"검사실 진단민감도,분석민감도 & 진단특이도,분석특이도의 이해"

Calibration vs verification vs Parallel : 진단검사의학과 CLIA

---

진단 민감도와 특이도는 진단 테스트의 성능을 평가하는 척도입니다.

 

1)진단 민감도: 조건이 있는 모든 사람 중에서 진양성(조건이 있고 검사 결과가 양성인 사람)의 비율입니다. 다음과 같이 계산됩니다.

 

민감도 = 진양성 / (진양성 + 위음성)

Sensitivity = true positives / (true positives + false negatives)

 

2)진단 특이도: 조건이 없는 모든 사람 중에서 진음성(조건이 없고 검사 결과가 음성인 사람)의 비율입니다. 다음과 같이 계산됩니다.

 

특이성 = 참음성 / (참음성 + 위양성)

Specificity = true negatives / (true negatives + false positives)

 

진양성(TP): 검사 결과가 양성인 사람

위양성(FP): 검사 결과가 양성인 사람

진음성(TN): 검사 결과가 음성인 사람

위음성(FN): 검사 결과가 음성인 사람

 

민감도 및 특이도 값의 범위는 0에서 1까지이며 값이 높을수록 테스트 성능이 우수함을 나타냅니다.테스트의 민감도와 특이도는 테스트 대상 모집단과 양성 또는 음성 결과를 정의하는 데 사용되는 컷오프 값에 따라 달라질 수 있다는 점에 유의하는 것이 중요합니다.

 

진단 검사의 민감도와 특이도를 계산하려면 검사 결과에 대한 데이터와 집단의 실제 질병 상태가 필요합니다. 이 데이터에서 참 양성, 거짓 양성, 참 음성 및 거짓 음성의 수를 계산한 다음 위의 공식을 사용하여 민감도 및 특이도 값을 계산할 수 있습니다.

 

예를 들어 질병에 대한 진단 테스트가 있고 1000명의 그룹에서 성능을 평가하려고 한다고 가정합니다. 이 중 200명은 질병에 걸렸고 800명은 질병이 없었습니다. 1000명 모두에게 테스트를 실시하고 다음 결과를 얻습니다.

 

160명 양성 판정

840명 음성 판정

 

이러한 결과에서 다음과 같이 참양성, 거짓양성, 참음성 및 거짓음성의 수를 계산할 수 있습니다.

 

진양성(TP): 150(질병 검사 양성 200명 중 150명)

위양성(FP): 10(질병이 없는 800명 중 10명 양성)

진음성(TN): 790(질병검사 음성이 없는 800명 중 790명)

위음성(FN): 50(질병검사 음성인 200명 중 50명)

이 값을 사용하여 다음과 같이 테스트의 민감도와 특이도를 계산할 수 있습니다.

 

감도 = TP / (TP + FN) = 150 / (150 + 50) = 0.75 또는 75%

특이도 = TN / (TN + FP) = 790 / (790 + 10) = 0.99 또는 99%

 

따라서 이 예에서 테스트의 민감도는 75%이고 특이도는 99%입니다.

 

이런 진단민감도와 진단특이도와 밀접한 연관이 있는 정도관리 체계로 ROC가 있습니다.

반응형

ROC(Receiver Operating Characteristic) 곡선은 식별 임계값이 변경됨에 따라 일반적으로 진단 테스트인 이진 분류기의 성능을 그래픽으로 표현한 것입니다. 원래 레이더 공학 분야의 신호 탐지 이론을 위해 개발되었지만 현재는 의학, 심리학, 기계 학습을 포함한 많은 분야에서 널리 사용되고 있습니다.

 

ROC 곡선은 분류기의 다양한 임계값에 대한 x축의 위양성률(1-특이성)에 대해 y축의 참양성률(민감도)을 플로팅합니다. 참양성률은 모든 양성 사례 중 참양성 결과의 비율이고, 거짓양성률은 모든 음성 사례 중 거짓양성 결과의 비율입니다.

 

ROC 곡선은 분류기의 민감도와 특이도 사이의 균형을 보여줍니다. 완벽한 분류기는 민감도가 1이고 특이도가 1인 그래프의 왼쪽 상단 모서리를 통과하는 곡선을 갖습니다. 실제로 대부분의 분류기는 어느 정도 불완전하며 ROC 곡선은 대각선 아래로 떨어집니다( 무작위 추측을 나타냄)

곡선이 왼쪽 위 모서리에 가까울수록 평가의 성능이 더 좋습니다.

