Yanlış pozitif ve yanlış negatif

Açılış sahnesi

Bir tarama merkezinin toplantı odasında laboratuvar sorumlusu tahtaya iki çan eğrisi çiziyor. Soldaki, hastalığı olmayan kişilerde bir kan belirtecinin dağılımı ve ortası 50'de; sağdaki, hastalığı olanlarda aynı belirteç ve ortası 70'te. İki eğrinin etekleri 60 civarında birbirine giriyor. Merkezin kullandığı sınır tam orada, 60'ta, ve masadaki iki kişi zıt yönde itiyor: radyoloji birimi gereksiz ileri tetkik yükünden şikâyetçi ve sınırı 65'e çekmek istiyor, onkoloji hemşiresi ise geç yakalanan hastaları hatırlatıp sınırı 55'e indirmeyi öneriyor.

İkisi de haklı ve ikisinin isteği aynı anda karşılanamaz. Sorun laboratuvarın cihazında ya da teknisyenin dikkatinde değil, tahtadaki iki eğrinin üst üste binmesinde. Bu ders o üst üste binmenin neden her testte bir takas yarattığını, takasın iki ucunun nasıl hesaplandığını ve iki hatanın neden insana aynı ağırlıkta dokunmadığını anlatıyor.

Bu derste ne olacak

Önce iki hata türünü ve onları doğuran örtüşme bölgesini tanımlayacağız. Sonra tahtadaki iki dağılımda, sınır 60 ve 65 iken her iki hatanın oranını z-puanıyla elle hesaplayacağız ve daha iyi bir testin takası neden kaldırmadığını göreceğiz. Ardından oranları bir tarama nüfusunda kişi sayısına çevirip iki hatanın bedelinin neden asimetrik olduğunu konuşacağız. Son bölümde tekrarlanan taramada yanlış pozitifin nasıl biriktiğine ve "yüzde doksan doğru" gibi tek bir sayının neden yanılttığına geleceğiz.

Sıfır noktası

Her test sonucu dört kutudan birine düşer: doğru pozitif, yanlış pozitif, doğru negatif ve yanlış negatif. Pozitif çıkanlar ilk iki kutudan, negatif çıkanlar son iki kutudan oluşur. Test sonucunu okuyan kişi yalnız "pozitif" ya da "negatif" etiketini görür; hangi kutuda olduğunu ancak başka bir bilgi söyleyebilir.

Önceki derste aşırı tanıyı konuşurken test hiç yanılmamıştı; hastalık gerçekten oradaydı ve hata bulunan şeyin geleceğine dair varsayımdaydı. Bu derste hata testin kendisinde. Yanlış pozitifte hastalık hiç yok, yanlış negatifte hastalık var ama görünmüyor. İki hatanın kaynağı da aynı yere çıkıyor.

Mekanizma

Takas kaçınılmaz

Tahtadaki iki dağılımı sayıya dökelim. Sağlıklılarda ortalama 50, hastalarda 70, ikisinde de standart sapma 10. Bir değerin kendi dağılımının ortasından kaç standart sapma uzakta olduğunu z-puanı söyler ve normal dağılım dersinde (L02-P02-M02-D04) gördüğün gibi, bir z değerinin ötesindeki pay her normal dağılımda aynıdır. Sınır 60 iken sağlıklı biri için z = (60 − 50) ÷ 10 = 1; sağlıklıların 60'ın üstünde kalan payı yaklaşık 0,16. Bu, yanlış pozitif oranıdır. Hasta biri için z = (60 − 70) ÷ 10 = −1; hastaların 60'ın altında kalan payı yine yaklaşık 0,16 ve bu da yanlış negatif oranıdır.

Şimdi radyoloji biriminin istediğini yap ve sınırı 65'e çek. Sağlıklılar için z = (65 − 50) ÷ 10 = 1,5 ve 65'in üstünde kalan pay yaklaşık 0,067'ye iniyor; yanlış pozitif oranı yarıdan fazla azaldı. Ama hastalar için z = (65 − 70) ÷ 10 = −0,5 ve 65'in altında kalan pay yaklaşık 0,31'e çıkıyor; kaçırılan hasta oranı neredeyse iki katına yükseldi. Onkoloji hemşiresinin istediği 55 sınırı bunun ayna görüntüsü: yanlış negatif 0,067'ye iner, yanlış pozitif 0,31'e çıkar.

Eşik bir kaldıraç gibi çalışıyor ve bir ucu indirmek öteki ucu kaldırıyor. Sınırı hangi yöne kaydırırsan kaydır, örtüşme bölgesinin bir parçasını bir gruptan alıp ötekine veriyorsun. İki hata oranını aynı anda küçülten bir sınır yok, çünkü iki eğrinin etekleri aynı aralığı paylaşıyor.

