494. Czułość i swoistość – podstawy oceny testu

W tej lekcji rozpoczynamy systematyczne omawianie oceny testów diagnostycznych. Czułość i swoistość odpowiadają na dwa różne pytania: jak dobrze test wykrywa osoby, które rzeczywiście mają badaną chorobę lub cechę, oraz jak dobrze rozpoznaje osoby, które jej nie mają. Są to podstawowe miary trafności diagnostycznej, ale ich poprawna interpretacja wymaga rozróżnienia między wynikiem testu a rzeczywistym stanem zdrowia, ustalonym za pomocą odpowiedniego standardu referencyjnego.

Znajomość tych pojęć jest konieczna zarówno w medycynie klinicznej, jak i w badaniach przesiewowych, pielęgniarstwie, ratownictwie medycznym, psychologii diagnostycznej oraz epidemiologii. W kolejnych lekcjach szkolenia na statystyk.edu.pl będziemy łączyć je z wartościami predykcyjnymi, ilorazami wiarygodności i krzywą ROC.

1. Do czego służy test diagnostyczny?

Test diagnostyczny to procedura, narzędzie, pomiar lub algorytm, którego wynik pomaga określić, czy u osoby występuje określony stan. Może nim być badanie laboratoryjne, obrazowe, test psychologiczny, kwestionariusz przesiewowy, ocena objawów albo wynik połączonego modelu klinicznego.

W analizie trafności diagnostycznej porównujemy wynik badanego testu, nazywanego często testem indeksowym, z wynikiem standardu referencyjnego. Standard referencyjny jest najlepszą dostępną metodą określenia rzeczywistego stanu osoby w danym kontekście. Nie zawsze jest on doskonały. W niektórych sytuacjach może nim być wynik posiewu, badania histopatologicznego, długoterminowej obserwacji klinicznej lub uzgodnionej oceny ekspertów.

Ważne jest, aby nie utożsamiać standardu referencyjnego z absolutną, bezbłędną prawdą. Jeżeli sam standard jest niedokładny, oszacowania czułości i swoistości testu indeksowego również mogą być obciążone. Dlatego w dobrym badaniu należy jasno określić, co uznano za chorobę, jak ustalano wynik standardu referencyjnego i czy osoby oceniające były zaślepione na wynik drugiej metody (Bossuyt et al., 2015).

2. Tabela czteropolowa

Najwygodniejszym punktem wyjścia jest tabela 2×2. W wierszach umieszczamy rzeczywisty stan badanej cechy, a w kolumnach wynik testu.

Test dodatni Test ujemny Suma
Choroba lub cecha obecna Prawdziwie dodatni (TP) Fałszywie ujemny (FN) TP + FN
Choroba lub cecha nieobecna Fałszywie dodatni (FP) Prawdziwie ujemny (TN) FP + TN
Suma TP + FP FN + TN N

TP oznacza osobę chorą, u której test dał wynik dodatni. FN oznacza osobę chorą, której test nie wykrył. FP oznacza osobę zdrową lub pozbawioną badanej cechy, u której test dał wynik dodatni. TN oznacza osobę bez choroby, u której wynik testu był ujemny.

Ta tabela pokazuje, że każdy test może popełniać dwa podstawowe rodzaje błędów. Wynik fałszywie ujemny oznacza przeoczenie stanu obecnego, natomiast wynik fałszywie dodatni oznacza sygnał choroby lub cechy, która w rzeczywistości nie występuje.

3. Czułość – zdolność wykrywania osób chorych

Czułość jest odsetkiem osób, które rzeczywiście mają badaną chorobę lub cechę i uzyskały dodatni wynik testu. Zapisujemy ją jako:

Czułość = TP / (TP + FN)

W mianowniku znajdują się wszystkie osoby, które rzeczywiście mają stan będący przedmiotem badania: zarówno prawdziwie dodatnie, jak i fałszywie ujemne. Czułość odpowiada więc na pytanie:

Jaki odsetek osób rzeczywiście chorych test prawidłowo identyfikuje jako chore?

