DIO I: SENZITIVNOST, SPECIFIČNOST I ZAŠTO TO NIJE DOVOLJNO
Dr sci. Ana Radulović, Institut za javno zdravlje Crne Gore
Isti dijagnostički test ne znači isto u svakoj sredini. Na primjeru bola koji budi sumnju na upalu slijepog crijeva pokazujemo kako senzitivnost i specifičnost biraju dobar test, ali tek prevalencija – koliko je bolest česta u populaciji koju testiramo – određuje koliko pozitivnom nalazu možemo vjerovati.
“Oblačno je – vjerovatno će padati kiša.” “Kasni s porukom – vjerovatno je zauzet.” “Boli me stomak – nadam se da nije ništa ozbiljno.” Svi mi procjenjujemo vjerovatnoću, cijeli dan, svaki dan, a da to i ne zovemo matematikom. Medicina radi isto – samo što koristi brojeve. A ti brojevi nam ponekad kažu nešto sasvim neočekivano.
Zamislimo ljekara na dežurstvu. Dolazi mu mladić od 22 godine, sa jakim bolom u donjem desnom dijelu stomaka koji traje šest sati. Iskustvo ljekaru odmah kaže – mogla bi ovo biti upala slijepog crijeva. Ali kolika je zaista vjerovatnoća za to?
Odgovor leži u tri pojma koja se u biostatistici javnog zdravlja stalno analiziraju: senzitivnost, specifičnost i pozitivna prediktivna vrijednost (PPV). Svaki od njih odgovara na drugo pitanje, a razlika među njima u svakodnevnoj praksi može biti ogromna.
Od bolesnih – koliko ih test “uhvati”?
Zamislimo 10 pacijenata koji zaista imaju upalu slijepog crijeva. Ako je senzitivnost testa 80 %, prepoznaćemo 8 od njih. Dvoje će imati upalu, ali ih test neće prepoznati – to su lažno negativni nalazi. Senzitivnost, dakle, mjeri koliko je test dobar u pronalaženju bolesnih.
Od zdravih – koliko ih test ispravno isključi?
Sada zamislimo 90 zdravih osoba koje dolaze sa sličnim bolom, ali ne zbog slijepog crijeva. Ako je specifičnost testa 75 %, on će ispravno osloboditi sumnje 68 od njih. Preostalih 22 dobiće lažni alarm – to su lažno pozitivni nalazi. Specifičnost mjeri koliko je test dobar u isključivanju zdravih.
Važno je razumjeti odakle ove dvije brojke dolaze. Njih proizvođač testa mjeri na unaprijed poznatim grupama – posebno na onima za koje se pouzdano zna da su bolesni, a posebno na onima za koje se zna da su zdravi. Senzitivnost se računa samo među bolesnima, specifičnost samo među zdravima. Zato su to osobine samog testa koje se ne mijenjaju s populacijom: ne zavise od toga koliko je bolest česta tamo gdje test koristimo.
PPV – od papira do ordinacije
Senzitivnost i specifičnost opisuju kako test radi uopšteno, na velikim grupama pacijenata. One su korisne kada biramo koji ćemo test uopšte koristiti. Ali kada ljekar drži nalaz u ruci, pita se nešto drugo: “Nalaz je pozitivan – kolika je šansa da baš ovaj pacijent zaista ima bolest?” To je pozitivna prediktivna vrijednost (PPV). Za razliku od prethodne dvije, PPV se računa među svima koji su dobili pozitivan nalaz – pa zato i zavisi od toga koliko bolesnih uopšte ima u populaciji.
PPV = stvarno bolesni sa pozitivnim testom ÷ svi sa pozitivnim testom
Scenario A: Opšta ordinacija (prevalencija 10 %)
Od 100 pacijenata sa bolom, njih 10 zaista ima upalu. Uz senzitivnost 80 % i specifičnost 75 %, brojevi izgledaju ovako. U tabeli redovi pokazuju šta test kaže (nalaz), a kolone pokazuju pravo stanje pacijenta (da li zaista ima upalu):
PPV = 8 / 30 = 27 %. Od svake tri osobe sa pozitivnim nalazom, samo jedna zaista ima upalu – dvije su zdrave, ali su dobile alarm.
Scenario B: Hirurška hitna (prevalencija 40 %)
Ovdje dolaze selektovani pacijenti sa težim simptomima, pa od 100 njih čak 40 ima upalu. Test je potpuno isti – ista senzitivnost (80 %) i ista specifičnost (75 %):
PPV = 32 / 47 = 68 %. Ista senzitivnost, ista specifičnost – a vjerovatnoća da pozitivan nalaz znači stvarnu bolest skočila je sa 27 % na 68 %.
Jedina razlika – ko ulazi kroz vrata
Iako su tehničke osobine testa ostale identične, udio tačnih alarma se drastično promijenio samo zato što se promijenila prevalencija u populaciji koju testiramo. To je moć prevalencije.
Kada zajedno kreiramo zdravstvene politike, nacionalne skrininge ili protokole, uz tehničke specifikacije testa vrijedi imati na umu i jedno pitanje: ko je populacija koju testiramo, kakva je njena epidemiološka slika i u kakvom okruženju donosimo odluke? Odgovor na njega čini dobar test još korisnijim.
ZAKLJUČAK DIJELA I:
Matematika na papiru mora odgovarati realnosti na terenu. A šta radimo kada tu realnost – prevalenciju – jednostavno ne znamo? O tome u sljedećem broju…
