"匯東華-認真作好每件事"
~統計,不再是阻力,而是助力~

BMJ小小統計問題(179):Screening tests: indices of performance (篩檢測試:績效指標)

Cite this as: BMJ 2011;342:d3763
https://www.bmj.com/content/342/bmj.d3763

前言

本期文章聚焦於 #篩檢測試績效指標(Screening Test Performance Metrics),深入探討 #SCOFF問卷 在初級照護中篩檢 #飲食失調(Eating Disorders) 的應用與效果。透過分析 #敏感度(Sensitivity)#特異性(Specificity)#陽性預測值(Positive Predictive Value, PPV)#陰性預測值(Negative Predictive Value, NPV) 等核心績效指標,說明篩檢工具在臨床實務中的準確性與限制。可與下列相關文獻一併閱讀,進一步深入了解篩檢之實務應用,包括重要的 ROC curve 概念與應用。

相關閱讀文獻

  • #第102題 Receiver operating characteristic curves(ROC curves)

  • #第137題 Screening tests and indices of performance: effects of prevalence(篩檢和效能指標:盛行率的影響)

  • #第152題 How to read a receiver operating characteristic curve(如何解讀 ROC curve)

另外,本人拙作 「ChatGPT於系統性文獻回顧和統合分析之應用」#台灣護理學會 發行之 #護理雜誌 2024年10月 71卷 5期刊登,歡迎閱讀與指教。系列內容將陸續發表,敬請持續關注。Hope u enjoy it

報名課程與工作坊

請至匯東華統計學院報名: 突破你的學術研究思維與能力!

【線上課程】: 流行病學總複習

【實體/現場直播】2025/2/22 (六)第六期 A05-SPSS 問卷與量表統計分析實戰班,共7小時。招生中!

【實體/現場直播】2025/2/23 (日):第一期 A06-AMOS 問卷與量表統計分析實戰班,共4小時。招生中!

【線上課程】 零代碼,網絡統合分析實戰課程
不懂程式也能輕鬆進行網絡分析,概念 + 實作 = 專業力倍增,助您在研究中脫穎而出。

【線上課程】 第一次使用 AI 助力文獻綜述就上手
AI 輔助,事半功倍,解放文獻綜述的繁瑣流程,學術效率再升級。

統計分析套餐 多元專業統計分析方案
高 CP 值統計服務,3-5天快速交付,專業保證,讓研究更具說服力。

問題

SCOFF 問卷被評估為初級照護中飲食失調之篩檢工具。該問卷包含五個問題,涉及神經性厭食症和神經性暴食症的核心特徵。研究邀請兩家一般科診所中連續就診的 18-50 歲女性參與,最終有 341 人同意參加。所有女性均完成了 SCOFF 問卷,並接受基於《診斷與統計手冊》第四版(DSM-IV)標準的飲食失調臨床診斷訪談【1】。

在 SCOFF 問卷中,若女性對五個問題中有兩個或以上回答「是」,則被標識為「陽性」並處於「高風險」飲食失調群體;否則標識為「陰性」,屬於「低風險」群體。下表顯示 SCOFF 問卷結果與臨床診斷訪談之對比情況:

篩檢結果 診斷為飲食失調 診斷未飲食失調 總計
≥2個陽性回答:陽性或「高風險」 11 (真陽性) 34 (假陽性) 45
0或1個陽性回答:陰性或「低風險」 2 (假陰性) 294 (真陰性) 296
總計 13 328 341

以下何者為 SCOFF 問卷作為初級照護飲食失調篩檢工具之 陽性預測值 計算公式?

  1. (11/(11+2))×100% = 84.6%

  2. (11/(11+34))×100% = 24.4%

  3. (294/(34+294))×100% = 89.6%

  4. (294/(34+2))×100% = 99.3%

答案: 正確答案為 b,(11/(11+34))×100% = 24.4%。

 

詳細說明

陽性預測值(Positive Predictive Value, PPV)是指被SCOFF問卷標識為“陽性”的女性中,實際被診斷出飲食失調的比例(以百分比表示)。因此,陽性預測值衡量的是SCOFF問卷“陽性”結果之準確性。在45名被SCOFF問卷標識為“陽性”(高風險)的女性中,有11人(24.4%)最終被診斷出患有飲食失調。其餘34人(75.6%)被SCOFF問卷錯誤標識,因為她們在臨床診斷面談中未被診斷為飲食失調患者。

 

SCOFF問卷的目的不是提供飲食失調的診斷,而是識別那些可能存在飲食失調疑慮的女性—即篩檢結果為“陽性”(高風險)者。在臨床實務上,被識別為“陽性”的女性通常會被建議接受臨床診斷面談,以確認是否存在飲食失調。此方法可節省不必要對所有女性進行面談的時間和金錢。然而,SCOFF問卷無法正確識別所有女性的診斷狀態。

 

當SCOFF問卷結果與診斷面談結果進行比較時,結果有下列幾種分類:

 -真陽性(True Positive):SCOFF問卷正確識別為“陽性”,且在臨床面談中確診為飲食失調的女性。

 -真陰性(True Negative):SCOFF問卷識別為“陰性”,且未被診斷為飲食失調的女性。

 -假陽性(False Positive):SCOFF問卷識別為“陽性”,但在臨床面談中未被診斷為飲食失調的女性。

 -假陰性(False Negative):SCOFF問卷識別為“陰性”,但在臨床面談中被診斷為飲食失調的女性。

 

