Как поставить биостатистику с головы на ноги? Оценка чувствительности и специфичности диагностического метода

Ф. Давидофф Как поставить биостатистику с головы на ноги?

Translated, with permission of the ACP—ASIM, from: Davidoff F. Standing statistic right side up. Ann Intern Med 1999;130:1019—21.

В течение многих лет преподавания я обучаю студентов основам диагностики. В начале лекции я объясняю, что чувствительность диагностического метода при заболевании Х равна доле положительных результатов в популяции людей, у которых, согласно результатам другого, надежного и не зависящего от данных иных методов обследования теста (диагностического, или "золотого", стандарта), имеется заболевание Х. Иными словами, чувствительность теста равна доле истиннопо ложительных результатов в популяции больных: например, при выявлении 95 из 100 заведомо больных она составляет 0,95. Затем я перехожу к понятию специфичности теста, отражающей вероятность того, что у людей, которые по данным диагностического стандарта не имеют заболевания Х, результат теста не будет положительным. При 10 ложноположительных результатах теста на 100 здоровых людей его специфичность составит 0,90.

Наконец, я предлагаю студентам решить следующую задачу: какова вероятность наличия болезни Х, если при обследовании тест с упомянутыми выше чувствительностью и специфичностью дал положительный результат? В ответ я почти всегда слышу: "95%". Такой вывод кажется совершенно логичным, поскольку тест выявляет 95% людей с заболеванием Х, но в действительности он не только неправильный, но извращает сам процесс логического мышления.

Оценка чувствительности и специфичности диагностического метода представляет собой пример дедукции : исследователь движется от общего (гипотезы о наличии либо отсутствии того или иного заболевания) к частному (вероятности того, что результат теста будет положительным). В приведенном примере студенты ставят логику с ног на голову, поскольку перед врачом (и больным) стоит диаметрально противоположная задача: с помощью индукции двигаться от частного (результата теста) к общему (гипотезе о наличии заболевания).

Другими словами, врачам (и больным) нужен метод расчета вероятности того, что любой результат теста, будь он положительным или отрицательным, отражает истинное положение дел. Для этого можно воспользоваться методом индукции, но тогда нам понадобится комбинированный показатель чувствительности и специфичности теста, который называется отношением правдоподобия . Этот обобщенный показатель отражает степень достоверности как положительных, так и отрицательных результатов теста. С помощью отношения правдоподобия и претестовой (априорной) вероятности наличия болезни вычисляют более близкую к действительности послетестовую (апостериорную) вероятность , а точнее вероятность того, что болезнь имеется. Этот показатель называют прогностической ценностью теста. Прогностическая ценность положительного результата теста отражает послетестовую вероятность наличия болезни при положительном результате теста, а прогностическая ценность отрицательного результата теста — послетестовую вероятность отсутствия болезни при отрицательном результате теста.

Хотя дедуктивный подход к оценке чувствительности и специфичности коренным образом отличается от индуктивного подхода к расчету прогностической ценности, отличие это нелегко заметить, что и происходило в биостатистике до середины 70-х годов [1]. В своей статье, состоящей из двух частей [2, 3]*, S.N. Goodman продемонстрировал, что стандартные статистические методы (иногда называемые частотными), которые с давних пор используются для анализа результатов биомедицинских исследований и многими воспринимаются как уникальный способ выявления истины, в действительности ставят логическое мышление с ног на голову наподобие того, как это делали студенты при решении упомянутой в начале статьи диагностической задачи.

Чтение статьи S.N. Goodman — далеко не легкое занятие. Вместе с тем ее автор — талантливый герменевтик, умело интерпретирующий самую сложную информацию. Читатель, который попробует понять его, будет вознагражден целым рядом важных, а возможно и обескураживающих открытий. Задача врача — оценить вероятность наличия заболевания у конкретного человека при определенном результате теста, а задача исследователя (и тех, кто прочитает отчет о его исследовании) — оценить истинность изучаемой гипотезы на основании данных, полученных в ходе определенного эксперимента или испытания. Оба процесса подразумевают использование метода индукции. Но, как справедливо отметил S.N. Goodman, исследователи куда более охотно прибегают к противоположно направленным рассуждениям (метод дедукции). При этом рассчитывается вероятность того, что наблюдаемый эффект будет именно таким, какой получен в данном испытании (в пределах некоторых отклонений), при условии истинности определенной гипотезы (обычно это нулевая гипотеза, т.е. предположение об отсутствии различий между сравниваемыми группами). Этот подход отражает знакомая всем величина p.