496. Ilorazy wiarygodności LR+ i LR−
W poprzednich lekcjach omówiono czułość, swoistość oraz wartości predykcyjne testu. Kolejnym krokiem jest zrozumienie, jak konkretny wynik badania zmienia początkowe przekonanie o obecności choroby. Temu służą ilorazy wiarygodności, oznaczane najczęściej jako LR+ i LR−. Są one szczególnie użyteczne wtedy, gdy chcemy połączyć wynik testu z prawdopodobieństwem przedtestowym pacjenta lub populacji. W praktyce klinicznej i epidemiologicznej pozwalają przejść od pytania „jak dobry jest test?” do pytania „co oznacza ten wynik u konkretnej osoby?”.
1. Czym jest iloraz wiarygodności?
Iloraz wiarygodności jest stosunkiem dwóch prawdopodobieństw warunkowych. Informuje, ile razy bardziej prawdopodobny jest określony wynik testu u osoby chorej niż u osoby bez choroby. Nie jest zatem kolejną miarą częstości choroby ani prawdopodobieństwem, że pacjent jest chory. Jest miarą siły dowodu dostarczanego przez wynik testu.
Jeżeli wynik testu występuje równie często w obu grupach, iloraz wiarygodności wynosi 1. Taki wynik nie zmienia oceny prawdopodobieństwa choroby. Wartość większa od 1 przemawia za obecnością choroby, natomiast wartość mniejsza od 1 przemawia przeciw niej. Im dalej wartość LR znajduje się od 1, tym silniejsza jest informacja diagnostyczna (Deeks i Altman, 2004).
Dlaczego potrzebujemy LR, skoro mamy czułość i swoistość?
Czułość i swoistość opisują test, ale każda z tych miar odpowiada na inne pytanie. Czułość mówi, jaka część osób chorych uzyska wynik dodatni. Swoistość mówi, jaka część osób bez choroby uzyska wynik ujemny. Same w sobie nie informują jeszcze, jakie jest prawdopodobieństwo choroby po otrzymaniu wyniku u konkretnej osoby.
Ilorazy wiarygodności łączą oba aspekty testu w jedną miarę, którą można wykorzystać do aktualizacji prawdopodobieństwa. W tym sensie są naturalnym narzędziem wnioskowania bayesowskiego. Podstawowa zależność ma postać:
ilorazy szans po teście = ilorazy szans przed testem × LR
Do obliczeń używamy ilorazów szans, a nie bezpośrednio prawdopodobieństw. Dopiero na końcu przeliczamy wynik z powrotem na prawdopodobieństwo.
2. Tabela 2 × 2 i wzory
Rozważmy standardową tabelę wyników testu diagnostycznego:
| Choroba obecna | Choroba nieobecna | |
|---|---|---|
| Test dodatni | a — prawdziwie dodatni | b — fałszywie dodatni |
| Test ujemny | c — fałszywie ujemny | d — prawdziwie ujemny |
Na tej podstawie:
- czułość =
a/(a+c); - swoistość =
d/(b+d); - odsetek wyników dodatnich wśród osób bez choroby =
b/(b+d), czyli 1 − swoistość; - odsetek wyników ujemnych wśród osób chorych =
c/(a+c), czyli 1 − czułość.
LR+
Dodatni iloraz wiarygodności określa, jak bardzo wynik dodatni przemawia za obecnością choroby:
LR+ = czułość / (1 − swoistość)
Równoważnie:
LR+ = [a/(a+c)] / [b/(b+d)]
Licznik jest odsetkiem wyników dodatnich wśród chorych, a mianownik — odsetkiem wyników dodatnich wśród osób bez choroby. Przykładowo LR+ = 5 oznacza, że wynik dodatni występuje pięć razy częściej u osób chorych niż u osób bez choroby.
LR−
Ujemny iloraz wiarygodności określa, jak bardzo wynik ujemny przemawia przeciw obecności choroby:
LR− = (1 − czułość) / swoistość
Równoważnie:
LR− = [c/(a+c)] / [d/(b+d)]
Jeżeli LR− = 0,20, wynik ujemny jest pięć razy mniej prawdopodobny u osoby chorej niż u osoby bez choroby, ponieważ 1/0,20 = 5. Im mniejsze LR−, tym silniejszy argument przeciw chorobie.
