چهار معیاری که دقت هر آزمایش پزشکی را تعیین می‌کنند

تصور کنید یک آزمایش پزشکی وجود دارد که هر مورد از یک بیماری را تشخیص می‌دهد (نرخ تشخیص بی‌نقص ۱۰۰ درصدی) و افراد سالم را در ۹۵ درصد مواقع به‌درستی تایید می‌کند. اگر نتیجه آزمایش شما مثبت شود، ممکن است فرض کنید که تشخیص تقریباً قطعی است. اما اگر این بیماری تنها ۱ نفر از هر ۱۰۰ نفر را مبتلا کند، آن نتیجه مثبت در واقع به این معناست که شما کمتر از ۱۷ درصد احتمال دارد بیمار باشید.[2]

این واقعیت دور از انتظار توسط چهار معیار بنیادین دقت تشخیصی اداره می‌شود: نرخ مثبت واقعی (حساسیت)، نرخ منفی واقعی (ویژگی)، و همتایان آن‌ها در دنیای واقعی، یعنی ارزش اخباری مثبت و منفی (PPV و NPV). درک نحوه تعامل این اعداد، مرز بین یک تشخیص زودهنگام نجات‌بخش و زنجیره‌ای از مداخلات پزشکی غیرضروری است.[1]

در هسته تمام آزمایش‌های تشخیصی، یک ماتریس ساده دو در دو قرار دارد که به عنوان جدول توافقی شناخته می‌شود. هر نتیجه آزمایش در یکی از چهار دسته قرار می‌گیرد: مثبت واقعی (افراد بیماری که به‌درستی شناسایی شده‌اند)، منفی واقعی (افراد سالمی که به‌درستی تایید شده‌اند)، مثبت کاذب (افراد سالمی که به‌اشتباه بیمار تشخیص داده شده‌اند) و منفی کاذب (افراد بیماری که به‌اشتباه سالم تشخیص داده شده‌اند).[3][5]

دانشمندان از این ماتریس، حساسیت را استخراج می‌کنند. حساسیت، نسبت موارد مثبت واقعی را که به‌درستی شناسایی شده‌اند، اندازه‌گیری می‌کند. مرکز امنیت بهداشت جانز هاپکینز (Johns Hopkins Center for Health Security) در یک برگه اطلاعاتی در سال ۲۰۲۲ توضیح می‌دهد: «حساسیت یک آزمایش، توانایی آن در شناسایی صحیح افراد مبتلا به بیماری (موارد مثبت واقعی) و در عین حال به حداقل رساندن تعداد نتایج منفی کاذب است.» آزمایشی با حساسیت ۹۹ درصد، ۹۹ نفر از ۱۰۰ فرد بیمار را پیدا می‌کند و تنها یک نفر را از قلم می‌اندازد.[3][6]

از سوی دیگر، ویژگی، نسبت موارد منفی واقعی را که به‌درستی شناسایی شده‌اند، اندازه‌گیری می‌کند. آزمایشی با ویژگی ۹۵ درصد، ۹۵ نفر از ۱۰۰ فرد سالم را به‌درستی تایید می‌کند، اما ۵ نفر از آن‌ها را به‌اشتباه به عنوان بیمار علامت‌گذاری می‌کند.[2][6]

به دانشجویان پزشکی اغلب یادآورهای یادیار «SnNout» و «SpPin» آموزش داده می‌شود تا نحوه کاربرد این مفاهیم را به خاطر بسپارند. یک آزمایش بسیار حساس (Sensitive)، زمانی که منفی (Negative) باشد، بیماری را رد (OUT) می‌کند. یک آزمایش بسیار ویژه (Specific)، زمانی که مثبت (Positive) باشد، بیماری را تایید (IN) می‌کند.

با این حال، حساسیت و ویژگی یک محدودیت اساسی مشترک دارند: آن‌ها از یک وضعیت شناخته‌شده از بیماری به عقب نگاه می‌کنند. آن‌ها به این سوال پاسخ می‌دهند: «اگر یک بیمار مبتلا باشد، چقدر احتمال دارد که آزمایش آن را نشان دهد؟» اما در یک کلینیک در دنیای واقعی، پزشک و بیمار نمی‌دانند که آیا بیماری وجود دارد یا خیر؛ و دقیقاً به همین دلیل است که آن‌ها در حال انجام آزمایش هستند.[1][4]

بیمار می‌خواهد عکس این موضوع را بداند: «با توجه به اینکه آزمایش من مثبت است، چقدر احتمال دارد که من واقعاً بیمار باشم؟» این همان ارزش اخباری مثبت (PPV) است.[2]

برعکس، ارزش اخباری منفی (NPV) به سوال آینه‌ای آن پاسخ می‌دهد: «با توجه به اینکه آزمایش من منفی است، چقدر احتمال دارد که من واقعاً سالم باشم؟»[2]

در حالی که حساسیت و ویژگی از خواص ذاتی خود آزمایش هستند، PPV و NPV به‌شدت به میزان شیوع بیماری در جمعیت مورد آزمایش بستگی دارند. این رابطه ریاضی که ریشه در قضیه بیز (Bayes' Theorem) دارد، دیکته می‌کند که هرچه یک بیماری نادرتر شود، PPV به‌شدت کاهش می‌یابد.[4][5]

برای درک دلیل این موضوع، جمعیتی ۱۰۰۰۰ نفری را در نظر بگیرید که در آن یک بیماری دارای شیوع ۱ درصدی است. دقیقاً ۱۰۰ نفر بیمار و ۹۹۰۰ نفر سالم هستند. اگر آزمایش فرضی خود را با حساسیت ۱۰۰ درصد و ویژگی ۹۵ درصد اعمال کنیم، تمام ۱۰۰ فرد بیمار را به‌درستی شناسایی خواهد کرد.[2]

