Negatif öngörü değeri

Açılış sahnesi

Bir önceki dersteki nadir hastalık senaryosuna geri dön. On bin kişi, hastalık binde bir, yani on hasta; duyarlılığı da özgüllüğü de 0,99 olan bir test. Orada pozitif çıkan 110 kişinin yalnız 10'u hastaydı ve pozitif öngörü değeri yaklaşık yüzde dokuzdu. Pozitif sonuç, onda dokuz ihtimalle yanlış bir alarmdı.

Şimdi aynı on bin kişide tablonun alt satırına bak. Sağlıklı 9.990 kişiden yaklaşık 100'ü yanlış pozitif çıktığı için geriye 9.990 − 100 = 9.890 negatif sonuç kalır ve on hastanın ancak 10 × 0,01 = 0,1'i, yani pratikte hiçbiri, bunların arasına karışır. Negatif çıkanların neredeyse tamamı gerçekten sağlıklı; oran yüzde 99,9'un da üstünde. Aynı test, aynı grup: bir yönde neredeyse işe yaramıyor, öteki yönde kusursuz görünüyor. Bu ders o "kusursuz" sayının nereden geldiğini soruyor.

Bu derste ne olacak

Önce negatif öngörü değerini tanımlayacak ve dört hücreli tablonun alt satırından okuyacağız. Sonra aynı testi yaygınlığı farklı iki grupta çalıştırıp bu sayının pozitif öngörü değerinin tersine hareket ettiğini hesaplayacağız. Ardından hiçbir şey ölçmeyen bir testin de nadir hastalıkta çok yüksek bir negatif öngörü değeri ürettiğini göreceksin. Son bölüm, "test temiz çıktı" cümlesinin ne zaman güvence verdiğine ve ne zaman vermediğine ayrılıyor.

Sıfır noktası

Önceki dersin açılışındaki tabloyu hatırla: 2.500 kişi, 100 hasta, duyarlılığı 0,75 ve özgüllüğü 0,96 olan bir test. Üst satırda 75 doğru pozitif ve 96 yanlış pozitif vardı. Alt satırda ise 25 yanlış negatif (testin kaçırdığı hastalar) ve 2.304 doğru negatif duruyor. Negatif öngörü değeri bu satır boyunca okunur: 2.304 ÷ (2.304 + 25) ≈ 0,989.

Pozitif öngörü değeri gibi bu da bir satır ölçüsüdür ve satır iki sütundan gelen kişileri birlikte içerir. Bu yüzden o da yaygınlığa bağlıdır, ama yönü terstir. Hastalık nadirleştikçe negatif çıkanların arasına karışabilecek hasta sayısı azalır ve oran yükselir; hastalık yaygınlaştıkça kaçırılan hastalar çoğalır ve oran düşer.

Mekanizma

Yaygınlık arttıkça alt satır

Aynı testi, yani 0,75 duyarlılık ve 0,96 özgüllüğü, bu kez belirtili hastaların başvurduğu bir polikliniğe götür; kurgu grupta bin kişinin 300'ü hasta. Hastalardan 300 × 0,75 = 225'i pozitif, 75'i negatif çıkar. Sağlıklı 700 kişiden 700 × 0,96 = 672'si doğru negatif, 28'i yanlış pozitiftir. Negatif öngörü değeri 672 ÷ (672 + 75) ≈ 0,90 olur.

Yaygınlık 0,04'ten 0,30'a çıktığında negatif öngörü değeri 0,989'dan 0,90'a indi. Aynı değişiklik üst satırı ters yöne itti: pozitif öngörü değeri 0,44'ten 225 ÷ (225 + 28) ≈ 0,89'a çıktı. Test hiç değişmedi; değişen, iki satıra giren hasta ve sağlıklı sayılarının oranıydı. İki öngörü değeri bir tahterevallinin iki ucu gibi hareket eder ve ikisini birden yükseltmenin tek yolu testin kendisini iyileştirmektir.

