Ekonomia badań przesiewowych

Ekonomia badań przesiewowych dotyczy kryteriów Wilsona-Jungnera dotyczących tego, kiedy badania przesiewowe mają sens, oraz matematyki wyjaśniającej, dlaczego wartość predykcyjna załamuje się przy niskiej częstości występowania.

Dlaczego to ważne

Nawet bardzo dokładny test generuje przytłaczająco dużo fałszywie pozytywnych wyników, gdy choroba podstawowa jest rzadka, co prowadzi do zmęczenia alarmami i niepotrzebnych badań kontrolnych.

Matematyka

Dodatnia wartość predykcyjna (PPV) = (Czułość × Częstość występowania) / [(Czułość × Częstość występowania) + ((1−Swoistość) × (1−Częstość występowania))]

Rozwiązany przykład

Test o czułości 95% i swoistości 95% zastosowany do choroby o częstości występowania 0,1% ma PPV tylko około 2% — 98% pozytywnych wyników jest fałszywych.

Powiązanie z inżynierią oprogramowania

Bezpośrednia analogia do zmęczenia alarmami w systemach monitorowania: detektor o wysokiej dokładności zastosowany do rzadkiego zdarzenia nadal generuje przeważnie fałszywe alarmy. Do oceny skali całego programu przesiewowego, a nie jednego testu, zobacz liczbę potrzebną do przebadania — ile osób musi przejść całą ścieżkę badanie przesiewowe i leczenie, aby zapobiec jednemu zdarzeniu.

Pułapki

• Cytowanie czułości i swoistości bez podania częstości występowania.
• Ignorowanie kryteriów Wilsona-Jungnera i przeprowadzanie badań przesiewowych bez dostępnego skutecznego leczenia.

Źródła

• Wilson JMG, Jungner G, Principles and Practice of Screening for Disease.
• UK National Screening Committee, screening criteria.