Jeśli czułość wynosi 0,90, można powiedzieć, że w badanej populacji test wykrył 90% osób z chorobą, a około 10% nie wykrył. Te 10% stanowią wyniki fałszywie ujemne. Nie oznacza to jednak, że osoba z ujemnym wynikiem ma 10% prawdopodobieństwa choroby. Do takiej interpretacji potrzebna jest wartość predykcyjna ujemna, zależna między innymi od częstości choroby w badanej populacji.

Wysoka czułość może być szczególnie pożądana w badaniu przesiewowym, gdy ważniejsze jest ograniczenie liczby przeoczonych przypadków niż uniknięcie wszystkich niepotrzebnych dalszych badań. Nie jest to jednak uniwersalna zasada. Znaczenie wysokiej czułości zależy od konsekwencji wyniku fałszywie ujemnego, kosztu testu i dostępności testu potwierdzającego.

4. Swoistość – zdolność rozpoznawania osób bez choroby

Swoistość jest odsetkiem osób, które rzeczywiście nie mają badanej choroby lub cechy i uzyskały ujemny wynik testu. Wzór ma postać:

Swoistość = TN / (TN + FP)

W mianowniku znajdują się wszystkie osoby bez badanego stanu: zarówno prawdziwie ujemne, jak i fałszywie dodatnie. Swoistość odpowiada na pytanie:

Jaki odsetek osób rzeczywiście zdrowych test prawidłowo rozpoznaje jako zdrowe?

Jeżeli swoistość wynosi 0,95, test daje wynik ujemny u 95% osób bez choroby. Pozostałe 5% otrzymuje wynik fałszywie dodatni. Wysoka swoistość jest cenna wtedy, gdy wynik dodatni może prowadzić do kosztownych, obciążających lub ryzykownych dalszych procedur.

W praktyce klinicznej często używa się skrótu SpPin: test o wysokiej swoistości, gdy wynik jest dodatni, może pomóc „rule in”, czyli potwierdzić obecność stanu. Jest to jednak reguła orientacyjna, a nie samodzielna zasada podejmowania decyzji. Ostateczna interpretacja zależy również od prawdopodobieństwa wstępnego i wartości predykcyjnych.

5. Czułość i swoistość a próg wyniku

Wiele testów nie daje wyłącznie wyniku „tak” albo „nie”, lecz wartość liczbową. Przykładem może być stężenie biomarkera, wynik ciśnienia tętniczego, liczba punktów w kwestionariuszu albo prawdopodobieństwo wyliczone przez algorytm. Aby przekształcić taki pomiar w wynik dodatni lub ujemny, ustala się punkt odcięcia.

Zmiana punktu odcięcia zwykle powoduje zmianę relacji między czułością a swoistością. Jeżeli obniżymy próg uznania wyniku za dodatni, więcej osób zostanie zakwalifikowanych jako potencjalnie chore. Zwykle zwiększa to czułość, ale może zmniejszać swoistość, ponieważ rośnie liczba wyników fałszywie dodatnich. Podwyższenie progu może działać odwrotnie.

Nie należy opisywać tego mechanizmu jako automatycznego prawa bez wyjątków, ponieważ rzeczywiste dane mogą być bardziej złożone. Jednak w typowej sytuacji diagnostycznej istnieje kompromis między wykrywaniem przypadków a ograniczaniem fałszywych alarmów. Dobór punktu odcięcia powinien uwzględniać przeznaczenie testu, konsekwencje błędów, koszty oraz dostępność dalszego postępowania (Habibzadeh, 2025).

6. Przykład medyczny: test przesiewowy

Załóżmy, że u 1000 osób przeprowadzono test przesiewowy w kierunku choroby zakaźnej. Standard referencyjny wykazał chorobę u 100 osób, a u 900 osób jej nie stwierdził. Wyniki przedstawiają się następująco:

  • TP = 90,
  • FN = 10,
  • FP = 90,
  • TN = 810.