Bunu da hesapla gör. Daha iyi bir belirteç bulunsun ve hastalarda ortalaması 70 yerine 80 olsun, geri kalan her şey aynı kalsın. Sınır ortaya, 65'e konduğunda sağlıklılar için z = (65 − 50) ÷ 10 = 1,5, hastalar için z = (65 − 80) ÷ 10 = −1,5 ve iki hata oranı da yaklaşık 0,067'ye iner. Yeni test eskisinden açıkça iyi: 60 sınırındaki eski testin iki oranı da 0,16'ydı. Yine de iki eğrinin etekleri hâlâ 65 civarında buluşuyor ve sınırı buradan kaydırmak yine bir hatayı azaltıp ötekini büyütüyor.

Oranlardan insanlara

Oranlar bir tarama nüfusuna uygulandığında başka bir yüz gösteriyor. Kurgu bir taramaya 5.000 kişi girsin ve bunların 100'ünde hastalık olsun; 4.900 kişi sağlıklı. Sınır 60'ta sağlıklılardan 4.900 × 0,1587 ≈ 778 kişi pozitif çıkar, hastalardan 100 × 0,1587 ≈ 16 kişi kaçırılır. Oranlar eşit olduğu hâlde kişi sayıları eşit değil, çünkü sağlıklı grup hasta grubundan kırk dokuz kat büyük.

Sınır 65'e çekildiğinde yanlış pozitifler 4.900 × 0,0668 ≈ 327 kişiye iner, kaçırılan hastalar ise 100 × 0,3085 ≈ 31 kişiye çıkar. Toplantıdaki tartışmanın gerçek hâli şu: 778 − 327 = 451 kişiyi gereksiz bir tetkikten kurtarmak, 31 − 16 = 15 hastayı daha kaçırmak demek. Her fazladan kaçırılan hasta için 451 ÷ 15 ≈ 30 yanlış alarm önleniyor. Bu takasın iyi olup olmadığını hesap söyleyemez; söyleyebilecek olan, iki hatanın bedelidir.

Bedel asimetrik

Eşiğin nereye konacağı istatistiksel değil klinik bir karardır, çünkü iki hatanın bedeli genellikle eşit değildir. Kaçırılan hastalık hızla ilerliyorsa, erken tedaviyle durdurulabiliyorsa ve gecikme geri dönüşsüzse, bir yanlış negatifin bedeli çok yüksektir ve eşik aşağı çekilir. Bu mantıkta belirleyici olan hastalığın olasılığı değil, kaçırılmasının bedelidir: olasılığı düşük ama kaçırılması ölümcül bir tanı, olasılığı yüksek ama zararsız bir tanıdan daha çok dikkat ister.

Ters durumda doğrulayıcı işlem invaziv ve riskliyse, damgalayıcıysa ya da gereksiz tedaviye yol açıyorsa, yanlış pozitifin bedeli ağırlaşır ve eşik yukarı çekilir. Bu yüzden aynı test farklı ortamlarda farklı eşikle kullanılır. Acil serviste öncelik kaçırmamaktır; binlerce belirtisiz kişiye uygulanan bir taramada ise önceki hesabın gösterdiği gibi yanlış pozitifler kişi sayısında hızla büyür ve gereksiz işlem üretmemek öne çıkar.

Bu yapı takası ortadan kaldırmıyor, onu iki adıma bölüyor. İlk basamakta eşik düşük tutulur ve kaçırma azaltılır; doğan yanlış pozitif kalabalığı ikinci basamakta, başka bir ölçüme dayanan ve farklı bir örtüşme bölgesi taşıyan bir testle süzülür. Bedel ortadan kalkmaz; yalnız, ilk basamakta pozitif çıkan herkesin ikinci bir tetkikten geçmesi biçimine bürünür.

Yanlış pozitifin gerçek maliyeti

Yanlış pozitif çoğu zaman "sonra düzeltilir" diye hafife alınır, oysa düzeltme kendisi bir yoldur ve o yolun her adımı bir bedel taşır. Her doğrulama testinin kendi hata payı vardır ve kendi yeni bulgusunu üretebilir; bir tetkik zinciri böyle uzar. Doğrulama bazen biyopsi ya da başka bir girişim gerektirir ve bunların komplikasyon riski gerçektir. Sınır 60'taki 778 kişinin her biri bu yolun en azından ilk adımını yürür.

Bedel bedende kalmıyor. Sonuç sonunda normal çıksa bile endişenin bir süre sürdüğü bildirilmiştir ve bir kez "şüpheli" olarak işaretlenen kişi sonraki yıllarda daha sık tetkik edilebilir. Yanlış alarm, kapandıktan sonra da kişinin sağlık öyküsünde bir iz bırakır.

