Duyarlık, Seçicilik, Yanlış Pozitif Oran ve Yanlış Negatif Oran, tanı testlerinin performansını değerlendirmek için kullanılan istatistiksel ölçülerdir. Bir tanı testi, belirli bir hastalık veya durumun varlığını veya yokluğunu tespit etmek için kullanılan bir yöntemdir. Tanı testleri, hastalığı olan veya olmayan kişileri doğru bir şekilde sınıflandırabilir veya yanlış bir şekilde sınıflandırabilir. Bu durumda, test sonuçları ile gerçek hastalık durumu arasındaki ilişkiyi gösteren bir tablo oluşturulabilir.
| Hastalık + | Hastalık – | Toplam | |
| Test + | A | B | A + B |
| Test – | C | D | C + D |
| Toplam | A + C | B + D | N |
| Test Sonucu | Hastalık Durumu | Toplam |
|---|---|---|
| Pozitif | Pozitif | A |
| Pozitif | Negatif | B |
| Negatif | Pozitif | C |
| Negatif | Negatif | D |
| Toplam | N |
Bu tabloya göre, aşağıdaki ölçüler tanımlanabilir:
- Duyarlık: Hastalığı olan kişilerin test sonucunun pozitif olma olasılığıdır. Matematiksel olarak, duyarlık = A / (A + C) olarak hesaplanabilir. Duyarlık ne kadar yüksekse, testin hastalığı kaçırmadan tespit etme yeteneği o kadar iyidir.
- Seçicilik: Hastalığı olmayan kişilerin test sonucunun negatif olma olasılığıdır. Matematiksel olarak, seçicilik = D / (B + D) olarak hesaplanabilir. Seçicilik ne kadar yüksekse, testin sağlıklı kişileri doğru bir şekilde tanımlama yeteneği o kadar iyidir.
- Yanlış Pozitif Oran: Hastalığı olmayan kişilerin test sonucunun pozitif olma olasılığıdır. Matematiksel olarak, yanlış pozitif oran = B / (B + D) olarak hesaplanabilir. Yanlış pozitif oran ne kadar düşükse, testin sağlıklı kişileri yanlışlıkla hastalıklı olarak sınıflandırma riski o kadar azdır.
- Yanlış Negatif Oran: Hastalığı olan kişilerin test sonucunun negatif olma olasılığıdır. Matematiksel olarak, yanlış negatif oran = C / (A + C) olarak hesaplanabilir. Yanlış negatif oran ne kadar düşükse, testin hastalıklı kişileri yanlışlıkla sağlıklı olarak sınıflandırma riski o kadar azdır.
Bu ölçüler, tanı testlerinin doğruluğunu ve güvenilirliğini değerlendirmek için kullanılabilir. Ancak, bu ölçüler tek başına yeterli değildir. Test sonucuna göre hastalık durumunun tahmin edilmesi için başka ölçüler de gereklidir. Bunlar şunlardır:
- Pozitif Tahmini Değer: Test sonucu pozitif olan kişilerin gerçekten hastalıklı olma olasılığıdır. Matematiksel olarak, pozitif tahmini değer = A / (A + B) olarak hesaplanabilir. Pozitif tahmini değer ne kadar yüksekse, testin pozitif sonuç veren kişilerin gerçekten hasta olduğunu doğrulama yeteneği o kadar iyidir.
- Negatif Tahmini Değer: Test sonucu negatif olan kişilerin gerçekten sağlıklı olma olasılığıdır. Matematiksel olarak, negatif tahmini değer = D / (C + D) olarak hesaplanabilir. Negatif tahmini değer ne kadar yüksekse, testin negatif sonuç veren kişilerin gerçekten sağlıklı olduğunu doğrulama yeteneği o kadar iyidir.
Bu ölçüler, test öncesi olasılığa bağlıdır. Test öncesi olasılık, test yapılmadan önce kişinin hastalıklı olma olasılığıdır. Test öncesi olasılık, hastalığın toplumdaki yaygınlığına eşittir. Test sonrası olasılık, test sonucuna göre kişinin hastalıklı olma olasılığıdır. Test sonrası olasılık, pozitif tahmini değer veya negatif tahmini değere eşittir.
Tanı testlerinin performansını değerlendirmek için başka bir yöntem de ROC eğrisidir. ROC eğrisi, duyarlık ile 1 – seçicilik arasındaki ilişkiyi grafik olarak gösterir. ROC eğrisi, testin farklı kesim noktalarında nasıl davrandığını gösterir. Kesim noktası, test sonucunun pozitif veya negatif olarak sınıflandırılmasına karar vermek için kullanılan bir eşiktir. Kesim noktası değiştirildiğinde, duyarlık ve seçicilik de değişir. Genellikle, duyarlık arttıkça seçicilik azalır ve tersi de geçerlidir. ROC eğrisi altında kalan alan, testin ayrım yeteneğini ölçer. ROC eğrisi altında kalan alan ne kadar büyükse, testin hastalığı olan ve olmayan kişileri ayırt etme yeteneği o kadar iyidir.