Pozitif öngörü değeri

Açılış sahnesi

Bir hastanenin üç aylık kalite toplantısında bir slayt açılıyor. Yeni bir hızlı testin sonuçları özetlenmiş ve en büyük puntoyla şu cümle yazılmış: "Pozitif sonuçlarımızın yüzde 75'i doğrulandı." Salondakiler rahatlıyor; pozitif çıkan dört hastadan üçü gerçekten hasta demek bu. Ama slaytın altındaki küçük tabloda pozitif çıkan kişi sayısı 171, doğrulanan hasta sayısı 75 yazıyor. 75 ÷ 171 ≈ 0,44; yani pozitif çıkanların yarısından azı hasta.

Yüzde 75 nereden geldi? Slaytı hazırlayan kişi 75'i pozitif çıkanlara değil, gruptaki bütün hastalara, yani 100'e bölmüş. Bu bir bölme hatası değil, bir payda hatası: sayı doğru hesaplanmış ama yanlış soruya cevap veriyor. Testi yaptıran bir kişinin sorduğu soru "hastalar arasında test ne diyor?" değil, "test pozitif dediyse ben hasta mıyım?" sorusudur. Bu ders o ikinci sorunun paydasıyla ilgili.

Bu derste ne olacak

Önce pozitif öngörü değerini tanımlayacak ve açılıştaki tabloyu dört hücresiyle kuracağız; duyarlılığı sütun boyunca, pozitif öngörü değerini satır boyunca aynı tablodan okuyacaksın. Sonra aynı testi yaygınlığı çok farklı iki grupta çalıştıracağız ve sezgiye ters bir sonuç çıkacak. Ardından yaygınlığın, tek bir kişi için ön test olasılığı olduğunu göreceksin. Son bölüm bunun klinikteki üç sonucuna ayrılıyor: taramada doğrulama, hedefsiz paneller ve testten önce gelen öykü.

Sıfır noktası

Açılıştaki tablonun kurgu sayılarıyla dört hücreyi doldur. Grupta 2.500 kişi var ve bunların 100'ü hasta, yani yaygınlık 100 ÷ 2.500 = 0,04. Testin duyarlılığı 0,75 olsun: 100 hastanın 75'i pozitif çıkıyor (doğru pozitif), 25'i negatif (yanlış negatif). Özgüllük 0,96 olsun: 2.400 sağlıklı kişinin 2.400 × 0,04 = 96'sı yanlış pozitif, geri kalan 2.304'ü doğru negatif. Tablonun üst satırında böylece 75 doğru pozitif ve 96 yanlış pozitif, toplam 171 pozitif sonuç duruyor.

Şimdi aynı tabloyu iki yönde oku. Duyarlılık hasta sütununda aşağı doğru okunur: 75 ÷ (75 + 25) = 0,75, paydası hastalardır. Pozitif öngörü değeri ise pozitif satırında yana doğru okunur: 75 ÷ (75 + 96) ≈ 0,44, paydası pozitif çıkanlardır. İki sayının payı aynı kişiler, 75 doğru pozitif; farkı yaratan tek şey paydanın kimlerden oluştuğu. Açılıştaki slayt sütunun paydasını satırın sorusuna yapıştırmıştı.

Mekanizma

Paydayı yanlış seçmenin bedeli

Slaytın yanlış cümlesi bir sayı hatası olarak kalmaz, bir kişiye söylenen bir cümleye dönüşür. Pozitif çıkan 171 kişinin her birine "yüzde 75 ihtimalle hastasın" denirse, bunların 96'sı aslında sağlıklıdır ve 96 ÷ 171 ≈ 0,56 oranında, yani yarıdan fazlasında, söylenen cümle yanlış bir korku üretir. Aynı tablodan üçüncü bir yanlış payda da seçilebilir: 75'i bütün gruba bölmek 75 ÷ 2.500 = 0,03 verir. Bu, "taranan her yüz kişiden üçü doğru pozitif çıktı" demektir ve pozitif sonucu alan birinin sorusuyla hiçbir ilgisi yoktur.

