Unduh PDFUnduh PDFX
How.com.vn adalah suatu "wiki", yang berarti ada banyak artikel kami yang disusun oleh lebih dari satu orang. Untuk membuat artikel ini, 15 penyusun, beberapa di antaranya anonim, menyunting dan memperbaiki dari waktu ke waktu.
Artikel ini telah dilihat 57.746 kali.
Pengujian apapun yang dilakukan pada populasi tertentu, harus bisa menghitung sensitivitas[1], spesifitas[2], nilai prediksi positif[3], dan nlai prediksi negatif[4], untuk menentukan manfaat pengujian dalam mendeteksi penyakit atau karakteristik populasi tertentu. Jika kita ingin menggunakan suatu pengujian untuk menguji karakteristik tertentu dalam suatu populasi sampel, yang semestinya diketahui adalah:
- Seberapa mungkin pengujian ini bisa mendeteksi keberadaan karakteristik tertentu pada seseorang dengan karakteristik tersebut (sensitivitas)?
- Seberapa mungkin pengujian ini bisa mendeteksi tidak adanya karakteristik tertentu pada seseorang yang tidak memiliki karakteristik tersebut (spesifitas)?
- Seberapa mungkin seseorang yang memiliki hasil pengujian yang positif benar-benar memiliki karakteristik tersebut (nilai prediksi positif)?
- Seberapa mungkin seseorang yang hasil pengujiannya negatif benar-benar tidak memiliki karakteristik tersebut (nilai prediksi negatif)?
Nilai-nilai ini sangat penting untuk dihitung untuk menentukan apakah suatu pengujian bermanfaat untuk mengukur karakteristik tertentu pada populasi tertentu. Artikel ini akan menunjukkan cara menghitung nilai-nilai ini.
Langkah
Definisikan populasi yang akan diteliti sampelnya, misalnya 1000 pasien di suatu klinik.
Tentukan penyakit atau karakteristik yang dikehendaki, misalnya penyakit sifilis.
Miliki standar emas yang baku untuk menentukan prevalensi penyakit atau karakteristik yang dikehendaki, misalnya dokumentasi mikroskopik medan gelap bakteri Treponema pallidum dari serpihan borok sifilis, dikolaborasikan dengan temuan-temuan klinis. Gunakan uji standar emas untuk menentukan siapa yang memiliki karakteristik dan siapa yang tidak. Sebagai ilustrasi, anggap saja 100 orang memiliki karakteristik dan 900 tidak.
Lakukan pengujian yang Anda tertarik untuk menentukan sensitivitas, spesifitas, nilai prediksi positif, dan nilai prediksi negatifnya untuk populasi ini. Berikutnua, lakukan pengujian untuk siapa saja di dalam sampel populasi tersebut. Sebagai contoh, misalnya ini adalah uji reagin plasma cepat (RPR) untuk menyaring sifilis. Gunakan untuk menguji 1000 orang dalam sampel.
Untuk orang yang memiliki karakteristik (sebagaimana ditentukan dengan standar emas), catat jumlah orang yang teruji positif dan jumlah orang yang hasil pengujiannya negatif. Lakukan hal yang sama untuk orang yang tidak memiliki karakteristik (sebagaimana ditentukan oleh standar emas). Anda akan memiliki empat angka. Orang yang memiliki karakteristik DAN hasil pengujiannya positif adalah positif benar (true positives atau TP). Orang yang memiliki karakteristik DAN hasil pengujiannya negatif adalah negatif palsu (false negatives atau FN). Orang yang tidak memiliki karakteristik DAN hasil pengujiannya positif adalah positif palsu (false positives atau FP). Orang yang tidak memiliki karakteristik DAN hasil pengujiannya negatif adalah negatif benar (true negatives atau TN). Sebagai contoh, anggap saja Anda telah melakukan uji RPR pada 1000 pasien. Di antara 100 pasien yang menderita sifilis, 95 di antaranya hasil pengujiannnya positif, sedangkan 5 sisanya negatif. Di antara 900 pasien yang tidak menderita sifilis, 90 di antaranya hasil pengujiannya positif, dan 810 sisanya negatif. Dalam hal ini, TP=95, FN=5, FP=90, dan TN=810.
Untuk menghitung sensitivitas, bagi TP dengan (TP+FN). Dalam contoh kasus di atas, perhitungannya adalah 95/(95+5)= 95%. Sensitivitas memberitahukan kita seberapa mungkin pengujian memberikan hasil positif untuk orang yang memiliki karakteristik. Di antara semua orang yang memiliki karakteristik, proporsi apa yang pengujiannya positif? Sensitivitas 95% sudah cukup bagus.
Untuk menghitung spesifitas, bagi TN dengan (FP+TN). Dalam contoh di atas, perhitungannya adalah 810/(90+810)= 90%. Spesifitas memberitahukan pada kita tentang kemungkinan suatu pengujian memberikan hasil negatif pada seseorang yang tidak memiliki karakteristik. Di antara semua orang yang tidak memiliki karakteristik, berapa proporsi yang hasil pengujiannya negatif? Spesifitas 90% sudah cukup bagus.
