如何判讀檢測結果?

自體免疫檢測結果包括數個值。以下為要判讀的重要效能值:

1.   靈敏度和特異性

2.   ROC 曲線

3.   陽性和陰性預測值

4.   陽性和陰性相似比

 

1. 靈敏度和特異性

靈敏度是指呈現真陽性檢測結果的數目。

 

TP

 

真陽性檢測結果數目

靈敏度 =

----------

=

-------------------------------------

 

TP + FN

 

所有患有疾病的病患人數

(TP = 真陽性,FN = 偽陰性)

 

特異性是指未患病的人中呈現陰性結果的數目 (對照組中的真陰性檢測結果)。

 

TN

 

真陰性檢測結果數目

特異性 =

----------

=

-------------------------------------

 

TN + FP

 

所有未患有疾病的病患人數

(TN = 真陰性,FP = 偽陽性)

控制組可以是身體健康的一群人。但為了評估檢測的實際特異性,控制組應包含患病的人,這對鑑別診斷相當重要。舉例來說,評估麩質過敏症檢測的特異性時,控制組應包含患有其他腸胃道疾病 (例如,發炎性腸道疾病及胃腸道感染等) 的病患。

範例:

在篩檢人口中,類風濕性關節炎 (RA) 的發生率為 2 %。 也就是說,在 5,000 個篩檢人口中有 100 個人患有類風濕性關節炎,有 4,900 個人是身體健康或是患有類風濕性關節炎以外的疾病。

在本例中,100 名類風濕性關節炎病患中有 73 名病患的檢測結果呈陽性 (真陽性) 反應,有 27 名病患未檢測出患有疾病,檢測結果為陰性 (偽陰性)。在對照組 4,900 名未患有類風濕性關節炎的人中,有 73 名呈現陽性 (偽陽性),有 4,827 名呈現陰性 (真陰性)。

 測試結果呈陽性測試結果呈陰性總人數
類風濕性關節炎 73 27 100
非類風濕性關節炎 73 4,827 4,900
總人數 146 4,854 5,000

此項檢測的靈敏度為 0.73 或 73% (真陽性人數 = 73/病患人數 = 100),特異性為 0.985 或 98.5% (真陰性人數 = 4,827/對照組人數 = 4,900)。

特異性的關聯性

在以上範例中,5,000 人中有 73 人呈現偽陽性反應。這 73 人即是所謂的特異者,他們可能是正在進行有毒藥物治療的人。

如果檢測的特異性降低為 92 % (似乎仍很合理),呈現偽陽性反應的人數將大幅增加。

 測試結果呈陽性測試結果呈陰性總人數
類風濕性關節炎 73 27 100
非類風濕性關節炎 392 4,508 4,900
總人數 465 4,535 5,000

誤診為類風濕性關節炎的人數為 392 名,是特異性為 98.5 % 的五倍。

回到頁首 

 

2. ROC 曲線

選用較低的臨界值時,檢測的靈敏度越高。但低臨界值將直接導致特異性降低,因此在選擇自體免疫檢測臨界值時,必須在特異性和靈敏度之間取得最合適的平衡點。特異性和靈敏度呈現一種互為消長的關係,每個靈敏度值都有一個相應的特異性值。這種關係可以 ROC 曲線表示。

定義:

根據信號偵測理論,接受者操作特徵曲線,或 ROC 曲線,是一個顯示真陽性比率 (靈敏度) 與偽陽性比率 (1 - 特異性) 的曲線圖。

範例:

在 Bizzarro 等人的研究中,(Clin Chem 2007; 53:1527-33) 比較了 11 項類風濕性關節炎相關抗體的檢測。 下方的 ROC 曲線顯示以 EliA CCP 檢測試劑檢測出血清組中呈陽性反應的情況:

ROC CCP

選擇一個特異性和靈敏度最佳的臨界值。EliA CCP 試劑的最佳臨界值所呈現的特異性為 98.5 %,靈敏度為 73 %。

ROC RF

比較以一般類風濕因子試劑檢測同一組血清所呈現的結果。使用建議的靈敏度臨界值和特異性臨界值,分別為 54 % 及 86.1 %。

為使不同試劑的比較獲得最佳效果,可將 ROC 曲線的特異性值固定,然後計算個別的靈敏度值。 在本例中,分別以 99 %、98 % 及 97 % 的特異性比較個別的靈敏度。

試劑靈敏度臨界值的特異性建議臨界值的特異性靈敏度99 % 的特異性靈敏度98 % 的特異性靈敏度97 % 的特異性
EliA CCP 73 % 98.5 % 69 % 74 % 74 %
類風濕因子 (RF) 54 % 86.1 % 13 % 17 % 17 %

 

回到頁首

 

3. 陽性和陰性預測值

定義:

陽性預測值 (PPV),又稱精確率或檢測後發病率,是指檢測結果呈現陽性反應的患病者比例。此預測值與檢測或篩檢方法選用的靈敏度和特異性有關。

 

TP

 

呈陽性的病患人數

PPV =

----------

=

-------------------------------------

 

 TP+FP

 

所有陽性檢測結果數目

(TP = 真陽性,FP = 偽陽性)

 

陰性預測值 (PPV) 是指對照組病患中正確檢測出呈陰性反應的人數

 

TN

 

呈現陰性的對照組人數

NPV =

----------

=

-------------------------------------

 

 TN+FN

 

所有陰性檢測結果數目

(TN = 真陰性,FN = 偽陰性)

範例:

 測試結果呈陽性測試結果呈陰性總人數
類風濕性關節炎 73 27 100
非類風濕性關節炎 73 4,827 4,900
總人數 146 4,854 5,000

以本章節中關於類風濕性關節炎 (RA) 試劑的靈敏度和特異性的相同範例為例 (請見上方說明),PPV 為 50 % (73 TP / 146 P)。 NPV 為 99 %  (4,827 TN / 4,854 N)。

臨床醫師必須注意當中有一半的陽性結果為未患有類風濕性關節炎的人。此陽性預測值的精確率只有 50 %。 另一方面,陰性預測值的精確率則達到 99 %。

與檢測前機率的關聯性

此預測值與檢測前機率有很大的關聯性,本例的檢測前機率很低,只有 2 %。如果檢測前機率為 10% (假設採用專業風濕病實驗室的數據),則數據可能會產生以下變化:

 測試結果呈陽性測試結果呈陰性總人數
類風濕性關節炎 370 130 500
非類風濕性關節炎 60 3,940 4,000
總人數 430 4,570 5,000

試劑的效能或標記物的臨床特徵並不會因檢測前機率產生變化。因此,試劑的靈敏度和特異性是相當固定的。然而,當檢測前機率提高 5 倍時,陽性預測值會從 50% 上升至 86% (370 TP / 430 P),但陰性預測值會從 99% 降至 86% (3,940 TN / 4,570 N)。

回到頁首

 

4. 陽性和陰性相似比

定義:

陽性和陰性相似比與試劑的靈敏度和特異性有關,並提供一種直接預測檢測結果對有病機率之影響程度的方法。

陽性相似比 (陽性 LR) 顯示檢測結果呈陽性反應時有病機率的增加情況

 

TP / (TP + FN)

 

靈敏度

陽性 LR =

-----------------

=

---------------

 

FP / (FP + TN)

 

1 - 特異性

(TP = 真陽性,TN = 真陰性,FP = 偽陽性,FN = 偽陰性)

陰性相似比 (陰性 LR) 顯示檢測結果呈陰性反應時有病機率的減少情況

 

FN / (TP + FN)

 

1 - 靈敏度

陰性 LR =

-----------------

=

-------------------

 

TN / (FP + TN)

 

特異性

(TP = 真陽性,TN = 真陰性,FP = 偽陽性,FN = 偽陰性)

範例:

 測試結果呈陽性測試結果呈陰性總人數
類風濕性關節炎 73 27 100
非類風濕性關節炎 73 4,827 4,900
總人數 146 4,854 5,000

以上一章節中關於類風濕性關節炎 (RA) 試劑的相同範例為例,其陽性相似比很高,為 (73/100) / (73/4,900) = 50。如果病患的檢測結果呈現陽性反應,且相似比很高,即表示該名病患患有類風濕性關節炎。陰性相似比為 (27 /100) / (4,827 / 4900) = 0.27。

相似比的判讀:

 陰性相似比陽性相似比
沒有臨床價值 = 檢測品質不實用 1 1
差異性很小,可能有關聯性 0.2 – 0.5 2 – 5
適度,但差異性很大 0.1 – 0.2 5 – 10
具有臨床意義的重要差異 = 檢測品質非常實用 <0.1> >10

 

上例中標記物的陽性相似比很高,為 50。 因此,陽性結果表示有病的機率很高。但陰性結果並不表示沒有患病。0.27 陰性相似比的臨床實用性很低。

回到頁首