Kümülatif yanlış pozitif

Tek bir turda küçük görünen bir yanlış pozitif oranı, tarama yıllarca tekrarlandığında birikir. Sınır 65'teki kurgu testte bir sağlıklı kişinin tek turda yanlış alarm alma olasılığı yaklaşık 0,07; yani bir turu alarmsız geçme olasılığı 0,93. Her yıl yinelenen on turun hepsini alarmsız geçme olasılığı 0,93¹⁰ ≈ 0,48 ve en az bir kez yanlış alarm alma olasılığı 1 − 0,48 = 0,52. Tek turda yüzde yedi olan risk, on yılın sonunda sağlıklı katılımcıların yarısından fazlasına dokunuyor.

Bu yüzden bir taramanın zararını değerlendirirken tek tura değil programın bütününe bakmak gerekiyor. Bilgilendirme metinleri çoğunlukla tek tur oranını verir; oysa katılımcının asıl sorusu "bu yıl" değil, "yıllar boyunca bana ne olacak" sorusudur.

"Yüzde doksan doğru" neden anlamsız

"Doğruluk" tek bir sayıya indirildiğinde iki hatayı birbirine karıştırır ve daha kötüsü, hastalığın yaygınlığına bağlanır. 5.000 kişilik kurgu taramada sınır 65 iken doğru sınıflananlar, 4.900 − 327 = 4.573 doğru negatif ile 100 − 31 = 69 doğru pozitifin toplamı, yani 4.642 kişi. Doğruluk 4.642 ÷ 5.000 ≈ 0,93 ve kulağa iyi geliyor.

Şimdi hiçbir şey ölçmeyen, herkese "negatif" diyen bir "test" düşün. Bu test 4.900 sağlıklının hepsini doğru sınıflar ve 100 hastanın hepsini kaçırır; doğruluğu 4.900 ÷ 5.000 = 0,98. Tek bir hastayı bile bulamayan test, gerçek testten daha "doğru" görünüyor. Bu yüzden test performansı tek sayıyla değil, iki ayrı ölçüyle bildirilir: hastaları yakalama başarısı ve sağlıklıları eleme başarısı. Sonraki modül tam olarak bu iki ölçüyü kuruyor.

Klinik gerçeklik

Bir test sonucu elindeyken önce hangi eşikle "pozitif" ya da "negatif" dendiğini ve o eşiğin hangi amaçla seçildiğini sor. Kaçırmamak için düşük tutulmuş bir eşikte pozitif sonuç, çoğunlukla bir doğrulama davetidir; yanlış alarmı azaltmak için yükseltilmiş bir eşikte negatif sonuç ise hastalığı dışlamaya yetmeyebilir. Belirtiler sürüyorsa negatif bir tarama sonucu, yeniden değerlendirmenin önünde bir engel değildir.

Bir tarama programı hakkında bilgi verirken de iki hatayı ayrı ayrı ve kişi sayısıyla söylemek, oranı söylemekten daha dürüst. "Yanlış pozitif oranı yüzde yedi" demek ile "sağlıklı her yüz kişiden yedisi ek tetkike çağrılacak, on yılda yarısından fazlası en az bir kez" demek aynı bilgidir; ama yalnız ikincisi katılımcının neye girdiğini anlamasını sağlar.

Kendini sına

1. Dört sonuç kutusunu say. Hangi ikisi pozitif çıkanları oluşturur?
2. Örtüşme bölgesi nedir ve neden hatasız test imkânsız?
3. Sağlıklılarda ortalama 50, hastalarda 70, standart sapma ikisinde de 10. Sınır 55 iken iki hata oranını z-puanıyla hesapla.
4. Hastaların ortalaması 80'e çıktığında 65 sınırında iki hata oranı nedir? Bu daha iyi test takası ortadan kaldırıyor mu?
5. 5.000 kişilik taramada 100 hasta var. Sınır 55'te kaç yanlış pozitif ve kaç yanlış negatif beklenir?
6. Eşik seçimi neden klinik bir karar? İki hatanın bedelinin asimetrik olduğu birer durum ver.
7. Tur başına yanlış pozitif olasılığı 0,07 ise beş turda en az bir yanlış alarm alma olasılığı nedir?
8. Herkese "negatif" diyen bir test neden yüksek doğruluk gösterebilir ve bu, "yüzde doksan doğru" cümlesi hakkında ne söylüyor?

Bir sonraki derse köprü

Bu derste hata testin kendisindeydi: sınır ya sağlıklıyı hasta ya hastayı sağlıklı gösterdi. Sıradaki ders test hiç yanılmadığında bile bir sayının nasıl yanıltabildiğine dönüyor, bu kez tanının konduğu anın kendisine. Orada tanıyı erkene almanın sağkalım süresini nasıl şişirdiğini ayrıntılı açacak, sonuçları tanı anından değil sabit bir takvim döneminden saymanın bu şişmeyi neden yapısal olarak kaldırdığını ve tanı araçları inceldikçe her evrenin sağkalımı iyileşirken toplamın neden yerinde durabildiğini göreceksin.