Üç sayı da aynı paydan, aynı 75 kişiden hesaplandı ve üçü de aritmetik olarak doğru. Hangisinin anlamlı olduğunu soru belirler. "Test hastaları ne kadar yakalıyor?" sorusunun paydası hastalardır; "pozitif sonuç ne kadar güvenilir?" sorusunun paydası pozitif çıkanlardır. Bir oranı okurken önce paydasını adlandırman, bu modülün bütün hesaplarının ön koşulu.

Yaygınlık satıra nasıl giriyor

Sütun ölçüleri, duyarlılık ve özgüllük, yalnız hastaların ya da yalnız sağlıklıların içinde hesaplanır; gruptaki hasta sayısı değişse de oran aynı kalır. Satır ise iki sütundan gelen kişileri birlikte içerir. Üst satırdaki doğru pozitiflerin kaç kişi olacağı hasta sayısına, yanlış pozitiflerin kaç kişi olacağı sağlıklı sayısına bağlıdır. Bu yüzden yön sütundan satıra döndüğü anda hastalığın yaygınlığı hesaba girer.

Bunu çok iyi bir testle, iki uç grupta gör; sayılar hesabı göstermek için kurgudur. Test duyarlılığı da özgüllüğü de 0,99 olan bir test olsun. Hastalığın yüzde on yaygın olduğu on bin kişilik bir grupta bin hasta vardır: 1.000 × 0,99 = 990 doğru pozitif, 9.000 × 0,01 = 90 yanlış pozitif, pozitif öngörü değeri 990 ÷ 1.080 ≈ 0,92. Aynı test hastalığın binde bir görüldüğü on bin kişide on hastayla karşılaşır: 10 doğru pozitif, 9.990 × 0,01 ≈ 100 yanlış pozitif, pozitif öngörü değeri 10 ÷ 110 ≈ 0,09.

Aynı duyarlılık, aynı özgüllük; bir grupta pozitif sonucun onda dokuzu, ötekinde onda biri gerçek. Sezginin yanıldığı yer sağlıklı kütlenin büyüklüğü. Nadir bir hastalıkta sağlıklı sayısı o kadar büyüktür ki, yüzde birlik bir yanlış pozitif oranı bile yüz kişilik bir yanlış alarm yığını üretir ve on gerçek hastayı gölgede bırakır. Tanısal test nedir dersinde sezgi olarak söylenen cümlenin, hastalık nadirse pozitiflerin çoğunun yanlış pozitif olduğunun, aritmetiği bu.

Açılıştaki slaytın hatası ile bu yanılgı aynı kökten geliyor. İkisinde de bir sütun sayısı, yani testin hastalar ya da sağlıklılar içindeki başarısı, bir satır sorusuna cevap olarak sunuluyor. Fark şu ki taban oranı yanılgısında payda hatasına bir de yaygınlığın unutulması ekleniyor; yaygınlık ne kadar düşükse iki sayı arasındaki uçurum o kadar büyüyor.

Ön test olasılığı ve yaygınlık

Tanısal test nedir dersi (L01-P05-M01-D02) ön test olasılığını, test yapılmadan önce o kişide hastalığın bulunma olasılığı olarak tanımlamıştı. Hesaptaki karşılığı artık görünüyor: pozitif öngörü değerini hesaplarken kullandığın yaygınlık, tek bir kişiye indirildiğinde o kişinin ön test olasılığıdır. Nüfus düzeyinde "yaygınlık", bireysel düzeyde "ön test olasılığı" denen şey aynı sayının iki adıdır ve ikisi de test sonrası olasılığı belirler.

Bu yüzden aynı test belirtisiz bir kişide pozitif çıktığında zayıf, belirtili ve risk grubundaki bir kişide pozitif çıktığında güçlü bir kanıttır. Değişen testin performansı değil, satıra giren iki sütunun büyüklük oranıdır. Kişinin öyküsü ve muayenesi, onu hangi gruba yerleştireceğini belirler.

X rozeti iddianın yanlış olduğunu söylüyor ve gerekçesi yukarıdaki iki grupta zaten görüldü: aynı test 0,92 ile 0,09 arasında gidip geldi. Bir makalede okuduğun pozitif öngörü değeri, o makalenin hasta grubunun yaygınlığını içinde taşır. Kendi ortamında kullanmak istiyorsan duyarlılık ve özgüllüğü alıp tabloyu kendi yaygınlığınla yeniden kurman gerekir.

