Érzékennyé válás:

Mit értünk diagnosztikai érzékenység alatt?

A klinikai diagnosztikában elkerülhetetlenül felmerülnek a vizsgálatok érzékenységével kapcsolatos kérdések. De mit is jelent pontosan az “érzékenység”? Az adott analit azon legkisebb mennyiségét, amelyet egy analízis kimutatni képes, gyakran érzékenységnek nevezik – és hogy egyértelmű legyen, ez a mennyiség az analitikai érzékenység vagy kimutatási határérték (LoD). Az analitikus kifejezés kulcsfontosságú ehhez a meghatározáshoz, ezért ha már itt tartunk, állítsuk szembe a diagnosztikai kifejezéssel. A diagnosztikai érzékenység azzal a képességgel függ össze, hogy a vizsgálatunk képes-e helyesen azonosítani a betegségben szenvedő egyének populációit, és bár ez természetesen az analitikai érzékenység függvénye, a magas analitikai érzékenység (ami azt jelenti, hogy az analit nagyon apró mennyiségeit is ki tudja mutatni) nem feltétlenül garantálja a hasznos diagnosztikai érzékenységet.

Amint azt elképzelheti, a két mérés nagyon különböző – az előbbi a csőben végzett vizsgálatunk teljesítményéről, az utóbbi pedig arról, hogy a vizsgálatunk hogyan teljesít egy adott populáción. Emiatt fontos, hogy az érzékenység kifejezéshez az analitikai vagy diagnosztikai kifejezést csatolja, amikor a vizsgálatát leírja.

Hogyan számolja ki a diagnosztikai érzékenységet?

A diagnosztikai érzékenységről való gondolkodás másik módja az, hogy figyelembe vesszük, milyen jól képes a vizsgálat valódi pozitív eredményeket kimutatni. De ha ismeretlen mintákkal van dolgunk, honnan tudjuk, hogy mi az igaz eredmény? Ez egyfajta tyúk-tojás kérdés, de gondoljunk erre.

Tegyük fel, hogy van egy vizsgálatunk, amely képes meghatározni, hogy egy betegnek öt vagy hat ujja van-e mindkét kezén. Begyűjthetsz egy mintát, elvakíthatod őket a kísérletezővel, és kaphatsz egy eredményt. Ezután ugyanezt a beteget vizsgálja meg egy klinikus, aki egyszerűen megszámolja, hogy hány ujj van mindkét kezén. Ezután hasonlítsa össze a feljegyzéseket – hány minta esetében egyezett az Ön vizsgálata és a klinikus megfigyelése? A klinikus megfigyelései ebben az esetben az arany standardnak tekinthetők, mivel az ujjak megszámlálásánál objektívebbet nem igazán lehet elérni! Ha a cél a hat ujjú egyének kimutatása lenne (azaz a hat pozitív eredményt jelent), akkor a hat ujj megszámlálásával egyező vizsgálati eredmény valódi pozitív eredmény lenne, míg az öt ujjú páciens esetében az öt ujj megszámlálásával egyező vizsgálati eredmény valódi negatív lenne. Hasonlóképpen, egy ötujjas egyén hatos vizsgálati eredménye hamis pozitív, egy hatujjas beteg ötös vizsgálati eredménye pedig hamis negatív lenne. Ha az alábbi képzeletbeli adathalmazt vesszük, a diagnosztikai érzékenységet úgy tudjuk kiszámítani, hogy a mintákban kimutatott valódi pozitívumok százalékos arányát számítjuk ki az összes tényleges pozitívumból (valódi pozitívumok plusz a hamis negatívumok).

.

Páciens szám	megfigyelt ujjak száma	vizsgálati eredmény (No. Ujjak)	igaz pozitív	hamis pozitív	igaz negatív	hamis negatív
1	6	6	X
2	6	6	X
3	5	6					X
4	6	5			X
5	5	5			X
6	6	6	X
7	6	6	X
8	5	5				X
9	5	5				X
10	5	5			X
			összes	4	1	4	1

A fenti adatok az alábbi igazságtáblázatban táblázatba foglalhatók, és az alábbi egyenlet segítségével kiszámítható a diagnosztikai érzékenység. Itt azoknak az egyéneknek a százalékos arányát számítjuk ki, akik rendelkeznek az állapottal, és akiknek a teszteredménye pozitív az állapotra.

