Вычисление и интерпретация показателей информативности диагностических медицинских технологий

В статье рассмотрены типичные задачи количественного сравнения и анализа эффективности диагностических медицинских технологий. Обсуждаются показатели клинической информативности диагностических методов, количественных методов их вычисления и интерпретации, их важность для принятия диагностических решений. На примере одного из диагностических методов описаны алгоритмы cравнения исследуемого диагностического теста с тестом «золотого стандарта» по показателям клинической информативности: чувствительности, специфичности, прогностичности положительного и отрицательного результатов теста, точности, отношения правдоподобия положительного и отрицательного результатов теста. Рассмотрены вопросы построения ROC-кривых на примере диагностических показателей носовой обструкции: воздушного потока и давления, а также расчета и  представления AUC, нахождения диагностических пороговых точек для двух тестов (изменения потока и сопротивления) и проверка статистической гипотезы о равенстве показателя AUC двух указанных тестов, создания номограммы для вычисления послетестовой вероятности болезни. Показано, как с помощью представленной методики можно эффективно вычислять все стандартные операционные характеристики диагностических медицинских технологий и дополнительные полезные показатели. Все расчеты производились в статистической программе R. В тексте статьи представлены программные коды языка R с пояснениями.

операционные характеристики диагностических медицинских технологий, чувствительность, специфичность, прогностичность результатов теста, точность, отношение правдоподобия положительного и отрицательного результатов теста, программа R, R-язык

1. Linn S., Grunau P.D. New patient-oriented summary measure of net total gain in certainty for dichotomous diagnostic tests. Epidemiol Perspect Innov. 2006;3(1):11. doi: 10.1186/17425573-3-11.

2. DeLong E.R., DeLong D.M., Clarke-Pearson D.L. Comparing the areas under two or more correlated receiver operating characteristic curves: a nonparametric approach. Biometrics. 1988;44(3):837-845. doi: 10.2307/2531595.

3. Wasserstein R.L., Lazar N.A. The ASA’s Statement on p-Values: Context, Process, and Purpose. The American Statistician. 2016;70(2):129–133. doi: 10.1080/00031305.2016.1154108.

4. Fagan T.J. Letter: nomogram for Bayes theorem. The New England journal of medicine. 1975;293(5):257. doi: 10.1056/ NEJM197507312930513.

5. Корнеенков А.А., Фанта И.В., Вяземская Е.Э. Оценка динамики симптомов болезни методами анализа выживаемости. Российская оториноларингология. 2019;18(4):8-14. doi: 10.18692/1810-4800-2019-4-8-14.

6. Корнеенков А.А., Лиленко С.В., Лиленко А.С., Вяземская Е.Э., Бахилин В.М. Использование модифицированной процедуры последовательного распознавания Вальда для определения исхода оперативного лечения у пациентов с болезнью Меньера. Российская оториноларингология. 2019;18(3):54-59. doi: 10.18692/1810-4800-2018-3-54-59.

7. Корнеенков А.А. Визуализация результатов метаанализа клинических исследований. Российская оториноларингология. 2019;18(1):8-15. doi: 10.18692/1810-48002019-1-8-15.

8. Корнеенков А.А. Разработка скоринговой карты для прогнозирования клинического исхода в оториноларингологии. Российская оториноларингология. 2019;18(2):25-35. doi: 10.18692/1810-4800-2019-2-25-35.

9. Будковая М.А., Артемьева Е.С. Особенности нарушений носового дыхания у пациентов с назальной обструкцией. Российская оториноларингология. 2019;18(1):16-23. doi: 10.18692/1810-4800-2019-1-16-23.

10. Корнеенков А.А., Лиленко С.В., Лиленко А.С., Вяземская Е.Э., Бахилин В.М. Возможности ROC-анализа для категоризации переменных в модели прогноза исхода оперативного лечения у пациентов с болезнью Меньера. Российская оториноларингология. 2018;(4):62-68. doi: 10.18692/1810-48002018-4-62-68.