистам, интерпретирующим диагностические тесты, исследователям, разрабатывающим скрининговые протоколы, студентам-медикам, изучающим байесовское мышление, и эпидемиологам, оценивающим эффективность тестов при разных уровнях распространённости.
Всегда помните, что априорную вероятность следует оценивать по лучшим доступным данным: опубликованной распространённости, клиническому анамнезу, данным физикального осмотра и факторам риска пациента. Качество вашей посттестовой оценки напрямую зависит от точности априорной оценки и валидности опубликованных значений чувствительности и специфичности теста.
Примеры
Эти примеры показывают, как распространённость заболевания и точность теста влияют на посттестовую вероятность.
| Априорная, чувствительность, специфичность | Посттест. вер. (+) | Сценарий |
|---|---|---|
| Априорная=20%, Чувств=85%, Спец=80% | PPV ≈ 51.5% | Скрининг частого состояния |
| Априорная=0.1%, Чувств=99%, Спец=99% | PPV ≈ 9.0% | Редкое заболевание — игнорирование базовой частоты |
| Априорная=5%, Чувств=99.5%, Спец=85% | PPV ≈ 25.8% | Высокочувствительный скрининговый тест |
| Априорная=15%, Чувств=80%, Спец=99.8% | PPV ≈ 98.8% | Высокоспецифичный подтверждающий тест |
Как пользоваться этим калькулятором
- Введите априорную (дотестовую) вероятность в процентах — это может быть распространённость или ваша исходная оценка вероятности заболевания до теста.
- Введите чувствительность теста (истинно положительную долю) в процентах — как часто тест положителен при наличии заболевания.
- Введите специфичность теста (истинно отрицательную долю) в процентах — как часто тест отрицателен при отсутствии заболевания.
- Нажмите «Рассчитать», чтобы увидеть посттестовые вероятности после положительного и отрицательного результата, а также PPV, NPV и отношения правдоподобия.
- Используйте кнопки быстрой загрузки, чтобы изучить реальные клинические сценарии и увидеть, как распространённость влияет на интерпретацию теста.
Часто задаваемые вопросы
Что такое посттестовая вероятность?
Посттестовая вероятность — это вероятность того, что заболевание присутствует при данном результате диагностического теста. Она выводится из теоремы Байеса и объединяет априорную вероятность (распространённость или дотестовую вероятность) с чувствительностью и специфичностью теста. Положительный тест повышает вероятность, отрицательный — снижает.
В чём разница между чувствительностью и специфичностью?
Чувствительность (истинно положительная доля) измеряет долю людей с заболеванием, у которых тест положителен: TP / (TP + FN). Специфичность (истинно отрицательная доля) измеряет долю людей без заболевания, у которых тест отрицателен: TN / (TN + FP). Высокая чувствительность уменьшает число пропущенных случаев; высокая специфичность уменьшает ложные тревоги.
Что такое PPV и почему он зависит от распространённости?
Положительная прогностическая ценность (PPV) — это вероятность того, что человек с положительным тестом действительно имеет заболевание. Она зависит и от точности теста, и от распространённости болезни. Даже при 99% точности теста PPV может быть низким для редких болезней — это явление известно как парадокс ложноположительных результатов или игнорирование базовой частоты. Поэтому понимание априорной вероятности критически важно в диагностической медицине.
Что такое отношения правдоподобия и как ими пользоваться?
Положительное отношение правдоподобия (LR+) = чувствительность / (1−специфичность) показывает, насколько положительный результат увеличивает шансы болезни. LR− = (1−чувствительность) / специфичность показывает, насколько отрицательный результат уменьшает шансы. Практическое правило: LR+ > 10 или LR− < 0.1 дают большие, клинически значимые изменения вероятности.
Почему очень точный тест может дать низкую посттестовую вероятность?
Когда распространённость заболевания (априорная вероятность) очень низкая, даже очень точный тест даёт много ложноположительных результатов по сравнению с истинно положительными. Например, тест с точностью 99% для заболевания с распространённостью 0.1% имеет PPV лишь около 9% — 91% положительных результатов являются ложноположительными. Поэтому массовый скрининг редких заболеваний должен быть тщательно спроектирован.
В чём разница между PPV и посттестовой вероятностью после положительного результата?
Для простого теста с двумя исходами (положительный/отрицательный) PPV и посттестовая вероятность после положительного результата — это одно и то же значение. Оба описывают P(заболевание | положительный тест). Термин «посттестовая вероятность» — более общий байесовский язык, используемый в клиническом принятии решений, а PPV — эпидемиологический термин, применяемый в исследованиях валидации тестов.