.

		igaz állapot
		Pozitív	Negatív
A vizsgálat által előre jelzett állapot	Pozitív	TP	FP
	Negatív	FN	TN

.

		igaz feltétel
		pozitív	negatív
feltétel. Assay által előre jelzett	Pozitív	4	1
	Negatív	1	4



Ézékenység = \frac{\mathrm{TP} }{\mathrm{TP+FN}} = \frac{\mathrm{4}} }{\mathrm{4+1} } = 4/5 = 80\%


Nem túl rossz, igaz? Nézzünk egy valós példát? Képzeljük el, hogy egy olyan qPCR-tesztet fejlesztünk, amely egy bakteriális kórokozót mutat ki. Az Ön qPCR-tesztjével kapott eredmények a megjósolt állapotra vonatkozó adatokat adnának, és ezeket összehasonlítanák a klasszikus tenyésztésből kapott eredményekkel. Miért? Ebben a példában az organizmusnak a beteg betegből történő tenyésztéssel történő kinyerése a Koch-féle posztulátumok egyike, és ezért a baktériumtenyésztést tekintenék arany standardnak. Ha rendelkeznénk ezzel a kitalált adatsorral:

		Igazi állapot
		Pozitív	Negatív
Az vizsgálat által előre jelzett állapot (i.e. qPCR pozitív)	Pozitív	238 (TP)	21 (FP)
	Negatív	2 (FN)	103 (TN)

Ezt a diagnosztikai érzékenységet a következőképpen számítanánk:


\frac{\mathrm{238} }{\mathrm{238+2}}} = 238/240 = 0,992 × 100 = 99,2\%



Ez azt jelenti, hogy ha ezt a qPCR-t alkalmaznánk a betegek vizsgálatára erre a bakteriális kórokozóra, akkor az esetek 99%-ában helyesen találnánk a valódi pozitív eredményeket. De mi a helyzet a hamis pozitív eredményekkel? Valóban azokat is kimutatná ezzel a vizsgálattal, mert a qPCR mind az életképes, mind a nem életképes organizmusok DNS-ét kimutatja, míg a tenyésztés csak az életképes organizmusokat mutatná ki. Arról nem is beszélve, hogy a qPCR valószínűleg sokkal jobb analitikai érzékenységgel rendelkezik, mint a legtöbb tenyésztésen alapuló módszer. E két módszer összehasonlítása és a tenyésztés arany standardként való kijelölése a tenyésztés-negatív/qPCR-pozitív mintákat hamis pozitívnak minősítené. Ebben a forgatókönyvben valószínűleg megerősítő vizsgálatot szeretne végezni, csak hogy megbizonyosodjon arról, hogy a qPCR-pozitív beteg valóban életképes, betegséget okozó kórokozóval fertőzött.

Mi a helyzet a diagnosztikai specifikussággal?

Míg a fenti példában a hamis pozitív eredmények száma aggasztó lehet, a teljesítmény valódi megítélése attól függ, hogyan használják a vizsgálatot. Ha a cél az egészséges betegek kizárása a megerősítő vizsgálatok elkerülése érdekében, akkor a magas diagnosztikai specificitás kulcsfontosságú. Ó, várjunk csak, most vezettem be egy másik kifejezést – diagnosztikai specificitás! Ez egy kapcsolódó mérőszám, amely azt mutatja, hogy az Ön tesztje mennyire valószínű, hogy helyesen azonosítja azokat az egyéneket, akiknél nincs betegség. Gondoljunk csak az ötujjas betegek helyes azonosítására, vagy a bakteriális kórokozóval nem fertőzött betegek kimutatására. Itt a betegséggel nem rendelkező és a betegségre helyesen negatívan tesztelő egyének százalékos arányát számoljuk ki. Ez a számítás a következő:


Diagnosztika\; specificitás = \frac{\mathrm{TN} }{\mathrm{TN+FP}}} = \frac{\mathrm{103}} }{\mathrm{103+21}}} = 103/124 = 0,831 × 100 = 83,1\%


Ez azt jelenti, hogy az egészséges betegeket az esetek 83%-ában helyesen azonosítjuk. Mivel a qPCR-teszt sokkal gyorsabb, mint megvárni a baktériumok növekedését, a qPCR lefuttatása előnyös lenne, és biztosak lehetnénk a qPCR-negatív eredményekben, mivel ebben a mesterkélt adathalmazban kevés hamis negatív eredményt kaptunk. Minden pozitív beteget természetesen újra meg kellene vizsgálni tenyésztéssel, de akkor kevesebb beteget kellene vizsgálni. Ezeket a számításokat arra is használhatja, hogy összehasonlítson egy új qPCR-tesztet egy jelenleg használatban lévővel vagy egy qPCR-t egy ELISA-val. Ha pedig a matematika nem az Ön műfaja, számos ingyenes online kalkulátor áll rendelkezésre, például ez a medcalc-től, amelyekkel lefuttathatja ezeket a számokat Ön helyett!