3. Jak interpretować wartości LR?
Nie istnieje uniwersalna granica, po której każdy test staje się „dobry”. Interpretacja zależy od konsekwencji błędu, prawdopodobieństwa przedtestowego, jakości badania i celu zastosowania testu. Orientacyjnie:
| Wartość | Przybliżona interpretacja |
|---|---|
| LR+ > 10 | silny argument za chorobą |
| LR+ 5–10 | umiarkowanie silny argument za chorobą |
| LR+ 2–5 | słaby lub umiarkowany wzrost prawdopodobieństwa |
| LR+ blisko 1 | niewielka lub żadna zmiana |
| LR− < 0,10 | silny argument przeciw chorobie |
| LR− 0,10–0,20 | umiarkowanie silny argument przeciw chorobie |
| LR− 0,20–0,50 | niewielkie lub umiarkowane zmniejszenie prawdopodobieństwa |
| LR− blisko 1 | niewielka lub żadna zmiana |
Reguły te są jedynie orientacyjne. LR+ = 8 może mieć duże znaczenie przy chorobie zagrażającej życiu, ale niewystarczające znaczenie przy decyzji wymagającej niemal całkowitej pewności. Podobnie LR− = 0,15 może być bardzo przydatne przy wykluczaniu choroby, ale nie zawsze pozwala bezpiecznie zrezygnować z dalszej diagnostyki.
4. Od prawdopodobieństwa przedtestowego do potestowego
Prawdopodobieństwo przedtestowe to ocena szans występowania choroby przed uzyskaniem wyniku analizowanego testu. Może wynikać z częstości choroby w populacji, wcześniejszych badań, objawów, wywiadu, badania fizykalnego lub oceny klinicznej. Po otrzymaniu wyniku uzyskujemy prawdopodobieństwo potestowe.
Procedura obliczeń wygląda następująco:
- Przelicz prawdopodobieństwo przedtestowe na szanse przedtestowe:
szanse przedtestowe = p/(1−p). - Pomnóż szanse przedtestowe przez LR+ dla wyniku dodatniego albo przez LR− dla wyniku ujemnego.
- Przelicz szanse potestowe na prawdopodobieństwo:
prawdopodobieństwo potestowe = szanse potestowe/(1+szanse potestowe).
Wzory te pokazują, dlaczego ten sam wynik testu może mieć różne znaczenie u różnych pacjentów. LR testu pozostaje zasadniczo niezależny od częstości choroby, ale prawdopodobieństwo potestowe zależy od punktu wyjścia.
5. Przykład 1: test przesiewowy w kierunku choroby
Załóżmy, że u osoby z określonymi objawami prawdopodobieństwo przedtestowe choroby wynosi 20%. Test ma czułość 90% i swoistość 80%.
Najpierw obliczamy:
LR+ = 0,90/(1−0,80) = 0,90/0,20 = 4,5;LR− = (1−0,90)/0,80 = 0,10/0,80 = 0,125.
Wynik dodatni
Szanse przedtestowe wynoszą 0,20/0,80 = 0,25. Po wyniku dodatnim:
szanse potestowe = 0,25 × 4,5 = 1,125.
Przeliczenie na prawdopodobieństwo daje:
1,125/(1+1,125) = 0,529, czyli około 52,9%.
Wynik dodatni zwiększył prawdopodobieństwo z 20% do około 53%, ale nie potwierdził choroby z pewnością. W zależności od konsekwencji rozpoznania potrzebne może być badanie potwierdzające.
Wynik ujemny
Po wyniku ujemnym:
szanse potestowe = 0,25 × 0,125 = 0,03125, a więc:
0,03125/(1+0,03125) ≈ 0,0303.
Prawdopodobieństwo choroby spada do około 3%. Test jest więc bardziej przekonujący w funkcji wykluczania choroby niż w funkcji jej potwierdzania.
6. Przykład 2: podejrzenie zatorowości płucnej
Wyobraźmy sobie pacjenta zgłaszającego duszność i ból w klatce piersiowej. Na podstawie wywiadu i badania lekarz ocenia prawdopodobieństwo przedtestowe zatorowości płucnej na 10%. Badanie laboratoryjne lub obrazowe ma dla określonego wyniku dodatniego LR+ = 6 oraz dla wyniku ujemnego LR− = 0,20.
Wynik dodatni
Szanse przedtestowe wynoszą 0,10/0,90 = 0,1111. Po wyniku dodatnim:
0,1111 × 6 = 0,6667.
