مديریت كیفیت در مراكز آزمایشگاهی

تعیین حساسیت و تشخیص پذیری در آزمون‌های کیفی

اشتراک گذاری
  • ۱
    Share

۱- مقدمه

مطابق با الزامات استانداردهای سیستم مدیریت کیفیت در آزمایشگاه‌ها مانند ISO/IEC 17025 و ISO 15189 روش‌های آزمون طبقه‌بندی (آزمون کیفی یا آزمون غربالگری) نیز همچون آزمون‌های کمی باید مورد تصدیق و صحه‌گذاری قرارگیرند و عملکرد روش‌های آزمون طبقه‌بندی نیز مانند سایر آزمون‌ها کمی که در آزمایشگاه‌های انجام آزمون و تشخیص طبی انجام می‌شود، بایستی مورد ارزیابی قرار گیرد. بر این اساس در ادامه این پست نحوه بررسی ویژگی‌های عملکردی نظیر حساسیت، تشخیص‌پذیری، دقت و … در آزمون‌های غربالگیری (آزمون‌های باینری کیفی) تشریح خواهد شد. بررسی این ویژگی‌های عملکردی برای آزمایشگاه‌های که آزمون‌های غربالگری انجام می‌دهند نظیر آزمایشگاه‌های میکروبیولوژی مواد غذایی، آرایشی، بهداشتی و دارویی و همین طور آزمایشگاه‌های تشخیص طبی برای تصدیق و صحه‌گذری روش‌های آزمون از اهمیت زیادی برخودار است.


۲- تعریف آزمون‌های کیفی

آیوپاک آزمون‌های کیفی را به شکل زیر تعریف می کند: آنالیزی که در آن مواد بر اساس خواص شیمیایی یا فیزیکی، نظیر واکنش پذیری شیمیایی، محلولیت، وزن مولکولی، نقطه ذوب، خواص تابشی (نشر، جذب)، طیف‌های جرمی، نیمه عمر هسته‌ای و غیره شناسایی یا طبقه بندی می‌شوند. این بدان معنی است که نتایج بر اساس مقیاس اسمی بیان می‌شوند که از نظررتبه پایین‌تر از بیان نتایج بر اساس مقیاس نسبت (کمی) است. لذا، برای اهداف غربال‌گیری که در آنها از متدهای کم هزینه استفاده میشود و یا در غلظت های آنالیت نزدیک به حد تشخیص (LOD)، به جای آزمون‌های کمی عمدتاً آزمون‌های کیفی پیشنهاد می شوند.


۳- تعریف حساسیت (sensitivity) و تشخیص‌پذیری (specificity)

حساسیت  و تشخیص‌پذیری دو شاخص مهم برای ارزیابی آماری عملکرد نتایج آزمون‌های طبقه‌بندی باینری (دودویی  یا دوحالته) هستند، که در آمار به عنوان توابع طبقه‌بندی شناخته می‌شوند. زمانی که بتوان داده‌ها را به دو گروه مثبت و منفی تقسیم کرد، عملکرد نتایج یک آزمایش که اطلاعات را به این دو دسته تقسیم می‌کند با استفاده از شاخص‌های حساسیت و تشخیص‌پذیری قابل اندازه‌گیری و توصیف است. 

حساسیت: (که در برخی از علوم نرخ مثبت واقعی یا احتمال تشخیص صحیح نیز نامیده می‌شود) نسبتی از موارد مثبت است که آزمایش آن‌ها را به درستی به عنوان مثبت علامت‌گذاری می‌کند. (مثلا درصد افراد بیمار که به درستی شناخته شده‌اند و این افراد واقعاً سالم نیستند).

تشخیص‌پذیری: (که نرخ منفی واقعی نیز نامیده می‌شود) به معنی نسبتی از موارد منفی است که آزمایش آن‌ها را به درستی به عنوان منفی علامت‌گذاری می‌کند. (مثلا درصد افراد سالم که به درستی شناسایی شده‌اند و این افراد واقعاً‌ بیمار نبوده‌اند).