答案a 是SCOFF問卷作為已診斷飲食失調篩檢工具的敏感度(Sensitivity計算公式。敏感度為衡量SCOFF問卷識別已診斷飲食失調女性之準確性。在臨床面談中共有13名女性被診斷出飲食失調,其中11人(84.6%)在SCOFF問卷中被正確識別為“陽性”(高風險)。其餘2人未被SCOFF問卷識別(陰性結果),因此被漏診。

 

答案c 為SCOFF問卷作為已診斷飲食失調篩檢工具之特異性(Specificity計算公式。特異性衡量的為SCOFF問卷識別未被診斷為飲食失調女性的準確性。在328名未被診斷為飲食失調的女性中,有294人(89.6%)被正確識別為“陰性”(低風險)。其餘34人被SCOFF問卷錯誤識別為“陽性”。

 

答案d 是SCOFF問卷作為初級照護飲食失調篩檢工具的陰性預測值(Negative Predictive Value, NPV計算公式。陰性預測值是指被SCOFF問卷識別為“陰性”的女性中,未被診斷為飲食失調的比例(以百分比表示)。因此,陰性預測值衡量的是SCOFF問卷“陰性”結果的準確性。在296名被SCOFF問卷識別為“陰性”(低風險)的女性中,有294人(99.3%)被正確識別,她們最終未被診斷為飲食失調。

參考文獻

Luck AJ, Morgan JF, Reid F, O’Brien A, Brunton J, Price C, et al. The SCOFF questionnaire and clinical interview for eating disorders in general practice: comparative study. BMJ 2002;325:755-6.

重點整理

  1. 陽性預測值(PPV): 衡量篩檢工具中陽性結果的準確性。
    計算方式: 11 / (11 + 34) = 24.4%
    解釋: 被 SCOFF 問卷標識為「陽性」的女性中,僅有 24.4% 最終確診為飲食失調。
  2. 敏感度(Sensitivity): 衡量篩檢工具正確識別出患有飲食失調者的能力。
    計算方式: 11 / (11 + 2) = 84.6%
    解釋: 在所有診斷為飲食失調的女性中,84.6% 被正確識別為「陽性」。
  3. 特異性(Specificity): 衡量篩檢工具正確識別未患有飲食失調者的能力。
    計算方式: 294 / (294 + 34) = 89.6%
    解釋: 在所有未診斷為飲食失調的女性中,89.6% 被正確識別為「陰性」。
  4. 陰性預測值(NPV): 衡量篩檢工具中陰性結果的準確性。
    計算方式: 294 / (294 + 2) = 99.3%
    解釋: 被 SCOFF 問卷標識為「陰性」的女性中,99.3% 最終確實未患有飲食失調。

結果解讀

SCOFF 問卷在篩檢飲食失調方面展現出高敏感度和高特異性,但陽性預測值偏低,表示許多被識別為高風險的女性最終未獲得臨床診斷;相對地,其陰性預測值極高,非常適合用來排除飲食失調的可能性。

#匯東華 #醫學統計 #篩檢測試 #敏感度 #特異性 #陽性預測值 #陰性預測值 #SCOFF問卷 #飲食失調篩檢 #臨床研究 #數據分析 #生物統計 #公共衛生 #醫療篩檢 #診斷工具 #統計指標 #EvidenceBasedMedicine #ScreeningTests #MedicalStatistics #DataDrivenHealthcare

 數據串接與清洗

數據是礦藏,數據清洗是挖出鑽石的第一步,尤其是巨量知識。數據清洗或串接執行過程需要細心與專注,且有可能會消耗許多時間和精力,就由我們來替各位處理掉這個大麻煩。

全民健保研究資料庫、國外大型資料庫資料非常齊全,種類多,需要串接與清洗,進行正規化後才能更進一步進行資料探勘與統計分析。




Fig1.同一個Project資料散落在不同tables,無法使用




Fig2.整併與清理為可分析的table




Fig.3整理和分析後形成有意義的知識


概念與流程示意圖

 教育培訓

課程規劃核心為以「學習者」為中心進行「傳承」

以學習者為中心,結合陳秀敏博士十多年來的統計實務以及教學經驗,設計適合學員學習方式,開設課程,達到有效學習。

 

開設線上統計學院

https://medata.teaches.cc/

SPSS基礎統計實戰班:第一次分析SCI研究就上手(上、下)

課程網址:https://medata.teaches.cc/

課程介紹1:https://www.youtube.com/watch?v=MPz2wqN0v2M

課程介紹2:https://www.youtube.com/watch?v=nd5A5duxO5E

 

臨床研究思維-Open your mind

課程網址:https://medata.teaches.cc/

課程介紹1:https://www.youtube.com/watch?v=yTHdBnCdSnY
課程介紹2 : https://www.youtube.com/watch?v=kE9tXraICqk

臨床研究基本原則 : https://www.youtube.com/watch?v=1tTApx1hjn0

 計畫撰寫與統計諮詢





為了讓匯東華的顧客與學員有更好的合作和消費體驗,故匯東華特別依據營業項目開發周邊產品,提供使用、購買。目前已有針對公共衛生師的題庫以及模擬試題,未來將針對醫學研究領域發展產品。