 

AUC(Area Under the ROC Curve)는 분류기의 성능에 대한 요약 측정이며 범위는 0에서 1까지입니다. AUC 0.5는 우연보다 나은 성능을 보이지 않는 분류기를 나타내고 AUC 1.0은 완벽한 분류기를 나타냅니다.

 

일반적으로 AUC 0.7-0.8은 보통, 0.8-0.9는 양호, 0.9-1.0은 우수한 것으로 간주됩니다.

ROC 곡선과 AUC는 진단 테스트의 성능을 평가하고, 다른 테스트의 성능을 비교하고, 민감도와 특이도 간의 원하는 균형에 따라 주어진 테스트에 대한 최적의 임계값을 선택하는 데 사용할 수 있습니다. ROC 곡선은 임계값 변경이 분류기 성능에 미치는 영향을 시각화하는 데에도 사용할 수 있습니다.

 

요약하면 ROC 곡선은 특히 진단 테스트의 성능을 평가하고 주어진 작업에 대한 최적의 임계값을 선택하는 데 유용한 도구입니다. 민감도와 특이도 사이의 균형을 그래픽으로 표현하고 분류기의 전체 성능에 대한 요약 측정을 제공합니다.

 

"검사실에서의 분석민감도 & 분석특이도의 이해" : Analytical sensitivity and specificity

분석 민감도 및 특이도는 샘플에서 특정 물질 또는 분석 물질의 존재 또는 부재를 감지하고 측정하는 진단 검사의 능력을 나타냅니다. 진양성 및 진음성 결과를 정확하게 식별하는 테스트 능력의 척도인 진단 민감도 및 특이성과 달리, 분석 민감도 및 특이성은 대상 분석물을 정확하게 탐지하고 정량화하는 테스트 능력의 척도입니다.

 

분석 민감도와 특이도는 진단 테스트의 정확성과 신뢰성을 결정하는 중요한 매개변수입니다. 테스트의 분석 감도는 샘플에서 매우 낮은 수준의 표적 분석물을 검출하는 능력을 의미합니다. 매우 민감한 검사는 매우 적은 양의 분석 물질을 검출할 수 있으며, 이는 질병의 초기 단계를 감지하거나 더 심각한 단계로 진행되기 전에 질병을 식별하는 데 중요합니다. 낮은 민감도를 가진 검사는 양성 사례를 놓칠 수 있어 위음성 결과로 이어져 치료가 지연되고 환자 결과가 나빠질 수 있습니다.

Diagnostic sensitivity: Zero blank noise low limit LLD

 

반면에 분석특이도는 대상 분석물을 정확하게 식별하고 테스트를 방해할 수 있는 다른 물질과 구별하는 테스트의 능력을 의미합니다. 매우 구체적인 테스트는 대상 분석물을 샘플의 다른 유사한 물질과 구별하여 위양성 결과의 가능성을 줄일 수 있습니다. 특이도가 낮은 테스트는 위양성 결과를 생성할 수 있으며, 이는 결과를 확인하기 위한 추가 테스트뿐만 아니라 불필요한 치료나 개입으로 이어질 수 있습니다.

Diagnostic specificity: 용혈시 혈색소, 빌리루빈색소, 지질혈청으로 인한 간섭을 배제하는 능력

반응형

 

 

테스트의 분석 민감도와 특이도는 사용된 분석 유형, 시료 매트릭스, 분석 방법 및 사용된 시약을 비롯한 여러 요인의 영향을 받습니다. 테스트의 정확성과 신뢰성을 보장하려면 분석 개발 및 검증 과정에서 이러한 요소를 최적화하는 것이 중요합니다. 여기에는 표적 모집단을 대표하는 많은 수의 샘플에 대한 분석 테스트, 결과를 표준 방법과 비교하고, 다양한 조건 및 다양한 샘플 유형에서 분석하는 성능 평가가 포함될 수 있습니다.

 

전반적으로 진단 테스트의 분석 감도와 특이성은 대상 분석 물질을 정확하게 감지하고 정량화하는 능력을 결정하는 중요한 매개변수입니다. 이러한 매개변수를 최적화하고 적절한 방법을 사용하여 테스트를 검증함으로써 임상병리사는 테스트 결과에 의존하여 환자 치료에 대한 정보에 입각한 결정을 내릴 수 있습니다.