۴- کاربرد آزمون‌های غربالگری (باینری)

 یک مطالعه برای ارزیابی یک آزمون جدید که در مردم یک نوع بیماری را نشان می‌دهد، را تصور کنید. هر فردی که مورد آزمون قرار می‌گیرد، یا بیماری را دارد یا ندارد. نتیجه آزمون می‌تواند مثبت باشد (طبقه‌بندی فرد به عنوان بیماری) و یا منفی (طبقه‌بندی شخص به عنوان سالم). نتایج آزمون برای هر فرد ممکن است با وضعیت واقعی فرد مطابقت داشته یا نداشته باشد. در این صورت نتایج آزمون هر فرد ممکن است در یکی از چهار دسته زیر قرار بگیرد:

۱- مثبت صحیح (True Positive)، به عنوان مثال شخص بیمار، به درستی بیمار تشخیص داده شود.

۲- مثبت کاذب (False Positive)، به عنوان مثال شخص سالم، به اشتباه بیمار تشخیص داده شود.

۳- منفی صحیح (True Negative)، به عنوان مثال شخص سالم، به درستی سالم تشخیص داده شود.

۴- منفی کاذب (False Negative)، به عنوان مثال شخص بیمار، به اشتباه سالم تشخیص داده شود.

به طور کلی، مثبت = شناسایی شده، و منفی = رد شد. از این رو:

۱- مثبت صحیح (True Positive) = درست شناسایی شده است.

۲- مثبت کاذب (False Positive) = اشتباه شناسایی شده است (خطای نوع یک در انجام آزمون).

۳- منفی صحیح (True Negative) = به درستی رد شد.

۴- منفی کاذب (False Negative) = اشتباه رد شد (خطای نوع دوم در انجام آزمون).

چهار وضعیت فوق در جدول زیر نشان داده شده‌اند


۵- تعیین حساسیت و تشخیص‌پذیری در آزمون‌های غربالگری

۵-۱- تعیین حساسیت در آزمون‌های غربالگری:

حساسیت به توانایی آزمون در تشخیص صحیح بیماران مبتلا به بیماری (افرادی که واقعاً بیمار هستند) اشاره دارد. در مثال ارائه شده (صحه گذاری یک روش آزمون برای شناسایی یک بیماری)، حساسیت روش آزمون، نسبت افرادی است جواب آزمایش آنها مثبت شده است به کل افرادی که واقعاً بیماری را دارند. از نظر ریاضی، این امر را می توان به صورت زیر بیان کرد:

یک نتیجه منفی در آزمون با حساسیت بالا تصمیم‌گیری جهت رد کردن وجود یک بیماری مفید است. در واقع در یک آزمایش حساسیت بالا زمانی که نتیجه آن منفی است، قابل اعتماد است. زیرا به ندرت در خصوص کسانی که بیماری را دارند، اشتباه می‌شود. آزمایش با حساسیت ۱۰۰٪ تمام بیماران مبتلا به بیماری را با آزمایش مثبت تشخیص می‌دهد و با یک نتیجه آزمون منفی می‌توان گفت که فرد قطعا بیمار نیست. اما در خصوص فردی که نتیجه آزمایش آن مثبت شده است، برای آزمونی که حساسیت بالایی دارد، نمی‌توان گفت که فرد قطعاً بیمار هست زیرا شاخص حساسیت نتایج مثبت کاذب را در نظر نمی‌گیرد. شایان ذکر است حساسیت روش آزمون با دقت یا مقدار پیش بینی مثبت (نسبت مثبت واقعی به مجموع مثبت واقعی و کاذب) یکسان نیست و هر چقدر یک روش آزمون حساسیت بالاتری داشته باشد، خطای نوع دوم (Type II error) کمتری خواهد داشت.


۵-۲- تعیین تشخیص‌پذیری در آزمون‌های غربالگری:

تشخیص‌پذیری مربوط به توانایی آزمون برای در کردن صحیح وجود بیماری در افرادی که واقعاً سالم هستند، می‌باشد. در مثال ارائه شده (صحه گذاری یک روش آزمون برای شناسایی یک بیماری)، تشخیص‌پذیری روش آزمون، نسبت افرادی است جواب آزمایش آنها منفی شده است به کل افرادی که واقعاً بیماری را ندارند. از نظر ریاضی، این امر را می توان به صورت زیر بیان کرد:

 

یک نتیجه مثبت در آزمون با تشخیص‌پذیری بالا برای پذیرفتن وجود یک بیماری مفید است. در واقع در یک آزمایش تشخیص‌پذیری بالا به ندرت نتایج کاذب مثبت ارائه می‌دهد. آزمایش با تشخیص‌پذیری۱۰۰٪ تمام افراد سالم را به خوبی تشخیص می‌دهد و با یک نتیجه آزمون مثبت در آن نشان دهنده احتمال بالای وجود بیماری در فرد است. آزمون‌های با تشخیص‌پذیری بالا دارای احتمال خطای نوع یک (Type I error) کمی هستند.