Czułość wynosi:

90 / (90 + 10) = 90 / 100 = 0,90 = 90%

Swoistość wynosi:

810 / (810 + 90) = 810 / 900 = 0,90 = 90%

Test prawidłowo wykrył 90% osób chorych i prawidłowo wykluczył chorobę u 90% osób bez choroby. Jednocześnie wykryto 10 przypadków fałszywie ujemnych oraz 90 fałszywie dodatnich.

W tym przykładzie wynik dodatni uzyskało 180 osób, ale chorobę rzeczywiście miało 90 z nich. Oznacza to, że dodatni wynik nie jest równoznaczny z rozpoznaniem. Wartość predykcyjna dodatnia wyniosłaby 90/180, czyli 50%. Ta dodatkowa kalkulacja pokazuje, dlaczego czułość i swoistość nie odpowiadają bezpośrednio na pytanie: „Jakie jest prawdopodobieństwo choroby po dodatnim wyniku?”.

7. Przykład z psychologii i zdrowia publicznego

Rozważmy kwestionariusz przesiewowy stosowany w podstawowej opiece zdrowotnej do identyfikowania osób z możliwym zaburzeniem depresyjnym. Standardem referencyjnym jest ustrukturyzowany wywiad kliniczny przeprowadzony przez przeszkolonego specjalistę. Kwestionariusz ma wskazać osoby, które wymagają dalszej oceny, a nie samodzielnie ustalić rozpoznanie.

Jeżeli czułość kwestionariusza wynosi 85%, oznacza to, że spośród osób spełniających kryteria zaburzenia 85% uzyska wynik dodatni. Około 15% może zostać pominiętych przez procedurę przesiewową. Jeżeli swoistość wynosi 75%, to 75% osób niespełniających kryteriów uzyska wynik ujemny, a 25% otrzyma wynik dodatni mimo braku zaburzenia według standardu referencyjnego.

W takim zastosowaniu wynik dodatni powinien zwykle prowadzić do rozmowy diagnostycznej, a nie do automatycznego nadania etykiety klinicznej. Fałszywie dodatni wynik może wywoływać niepokój i stygmatyzację, natomiast fałszywie ujemny może opóźniać uzyskanie pomocy. Ocena testu musi więc obejmować nie tylko jedną liczbę, lecz także cel procedury, populację, sposób użycia wyniku i konsekwencje decyzji.

8. Co wpływa na oszacowaną czułość i swoistość?

Czułość i swoistość nie powinny być traktowane jako niezmienne właściwości oderwane od kontekstu. Ich wartości mogą różnić się między badaniami, ponieważ zmieniają się między innymi:

  • charakterystyka badanej populacji,
  • nasilenie i stadium choroby,
  • spektrum innych rozpoznań u osób bez choroby,
  • miejsce zastosowania testu, na przykład opieka podstawowa lub oddział specjalistyczny,
  • punkt odcięcia i sposób interpretacji wyniku,
  • metoda zastosowana jako standard referencyjny,
  • czas między testem indeksowym a standardem referencyjnym,
  • zaślepienie osób interpretujących wyniki.

Badanie przeprowadzone wyłącznie wśród osób z ciężką, jednoznaczną chorobą oraz zdrowych ochotników może zawyżać ocenę użyteczności testu w codziennej praktyce. W realnym systemie ochrony zdrowia pojawiają się osoby z łagodnymi objawami, chorobami współistniejącymi i alternatywnymi rozpoznaniami.

Dlatego raport z badania trafności powinien opisywać sposób rekrutacji uczestników, miejsce i czas badania, kryteria kwalifikacji, definicję wyniku dodatniego, standard referencyjny, przepływ uczestników oraz przedziały ufności dla oszacowań. Takie zalecenia zawiera standard STARD 2015 (Bossuyt et al., 2015).