Yüksek sayının tuzağı

Şimdi uç bir test düşün: hiçbir şey ölçmüyor ve herkese "negatif" diyor. Açılıştaki binde bir yaygınlıkta on bin kişinin hepsi negatif çıkar ve bunların 9.990'ı gerçekten sağlıklıdır. Bu "testin" negatif öngörü değeri 9.990 ÷ 10.000 = 0,999, yani yüzde 99,9 olur. Test tek bir hastayı yakalamadı, hiçbir bilgi üretmedi, ama sayı mükemmel görünüyor.

Aynı hileyi 0,04 yaygınlıklı grupta dene. Herkese "negatif" diyen test 2.400 ÷ 2.500 = 0,96 verir; gerçek test 0,989 vermişti. İki sayı yan yana konunca gerçek testin katkısı görünür: negatif çıkan birinin hasta olma olasılığı, hiç test yapılmadan 0,04 iken, gerçek testten sonra 25 ÷ 2.329 ≈ 0,011'e iner. Testin başarısı 0,989 değil, olasılığı 0,04'ten 0,011'e indirmesidir.

Bu, pozitif öngörü değerindeki hatanın aynadaki görüntüsü. Orada nadir hastalıkta düşük bir sayı testi haksız yere kötü gösteriyordu, burada yüksek bir sayı haksız yere iyi gösteriyor. İkisinin de nedeni aynı: öngörü değerleri yalnız testin değil, testin ve uygulandığı nüfusun birlikte özelliğidir. Bir makalede "negatif öngörü değeri yüzde 99" cümlesini okuduğunda ilk sorun, o çalışmada hastalığın ne kadar yaygın olduğu olmalı.

Negatif sonuç ne zaman bilgi taşır

Negatif sonucun gerçekten çok şey söylediği durum, ön test olasılığı yüksekken alınan negatiftir. Poliklinik grubunda test yapılmadan önce hastalık olasılığı 0,30'du; negatif sonuçtan sonra 75 ÷ 747 ≈ 0,10'a indi. Bu, olasılığın üçte birine düşmesi demek ve ciddi bir bilgi. Ama aynı hesap bir şeyi daha söylüyor: negatif çıkan her on kişiden biri hâlâ hasta.

Vakanın son satırı dersin en az bilinen bulgusu. Belirtili kişinin negatif testten sonraki olasılığı, belirtisiz kişinin hiç test yapılmamış hâlinden yüksektir. "Test negatif" cümlesi iki kişiye aynı şeyi söylemiyor ve ikinciye söylediği şey "hastalık dışlandı" değil.

"Test temiz çıktı" güvencesi

Tarama testi nedir dersi (L01-P05-M01-D01) taramanın zararları arasında yanlış negatif güvencesini saymıştı: negatif çıkan kişinin belirti geliştiğinde "test temizdi" diyerek başvurusunu geciktirmesi. Bu dersin aritmetiği o zararın neden gerçek olduğunu gösteriyor. Negatif bir sonuç hastalığı dışlamaz, yalnız olasılığını düşürür ve ne kadar düşürdüğü hem teste hem de başlangıç olasılığına bağlıdır.

Bu ayrım üç durumda belirleyici olur. Klinik tablo güçlüyse, yani ön test olasılığı yüksekse, tek bir negatif test tanıyı dışlamaya yetmez ve klinik şüphe testten ağır basabilir. Bazı testler hastalığın erken döneminde henüz pozitifleşmez; o zaman negatif sonuç "henüz değil" anlamına gelebilir. Test negatif çıktığı hâlde şikâyet sürüyor ya da kötüleşiyorsa yeniden değerlendirme gerekir ve "testim temizdi" cümlesi başvuruyu geciktirmemelidir.

X rozetinin gerekçesi poliklinik hesabında zaten göründü. Duyarlılığı 0,75 olan bir test, 0,30'luk bir başlangıç olasılığını ancak 0,10'a indirebildi ve bu, birçok hastalık için "dışlandı" denebilecek bir düzey değil. Duyarlılık yükseldikçe kalan olasılık küçülür; SnNout kuralının söylediği tam olarak bu.

Dört ölçü bir arada

Duyarlılık dersi (L01-P05-M02-D02) SnNout kuralını, özgüllük dersi de SpPin kuralını kurmuştu. Artık dört ölçünün hepsi elinde ve onları tek bir tabloda tutmak, hangisinin nereye taşınabileceğini hatırlamanın en kısa yolu.

İlk iki satır sütun ölçüleridir ve testin kendi özelliğini anlatır; son ikisi satır ölçüleridir ve testle nüfusun birlikte özelliğini anlatır. Bunun pratik sonucu şu: bir makalede bildirilen duyarlılık ve özgüllüğü kendi ortamına taşıyabilirsin, öngörü değerlerini taşıyamazsın. Taşımak istersen tabloyu kendi yaygınlığınla yeniden kurman gerekir, tıpkı bu derste iki grup için yaptığın gibi.

Kartın notu bu dersin iki grubunda sayıya döküldü: aynı test polikliniğin 0,30'luk yaygınlığında 0,89 pozitif öngörü değeri verirken, 0,04'lük yaygınlıkta 0,44 vermişti. Negatif öngörü değeri de ters yönde, 0,90'dan 0,989'a kaydı. Hangi sayıyı alıntılarsan alıntıla, yanında hangi nüfustan geldiğini de taşıman gerekir.

Klinik gerçeklik

Negatif bir sonuç aldığında önce test öncesindeki olasılığını sor. Düşükse, negatif sonuç sana pek yeni bir şey söylemedi; zaten büyük ihtimalle sağlıklıydın. Sonra testin duyarlılığını sor, çünkü negatif sonucun olasılığı ne kadar aşağı çektiğini o belirler. Son olarak belirtilerinin sürüp sürmediğine bak: sürüyorsa test sonucu değil, klinik tablo yol gösterir.

Bir rapor ya da makale sana yüksek bir negatif öngörü değeri sunduğunda, onu hiç test yapmadan herkese "negatif" demenin vereceği sayıyla karşılaştır. İkisi arasındaki fark küçükse, o yüksek sayı testin değil hastalığın nadirliğinin eseridir.

Kendini sına

1. Negatif öngörü değerinin paydası nedir? Dört hücreli tablonun hangi satırından okunur?
2. Açılıştaki senaryoda negatif çıkan 9.890 kişiyi hücre hücre hesapla. Negatif öngörü değeri neden yüzde 99,9'un üstünde?
3. 0,75 duyarlılık ve 0,96 özgüllük için yaygınlık 0,04'ten 0,30'a çıktığında iki öngörü değeri hangi yönlere gider? Sayılarla göster.
4. Herkese "negatif" diyen bir testin yüzde bir yaygınlıkta negatif öngörü değeri kaçtır? Bu sayı neyi ölçüyor?
5. Bir testin negatif sonuçtaki katkısını tek bir sayıyla nasıl gösterirsin? Açılıştaki tablo için yaz.
6. "İki negatif" vakasında ikinci kişinin kalan olasılığı neden birinci kişinin başlangıç olasılığından yüksek?
7. "Test temiz çıktı" güvencesinin yanıltıcı olduğu üç durumu say.
8. Dört ölçülü tabloyu çiz. Hangi ölçüler bir ortamdan ötekine taşınabilir, hangileri taşınamaz?

Bir sonraki derse köprü

Bu derste bir testin negatif sonuçtaki katkısını, olasılığı nereden nereye indirdiğiyle ölçtün ve bunu her seferinde bütün tabloyu yeniden kurarak yaptın. Oysa taşınabilen yalnız duyarlılık ve özgüllüktü, işine yarayan ise kişiye özgü olasılık. Sıradaki ders bu ikisini bağlayan ve yalnız duyarlılıkla özgüllükten hesaplanan bir sayı tanımlıyor. Onunla ön test olasılığını, tablo kurmadan, tek bir çarpımla test sonrası olasılığa çevirebileceksin; yalnız çarpım olasılık üzerinde değil, odds üzerinde yapılıyor.