Prawdopodobieństwo potestowe wynosi około 0,6667/1,6667 = 0,40, czyli 40%. Dodatni wynik wyraźnie zwiększa podejrzenie, ale sam może nie przesądzać o rozpoznaniu.
Wynik ujemny
Po wyniku ujemnym szanse wynoszą 0,1111 × 0,20 = 0,0222, co odpowiada prawdopodobieństwu około 2,2%. W kontekście ustalonego progu bezpieczeństwa klinicznego taki wynik może ograniczyć potrzebę dalszych badań, ale decyzja musi uwzględniać jakość testu, stan pacjenta i ryzyko przeoczenia choroby.
7. Testy z wynikiem ciągłym i LR dla przedziałów
Wiele badań nie daje wyłącznie wyniku „dodatni” albo „ujemny”. Przykładami są stężenie biomarkera, czas reakcji, ciśnienie tętnicze lub wynik skali psychologicznej. Ustalenie jednego punktu odcięcia upraszcza analizę, ale może tracić informację.
W takiej sytuacji można obliczać ilorazy wiarygodności dla przedziałów. Dla każdego zakresu wyniku porównuje się częstość tego zakresu u osób chorych i bez choroby. Przykładowo dla biomarkera można otrzymać:
- poniżej 10 jednostek: LR− = 0,10;
- 10–20 jednostek: LR = 0,60;
- 20–40 jednostek: LR = 2,5;
- powyżej 40 jednostek: LR+ = 12.
Takie podejście lepiej odzwierciedla stopniowy charakter dowodu diagnostycznego niż pojedynczy próg. Brown i Reeves (2003) podkreślają, że dichotomizacja zmiennej ciągłej może prowadzić do utraty informacji i zniekształcenia interpretacji.
8. Jak oceniać wiarygodność LR w publikacji?
Sam podany LR nie gwarantuje, że wynik jest użyteczny. Przed zastosowaniem należy ocenić projekt badania. Warto sprawdzić:
- czy uczestnicy reprezentowali osoby, u których test ma być stosowany;
- czy zastosowano właściwy, niezależny standard referencyjny;
- czy interpretator testu i standardu referencyjnego byli zaślepieni na wzajemne wyniki;
- czy uniknięto weryfikacji tylko części uczestników;
- czy podano przedziały ufności dla LR;
- czy punkt odcięcia ustalono przed analizą, a nie dobrano wyłącznie na podstawie danych;
- czy wyniki można odnieść do populacji i warunków, w których planujemy użyć testu.
Wytyczne dotyczące oceny badań diagnostycznych zwracają uwagę na ryzyko błędu wynikające między innymi z niereprezentatywnego doboru pacjentów, braku niezależnego standardu referencyjnego i niepełnej weryfikacji wyników (Jaeschke, Guyatt i Sackett, 1994; Jaeschke i in., 1994).
Najczęstsze błędy
- Traktowanie LR+ jako prawdopodobieństwa choroby. LR+ = 10 nie oznacza 90% ani 10% prawdopodobieństwa choroby. Jest mnożnikiem dla szans przedtestowych.
- Mylenie LR+ z czułością. LR+ uwzględnia zarówno czułość, jak i odsetek wyników fałszywie dodatnich.
- Uznawanie LR = 1 za dobry wynik. Wartość 1 oznacza brak zmiany informacji diagnostycznej.
- Interpretowanie LR− jako odsetka osób wykluczonych z choroby. LR− nie mówi, jaki procent pacjentów jest zdrowy; służy do aktualizacji prawdopodobieństwa.
- Pomijanie prawdopodobieństwa przedtestowego. Ten sam test może prowadzić do różnych prawdopodobieństw potestowych u osób z różnym ryzykiem początkowym.
- Przypisywanie LR charakteru przyczynowego. LR opisuje siłę związku wyniku testu z obecnością choroby. Nie dowodzi, że wynik testu powoduje chorobę.
- Ignorowanie niepewności. LR powinien być interpretowany wraz z przedziałem ufności, liczebnością próby i oceną ryzyka błędu systematycznego.
- Automatyczne mnożenie LR kilku objawów. Jest to uzasadnione tylko przy odpowiednich założeniach dotyczących zależności między informacjami; objawy i testy często nie są niezależne.
Przykład praktyczny: decyzja pielęgniarska i triage
W punkcie pierwszego kontaktu pielęgniarka ocenia pacjenta z gorączką i kaszlem. Prawdopodobieństwo przedtestowe poważnej infekcji układu oddechowego oszacowano na 15%. Szybki test ma LR+ = 3 i LR− = 0,25.