اما برای آن ۹۹۰۰ فرد سالم چه اتفاقی می‌افتد؟ ویژگی ۹۵ درصدی به این معناست که آزمایش ۹۴۰۵ نفر از آن‌ها را به‌درستی تایید می‌کند. با این حال، ۵ درصد از آن‌ها را به‌اشتباه علامت‌گذاری می‌کند که برابر با ۴۹۵ مورد مثبت کاذب است.[2]

تعداد کل نتایج مثبت ۵۹۵ مورد است (۱۰۰ مثبت واقعی به علاوه ۴۹۵ مثبت کاذب). بنابراین، PPV برابر است با ۱۰۰ تقسیم بر ۵۹۵، یا فقط ۱۶٫۸ درصد. بیش از پنج نفر از هر شش نفری که نتیجه آزمایش آن‌ها مثبت می‌شود، در واقع به این بیماری مبتلا نیستند.[2]

این واقعیت ریاضی توضیح می‌دهد که چرا برنامه‌های غربالگری انبوه برای بیماری‌های نادر تا این حد بحث‌برانگیز هستند. محققان در یک بررسی در سال ۲۰۲۱ که در ژورنال پزشکی تحقیقاتی (Journal of Investigative Medicine) منتشر شد، خاطرنشان کردند: «حساسیت و ویژگی رابطه معکوس دارند، به طوری که با افزایش یکی، دیگری کاهش می‌یابد، اما عموماً برای یک آزمایش مشخص ثابت در نظر گرفته می‌شوند، در حالی که ارزش‌های اخباری مثبت و منفی ذاتاً با احتمال پیش از آزمایش تغییر می‌کنند.»[2]

اگر همین آزمایش در یک کلینیک پرخطر که شیوع بیماری در آن ۵۰ درصد است استفاده شود، ریاضیات به‌طور چشمگیری تغییر می‌کند. از ۱۰۰۰۰ نفر، ۵۰۰۰ نفر بیمار و ۵۰۰۰ نفر سالم هستند. آزمایش تمام ۵۰۰۰ فرد بیمار را پیدا می‌کند (حساسیت ۱۰۰ درصد) و ۲۵۰ نفر از افراد سالم را به‌اشتباه علامت‌گذاری می‌کند (۵ درصد از ۵۰۰۰ نفر).[5]

اکنون، تعداد کل نتایج مثبت ۵۲۵۰ مورد است. PPV برابر است با ۵۰۰۰ تقسیم بر ۵۲۵۰، یا ۹۵٫۲ درصد. دقیقاً همان آزمایش فیزیکی، که روی دقیقاً همان دستگاه اجرا می‌شود، تقریباً شش برابر قابل‌اعتمادتر است، صرفاً به این دلیل که بیمار به جای یک مرکز غربالگری عمومی، از درِ یک کلینیک تخصصی وارد شده است.[4][5]

از آنجا که حساسیت و ویژگی رابطه معکوس دارند، تولیدکنندگان آزمایش باید انتخاب کنند که آستانه نتیجه مثبت را در کجا تعیین کنند. پایین آوردن آستانه، افراد بیمار بیشتری را شناسایی می‌کند (افزایش حساسیت) اما افراد سالم بیشتری را نیز به‌اشتباه علامت‌گذاری می‌کند (کاهش ویژگی).[1][5]

برای بیماری‌های شدید و بسیار مسری مانند کووید-۱۹ یا HIV، مقامات بهداشت عمومی اغلب حساسیت را در اولویت قرار می‌دهند. یک نتیجه منفی کاذب به این معناست که یک فرد آلوده به جامعه بازمی‌گردد و ویروس را پخش می‌کند. هزینه یک نتیجه مثبت کاذب (چند روز قرنطینه غیرضروری) قابل‌قبول در نظر گرفته می‌شود.[3]

برعکس، برای بیماری‌هایی که درمان آن‌ها بسیار سمی یا تهاجمی است، مانند برخی سرطان‌ها، ویژگی اهمیت بالایی پیدا می‌کند. یک نتیجه مثبت کاذب می‌تواند منجر به شیمی‌درمانی یا جراحی غیرضروری شود و آسیب عمیقی به یک فرد سالم وارد کند.[1][5]

برای هدایت این سبک‌سنگین کردن، پزشکی مدرن اغلب به آزمایش‌های متوالی متکی است. ابتدا یک آزمایش غربالگری بسیار حساس و ارزان‌قیمت از بیمار گرفته می‌شود. اگر آن نتیجه مثبت باشد، یک آزمایش تاییدی بسیار ویژه و اغلب گران‌تر از آن‌ها گرفته می‌شود.

این فرآیند دومرحله‌ای از نقاط قوت هر دو معیار بهره می‌برد. آزمایش حساس تضمین می‌کند که موارد کمی از قلم بیفتند، در حالی که آزمایش ویژه، موارد مثبت کاذب را پیش از دستور هرگونه مداخله پزشکی شدید غربال می‌کند.[1]

در نهایت، هیچ آزمایش تشخیصی قطعیت مطلق ارائه نمی‌دهد. نتیجه یک آزمایش پاسخ نهایی نیست؛ بلکه صرفاً یک به‌روزرسانی ریاضی برای احتمال پیش از آزمایش است. درک نرخ مثبت واقعی، نرخ منفی واقعی و ارزش‌های اخباری، هم پزشکان و هم بیماران را توانمند می‌سازد تا این به‌روزرسانی‌ها را به‌دقت تفسیر کنند و تصمیمات مبتنی بر شواهدی در مورد اقدامات بعدی بگیرند.[4]