9. Czułość i swoistość nie są wartościami predykcyjnymi

To jedno z najważniejszych rozróżnień. Czułość i swoistość są definiowane względem rzeczywistego stanu zdrowia:

  • czułość analizuje osoby chore i pyta, ile z nich ma wynik dodatni;
  • swoistość analizuje osoby bez choroby i pyta, ile z nich ma wynik ujemny.

Wartość predykcyjna dodatnia i ujemna wychodzą od wyniku testu:

  • wartość predykcyjna dodatnia pyta, jaki odsetek osób z wynikiem dodatnim rzeczywiście jest chory;
  • wartość predykcyjna ujemna pyta, jaki odsetek osób z wynikiem ujemnym rzeczywiście jest zdrowy.

Wartości predykcyjne silnie zależą od częstości choroby w badanej grupie, czyli od prawdopodobieństwa wstępnego. Ten sam test może mieć podobną czułość i swoistość w dwóch populacjach, lecz zupełnie inne wartości predykcyjne. Z tego powodu nie należy przekładać czułości na prawdopodobieństwo choroby po wyniku dodatnim ani swoistości na prawdopodobieństwo zdrowia po wyniku ujemnym (Altman i Bland, 1994).

10. Najczęstsze błędy

Błąd 1: odwrócenie mianownika

Czułość nie jest równa TP/(TP+FP). Taki wzór opisuje wartość predykcyjną dodatnią. W czułości mianownik obejmuje wszystkie osoby rzeczywiście chore: TP+FN.

Błąd 2: uznanie dodatniego wyniku za rozpoznanie

Dodatni wynik testu może być fałszywie dodatni. Test przesiewowy wskazuje osoby wymagające dalszej oceny, a nie zawsze potwierdza chorobę.

Błąd 3: utożsamianie swoistości z prawdopodobieństwem zdrowia po wyniku ujemnym

Swoistość oblicza się wśród osób bez choroby. Prawdopodobieństwo braku choroby po wyniku ujemnym opisuje wartość predykcyjna ujemna.

Błąd 4: pomijanie punktu odcięcia

W przypadku testu liczbowego sama nazwa testu nie wystarcza. Trzeba podać próg, przy którym wynik uznano za dodatni, oraz uzasadnienie jego wyboru.

Błąd 5: raportowanie jednej liczby bez niepewności

Oszacowana czułość lub swoistość jest obarczona niepewnością losową. Należy podawać przedziały ufności, zwłaszcza gdy liczba osób chorych albo zdrowych jest mała.

Błąd 6: język przyczynowy

Wysoka czułość nie „powoduje” lepszego zdrowia pacjentów. Jest cechą pomiaru w określonych warunkach. Wnioski o wpływie zastosowania testu na zdrowie wymagają osobnego badania efektów klinicznych.

11. Przykład praktyczny: wybór testu do dwóch etapów diagnostyki

Załóżmy, że ratownicy medyczni stosują szybki test przesiewowy przed przekazaniem pacjenta do dalszej diagnostyki. Priorytetem jest możliwie mała liczba przeoczonych przypadków stanu zagrażającego życiu. W pierwszym etapie można preferować test o wysokiej czułości, nawet jeżeli jego swoistość nie jest maksymalna. Dodatni wynik kieruje pacjenta do pilnej oceny potwierdzającej.

W drugim etapie, gdy decyzja wiąże się z obciążającą procedurą, potrzebny może być test o wyższej swoistości. Jego rola polega na ograniczeniu liczby osób, które poddano by procedurze mimo braku choroby. Nie oznacza to, że jeden test jest „dobry”, a drugi „zły”. Ich przydatność zależy od miejsca w ścieżce diagnostycznej i kosztów obu rodzajów błędu.