Untuk menghitung nilai prediksi positif (NPP), bagi TP dengan (TP+FP). Dalam konteks di atas, perhitungannya adalah 95/(95+90) = 51,4%. Nilai prediksi positif memberitahukan kemungkinan seseorang memiliki karakteristik jika hasil pengujiannya positif. Di antara semua orang yang hasil pengujiannya positif, berapa proporsi yang benar-benar memiliki karakteristik? NPP 51,4% berarti jika hasil pengujian Anda positif, kemungkinan untuk benar-benar menderita penyakit yang dimaksud adalah 51,4%.
Untuk menghitung nilai prediksi negatif (NPN), bagi TN dengan (TN+FN). Untuk contoh di atas, perhitungannya adalah 810/(810+5)= 99,4%. Nilai prediksi negatif memberitahukan tentang seberapa mungkin seseorang tidak memiliki karakteristik jika hasil pengujiannya negatif. Di antara semua orang yang hasil pengujiannya negatif, berapa proporsi yang benar-benar tidak memiliki karakteristik yang dimaksud? NPN 99,4% berarti jika hasil pengujian seseorang negatif, kemungkinan tidak adanya penyakit pada yang bersangkutan adalah 99,4%.Iklan
Tips
- Akurasi, atau efisiensi, adalah persentase hasil pengujian yang diidentifikasi dengan benar oleh pengujian, yakni (positif benar + negatif benar)/hasil pengujian total = (TP+TN)/(TP+TN+FP+FN).
- Uji penapisan yang baik memiliki sensitivitas tinggi, karena Anda ingin bisa mendapatkan semua yang memiliki karakteristik tertentu. Pengujian yang memiliki sensitivitas sangat tinggi bermanfaat untuk mengesampingkan' penyakit atau karakteristik jika hasilnya negatif. ("SNOUT": SeNsitivity-rule OUT)
- Cobalah untuk membuat tabel 2x2 untuk lebih memudahkan.
- Pahami bahwa sensitivitas dan spesifitas adalah sifat intrinsik pengujian yang tidak tergantung pada populasi yang ada, yakni bahwa kedua nilai tersebut semestinya sama jika pengujian yang sama dilakukan pada populasi yang berbeda.
- Uji pemastian yang bagus memiliki spesivitas tinggi, karena Anda ingin pengujian yang dilakukan spesifik dan tidak salah melabeli orang yang tidak memiliki karakteristik dengan menganggapnya memilikinya. Pengujian yang memiliki spesiftas sangat tinggi bermanfaat untuk menyertakan penyakit atau karakteristik tertentu jika hasilnya positif. ("SPIN": SPecificity-rule IN)
- Nilai prediksi positif dan nilai prediksi negatif, di sisi lain, tergantung pada prevalensi karakteristik ini pada populasi tertentu. Semakin langka karakteristk yang dicari, semakin rendah nilai prediksi positif dan semakin tinggi nilai prediksi negatifnya (karena probablitas pretes rendah untuk karakteristik yang langka). Kebalikannya, semakin umum suatu karakteristik, semakin tinggi nilai prediksi positif dan semakin rendah nilai prediksi negatifnya (karena probabilitas pretes tinggi untuk karakteristik yang umum).
- Cobalah untuk memahami konsep-konsep ini dengan baik.
Iklan
Peringatan
- Mudah saja membuat kesalahan akibat tidak teliti dalam perhitungan. Periksa perhitungan matematikanya dengan hati-hati. Anda akan terbantu dengan membuat tabel 2x2.
Iklan
Referensi
- ↑ https://en.wikipedia.org/wiki/Sensitivity_and_specificity
- ↑ https://en.wikipedia.org/wiki/Sensitivity_and_specificity
- ↑ https://en.wikipedia.org/wiki/Positive_predictive_value
- ↑ https://en.wikipedia.org/wiki/Negative_predictive_value
- http://wiki.medpedia.com/Sensitivity_and_Specificity
- http://findarticles.com/p/articles/mi_m0689/is_1_53/ai_112592269/
Tentang How.com.vn ini
Halaman ini telah diakses sebanyak 57.746 kali.
Apakah artikel ini membantu Anda?
⚠️ Disclaimer:
Content from Wiki How Bahasa Indonesia language website. Text is available under the Creative Commons Attribution-Share Alike License; additional terms may apply.
Wiki How does not encourage the violation of any laws, and cannot be responsible for any violations of such laws, should you link to this domain, or use, reproduce, or republish the information contained herein.
- - A few of these subjects are frequently censored by educational, governmental, corporate, parental and other filtering schemes.
- - Some articles may contain names, images, artworks or descriptions of events that some cultures restrict access to
- - Please note: Wiki How does not give you opinion about the law, or advice about medical. If you need specific advice (for example, medical, legal, financial or risk management), please seek a professional who is licensed or knowledgeable in that area.
- - Readers should not judge the importance of topics based on their coverage on Wiki How, nor think a topic is important just because it is the subject of a Wiki article.
Iklan