در شکل زیر دو آزمون یکی یا حساسیت بالا و تشخیص‌پذیری کم (شکل سمت راست) و دیگری با حساسیت پایین و تشخیص‌پذیری زیاد نشان داده شده است.


۶- ارائه یک مثال عددی

نتایج انجام یک آزمون تشخیصی بر روی ۲۰۳۰ نفر در یک جامعه که نرخ وقوع بیماری در آن ۱٫۴۸% است مطابق با جدول زیر است. 


برای اساس آنچه که در جدول آورده شده است، حساسیت روش آزمون ۶۷% و تشخیص‌پذیری روش آزمون ۹۱% بدست می‌آید. برای سایر شاخص‌های عملکردی دیگر روش مقادیر به شرح زیر بدست می‌آید:

  • False positive rate (α) = type I error = 1 − specificity = FP / (FP + TN) = 180 / (180 + 1820) = 9%
  • False negative rate (β) = type II error = 1 − sensitivity = FN / (TP + FN) = 10 / (20 + 10) = 33%
  • Power = sensitivity = 1 − β
  • Likelihood ratio positive = sensitivity / (1 − specificity) = 0.67 / (1 − 0.91) = 7.4
  • Likelihood ratio negative = (۱ − sensitivity) / specificity = (1 − 0.67) / 0.91 = 0.37

 

با توجه به اینکه در این آزمون تعداد زیادی مثبت کاذب و تعداد کمی منفی کاذب وجود دارد، این آزمون به عنوان یک آزمون غربالگیری با نتیجه مثبت برای تایید وجود بیماری ضعیف است (PPV = 10٪) و تحقیقات بیشتری باید انجام شود. با این حال، روش آزمون ۶۶٫۷٪ از همه جامعه را به درستی شناسایی کرده است (حساسیت روش). این روش آزمون به عنوان یک آزمایش غربالگری، نتیجه منفی را بسیار خوب ارائه می‌دهد تا اطمینان حاصل شود که یک فرد واقعاً‌ بیماری را ندارد (NPV = 99.5٪) و در این آزمون غربالگری اولیه به درستی ۹۱٪ از کسانی که بیماری را ندارند، نشان داده می‌شوند.


۷- جمع‌بندی مطالب

حساسیت و تشخیص‌پذیری یک آزمون تنها به ماهیت آزمون و نمونه‌ای که آزمون در آن استفاده می‌شود بستگی دارد. با این حال، فقط با استفاده از حساسیت و تشخیص‌پذیری نمی‌توان نتیجه یک آزمایش را تعبیر کرد. به عنوان مثال، اگر نتیجه آزمایش خون یک بیمار حاکی از ابتلای وی به یک بیماری باشد و این آزمایش حساسیت ۹۰% و تشخیص‌پذیری ۹۵% داشته باشد، پزشک نمی‌تواند فقط با داشتن این دو شاخص مشخص کند که چند درصد احتمال دارد که بیمار واقعاً به آن بیماری مبتلا باشد. برای چنین منظوری، باید علاوه بر ماهیت آزمایش و نمونه، شیوع پدیدهٔ مورد آزمایش در جامعهٔ آماری نیز در نظر گرفته شود. 

برای تصدیق و صحه‌گذاری روش‌های آزمون غربالگری علاوه بر بررسی حساسیت و تشخیص‌پذیری روش، ویژگی‌های عملکردی دیگری نیز مانند دقت، درستی، نرخ درستنمایی مثبت، نرخ درستنمایی منفی و غیره بایستی بررسی شوند. این ویژگی‌های عملکردی مهم دیگر برای روش‌های آزمون غربالگری (روش‌های آزمون باینری) در شکل زیر نشان داده شده‌اند.


برگزاری دوره آموزشی صحه گذاری روش های آزمون با نرم افزار 

جهت هماهنگی برای برگزاری دوره‌ “اعتباربخشی روش های آزمون با نرم افزار” می‌توانید با ما تماس بگیرید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *