Zrozumienie wartości predykcyjnej ujemnej może być mylące. Jest to jednak ważna część zrozumienia jakości i dokładności testów medycznych. Wartość predykcyjna wyniku ujemnego mówi, co to znaczy, jeśli testujesz negatywny wynik choroby. Jest to wskaźnik tego, jak dokładny jest ten negatywny wynik testu. Innymi słowy, mówi ci, jakie jest prawdopodobieństwo, że faktycznie nie masz choroby.
Negatywna wartość predykcyjna jest definiowana jako liczba prawdziwych negatywów (osób, które testują negatywne, które nie są zainfekowane) podzielona przez całkowitą liczbę osób, które testują negatywne. Różni się w zależności od czułości testu, specyficzności testu i rozpowszechnienia choroby, jak widać w poniższym przykładzie. Ze względu na zależność od rozpowszechnienia choroby w społeczności, w której pracują, ustalenie ujemnej wartości predykcyjnej jest skomplikowane. Większość lekarzy nie może po prostu podać liczby dla ujemnej wartości predykcyjnej, kiedy przystępujesz do danego testu – nawet jeśli znają czułość i swoistość.
Alternatywne pisownię: NPV
Przykład
Jeśli test chlamydii ma 80% czułości i 80% swoistości w populacji wynoszącej 100 z częstością występowania chlamydii wynoszącą 10%:
8 z 10 pozytywnych wyników pozytywnych
72 z 90 wynik negatywny test negatywny
Z 74 negatywnych testów, 82 to prawdziwe negatywy, a 2 to fałszywe negatywy. Dlatego też ujemna wartość predykcyjna (NPV) wynosiłaby 97% (72/74). 97% osób, które testują negatywny wynik, byłoby w rzeczywistości negatywne w przypadku chlamydii.
—–
W przeciwieństwie do tego, jeżeli ten sam test jest podany w populacji, w której częstość występowania chlamydii wynosi 40:
32 z 40 wyników prawdziwie pozytywnych, wynik testu
40 z 60 wyników z wynikiem negatywnym faktycznie
Z 48 testów negatywnych , 8 to fałszywe negatywy. Oznacza to, że ujemna wartość predykcyjna wynosi 83% (40/48).
Jak różne czynniki wpływają na ujemną wartość predykcyjną? Negatywna wartość predykcyjna spada
w dół, ponieważ choroba staje się bardziej powszechna w populacji.W przeciwieństwie do tego dodatnia wartość predykcyjna rośnie.
Podobnie, testy wysokiej czułości powodują wzrost ujemnej wartości predykcyjnej. To dlatego, że jest mniej fałszywych negatywów. (Więcej osób, które są dodatnie w teście dodatnim w teście o wysokiej czułości). Natomiast testy o wysokiej specyficzności są ważniejsze dla pozytywnej wartości predykcyjnej. W przypadku tych testów liczba fałszywych alarmów jest mniejsza. Im wyższa specyficzność, tym więcej osób z negatywnym wynikiem testu jest ujemnych.