Klinikteki üç sonuç

Birinci sonuç taramayla ilgili. Tarama nüfusunda yaygınlık düşük olduğu için pozitif öngörü değeri de düşüktür; bu yüzden ciddi bir tarama programı tek bir pozitif sonuçla tanı koymaz. Doğrulama basamağı bir ek önlem değil, programın yapısının bir parçasıdır.

İkinci sonuç hedefsiz panellerle ilgili. Tanısal test nedir dersi hedefsiz geniş panellerin belirtili hastalarda tanıyı hızlandırdığı iddiasını X rozetiyle işaretlemişti; bu dersin aritmetiği o rozetin gerekçesini veriyor. Belirtisiz birinde onlarca test istendiğinde her birinin ön test olasılığı düşüktür, çıkan pozitiflerin çoğu yanlıştır ve her biri yeni bir tetkik zinciri başlatabilir.

Üçüncü sonuç, öykünün testten önce gelmesidir. Aynı ders test istemeyi beş adımlı bir sıraya koymuştu: olası tanıların listesi, her biri için ön test olasılığı, testin neyi değiştireceği, test ve sonucun yorumu. Test o sırada dördüncü basamakta durur ve öncesindeki basamaklar pozitif öngörü değerini fiilen belirler.

Kartın söylediği şey dikkatle okunmalı. Klinik muhakeme testin kendisini daha iyi hâle getirmez; duyarlılık ve özgüllük aynı kalır. Değiştirdiği şey, testin uygulandığı grubun yaygınlığı, dolayısıyla pozitif satırın bileşimidir ve sonuç bu yüzden daha anlamlı hâle gelir.

Kartın notundaki iki etkiden birincisi bu dersin konusu, düşük ön test olasılığında düşük pozitif öngörü değeri. İkincisi, çok sayıda test istendiğinde yalnız rastlantıyla anormal sonuç çıkması, bu programın üçüncü modülünde ayrıca hesaplanıyor.

Klinik gerçeklik

Pozitif bir sonuç karşısında ilk soru "bu test ne kadar iyi?" değil, "bu testi yaptırmadan önce bende bu hastalığın olma ihtimali ne kadardı?" sorusudur. Cevap düşükse pozitif sonuç bir başlangıçtır ve doğrulama gerekir; cevap yüksekse aynı sonuç çok daha fazla ağırlık taşır. Bir rapor ya da slayt sana bir yüzde veriyorsa, önce paydasının kimler olduğunu sor: hastalar mı, pozitif çıkanlar mı, yoksa bütün grup mu? Açılıştaki toplantıda bu tek soru, yüzde 75 ile yüzde 44 arasındaki farkı ortaya çıkarırdı.

Kendini sına

1. Pozitif öngörü değerinin paydası nedir? Duyarlılığın paydasından hangi yönde farklıdır?
2. Açılıştaki tabloda duyarlılığı sütundan, pozitif öngörü değerini satırdan hesapla. Payları neden aynı?
3. Aynı tablodan üç farklı payda seç ve her birinin hangi soruya cevap verdiğini yaz.
4. Duyarlılığı 0,75, özgüllüğü 0,96 olan testi, on bin kişide yüz hastanın bulunduğu bir grupta çalıştır. Pozitif öngörü değeri kaç çıkar?
5. Nadir bir hastalıkta yanlış pozitifler neden doğru pozitiflerden fazla çıkabiliyor?
6. Ön test olasılığı ile yaygınlık arasındaki ilişkiyi açıkla.
7. Üç kanıt kartının rozetlerini gerekçeleriyle yaz. İki X rozeti neyi reddediyor?
8. "Klinik muhakeme testi daha iyi yapmaz, sonucunu daha anlamlı kılar" cümlesini tablo diliyle aç.

Bir sonraki derse köprü

Bu derste tablonun yalnız üst satırını okudun. Sıradaki ders alt satıra, test negatif çıkanlara iniyor ve orada paydası negatif çıkanlar olan ikiz bir ölçü tanımlanıyor. O ölçü de bir satır ölçüsü olduğu için yaygınlığa bağlı, ama bağlılığın yönü tersine dönüyor. Nadir bir hastalıkta çok yüksek çıkan bir sayının neden testin başarısını göstermeyebileceğini orada göreceksin.