W analizie przypadku trzeba zatem odpowiedzieć na cztery pytania: jaki stan wykrywamy, jaki jest standard referencyjny, który błąd jest bardziej niebezpieczny oraz co następuje po wyniku dodatnim i ujemnym. Dopiero wtedy czułość i swoistość stają się informacjami użytecznymi dla decyzji.

12. Co warto zapamiętać?

  1. Czułość to odsetek osób rzeczywiście chorych, które mają dodatni wynik: TP/(TP+FN).
  2. Swoistość to odsetek osób rzeczywiście zdrowych, które mają ujemny wynik: TN/(TN+FP).
  3. Wysoka czułość ogranicza liczbę wyników fałszywie ujemnych, a wysoka swoistość ogranicza liczbę wyników fałszywie dodatnich.
  4. Czułość i swoistość nie są tym samym co wartości predykcyjne.
  5. Wartości predykcyjne zależą od częstości choroby lub prawdopodobieństwa wstępnego.
  6. Wyniki testu zależą od populacji, standardu referencyjnego, punktu odcięcia i organizacji badania.
  7. Ocena trafności powinna obejmować tabelę 2×2, przedziały ufności, opis uczestników i konsekwencje praktyczne błędów.
  8. Istotność statystyczna nie jest tu właściwym kryterium jakości testu. Należy analizować wielkość i precyzję oszacowań oraz ich znaczenie kliniczne i organizacyjne.

Podstawową umiejętnością jest teraz przejście od definicji słownej do tabeli 2×2. Jeżeli potrafisz wskazać, kto rzeczywiście miał chorobę, kto uzyskał wynik dodatni oraz które komórki są TP, FN, FP i TN, możesz poprawnie obliczyć czułość i swoistość. Następny krok stanowi interpretacja wyniku konkretnego pacjenta, do której potrzebne będą wartości predykcyjne i prawdopodobieństwo wstępne.

Źródła i dalsza lektura

  1. Altman, D. G.; Bland, J. M. (1994). Statistics Notes: Diagnostic tests 1: sensitivity and specificity. BMJ, 308(6943), 1552. DOI: 10.1136/bmj.308.6943.1552.
  2. Altman, D. G.; Bland, J. M. (1994). Diagnostic tests 2: predictive values. BMJ, 309(6947), 102. DOI: 10.1136/bmj.309.6947.102.
  3. Bossuyt, P. M.; Reitsma, J. B.; Bruns, D. E.; Gatsonis, C. A.; Glasziou, P. P.; Irwig, L.; Lijmer, J. G.; Moher, D.; Rennie, D.; de Vet, H. C. W.; Kressel, H. Y.; Rifai, N.; Golub, R. M.; Altman, D. G.; Hooft, L.; Korevaar, D. A.; Cohen, J. F.; for the STARD Group (2015). STARD 2015: An Updated List of Essential Items for Reporting Diagnostic Accuracy Studies. BMJ, 351, h5527. DOI: 10.1136/bmj.h5527.
  4. Cohen, J. F.; Korevaar, D. A.; Altman, D. G.; Bruns, D. E.; Gatsonis, C. A.; Hooft, L.; Irwig, L.; Levine, D.; Reitsma, J. B.; de Vet, H. C. W.; Bossuyt, P. M. M. (2016). STARD 2015 guidelines for reporting diagnostic accuracy studies: explanation and elaboration. BMJ Open, 6(11), e012799. DOI: 10.1136/bmjopen-2016-012799.
  5. Habibzadeh, F. (2025). Diagnostic tests performance indices: an overview. Biochemia Medica, 35(1), 010101. DOI: 10.11613/BM.2025.010101.
  6. Leeflang, M. M. G.; Deeks, J. J.; Gatsonis, C.; Bossuyt, P. M. M. (2008). Systematic reviews of diagnostic test accuracy. Annals of Internal Medicine, 149(12), 889–897. DOI: 10.7326/0003-4819-149-12-200812160-00008.

Podobne wpisy

3 komentarze

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Wymagane pola są oznaczone *