Dla wyniku dodatniego szanse przedtestowe to 0,15/0,85 = 0,1765. Po pomnożeniu przez 3 otrzymujemy 0,5295, czyli prawdopodobieństwo potestowe około 34,6%. Dodatni wynik nie oznacza więc, że pacjent „na pewno” ma infekcję, ale może uzasadniać pilniejszą konsultację lub badanie potwierdzające.
Dla wyniku ujemnego szanse wynoszą 0,1765 × 0,25 = 0,0441, co daje prawdopodobieństwo około 4,2%. Wynik ujemny znacząco zmniejsza ryzyko, lecz nie eliminuje go całkowicie. Jeżeli pacjent jest niestabilny, ma narastającą duszność lub inne objawy alarmowe, decyzji nie wolno opierać na samym LR.
Co warto zapamiętać?
- LR+ służy głównie do oceny, jak wynik dodatni zwiększa prawdopodobieństwo choroby.
- LR− służy głównie do oceny, jak wynik ujemny zmniejsza prawdopodobieństwo choroby.
- Wartość LR = 1 nie zmienia oceny prawdopodobieństwa.
- Im większe LR+, tym silniejszy dowód za chorobą; im mniejsze LR−, tym silniejszy dowód przeciw chorobie.
- LR nie jest prawdopodobieństwem choroby i nie zastępuje prawdopodobieństwa przedtestowego.
- Formalne obliczenia wymagają przejścia przez szanse:
szanse potestowe = szanse przedtestowe × LR. - Znaczenie praktyczne wyniku zależy od progów decyzyjnych, konsekwencji błędów i jakości badania.
- Wyniki ciągłe warto analizować za pomocą LR dla przedziałów, zamiast zawsze wymuszać jeden punkt odcięcia.
Ilorazy wiarygodności są jednym z najwygodniejszych sposobów łączenia danych z testu diagnostycznego z wcześniejszą oceną ryzyka. W ramach publicznego szkolenia na statystyka.edu.pl warto traktować je jako narzędzie do krytycznej interpretacji wyników, a nie jako automatyczny substytut rozumowania klinicznego, oceny jakości badania i decyzji podejmowanej w konkretnym kontekście.
Źródła i dalsza lektura
- Deeks, J. J.; Altman, D. G. (2004). Diagnostic tests 4: likelihood ratios. BMJ, 329(7458), 168–169. DOI: 10.1136/bmj.329.7458.168.
- Jaeschke, R.; Guyatt, G.; Sackett, D. L.; Evidence-Based Medicine Working Group (1994). Users’ guides to the medical literature. III. How to use an article about a diagnostic test. A. Are the results of the study valid?. JAMA, 271(5), 389–391. DOI: 10.1001/jama.271.5.389.
- Jaeschke, R.; Guyatt, G. H.; Sackett, D. L.; Bass, E.; Edwards, P.; Browman, G.; Cook, D.; Farkouh, M.; Gerstein, H.; Haynes, R. B.; Hayward, R.; Holbrook, A.; Juniper, E.; Lee, H.; Levine, M.; Moyer, V.; Nishikawa, J.; Oxman, A.; Patel, A.; Philbrick, J.; Richardson, W. S.; Sauve, S.; Sinclair, J.; Trout, K. S.; Tugwell, P.; Tunis, S.; Walter, S.; Wilson, M.; Evidence-Based Medicine Working Group (1994). Users’ guides to the medical literature. III. How to use an article about a diagnostic test. B. What are the results and will they help me in caring for my patients?. JAMA, 271(9), 703–707. DOI: 10.1001/jama.1994.03510330081039.
- Fagan, T. J. (1975). Nomogram for Bayes’ theorem. The New England Journal of Medicine, 293(5), 257. DOI: 10.1056/NEJM197507312930513.
- McGee, S. (2002). Simplifying likelihood ratios. Journal of General Internal Medicine, 17(8), 646–649. DOI: 10.1046/j.1525-1497.2002.10750.x.
- Brown, M. D.; Reeves, M. J. (2003). Evidence-based emergency medicine/skills for evidence-based emergency care. Interval likelihood ratios: another advantage for the evidence-based diagnostician. Annals of Emergency Medicine, 42(2), 292–297. DOI: 10.1067/mem.2003.274.
Więcej kolejnych lekcji publicznego szkolenia znajdziesz na statystyk.edu.pl.