Bu soruyu hem tıbbi hem de istatistik açısından cevaplayacağım. Özellikle en çok satan Nate Silver'ın Sinyal ve Gürültüsünden sonra, yatılı basında çok fazla ilgi gördü ve The New York Times gibi konsepti açıklayan yayınlarda bir dizi makale . Bu yüzden @ user2666425 bu konuyu CV'de açmış olmasından çok memnunum.
Öncelikle, lütfen doğru değil. Size bu rakamın bir hayalin gerçekleşeceğini söyleyebilirim. Ne yazık ki, özellikle yoğun meme dokusu olan kadınlardabirçokyanlış negatifmamogram vardır. Tahmin edilen rakam,tüm farklı meme kanseri türlerini bir (invaziv v DCIS) ve diğer faktörlere sokup tutmamanıza bağlı olarak % 20 veya daha yüksekolabilir. Sonografik veya MRI teknolojisine dayanan diğer yöntemlerin de uygulanmasının nedeni budur. Tarama testinde 0.8 ve 1 arasındaki bir farkkritiktir.p( + | C) = 1% 200.81
Bayes teoremi bize ve son zamanlardagenç, düşük riskli kadınlardamamografiileilgili olduğu için çok dikkat çekmiştir. Bunun tam olarak sorduğunuz şey olmadığını, son paragraflarda ele aldığımın farkındayım, ancak en çok tartışılan konu. İşte sorunların bir tadı:p ( C| +)= p ( + | C)p ( + )∗ p ( C)
Önceki içinde (prevalansı dayalı kanser olma veya olasılık) genç 50 yaş oldukça küçük - hastalar, 40 den söylüyorlar. NCI'ye göre bunu yuvarlayabilir (aşağıdaki tabloya bakın). Kendi başına bu nispeten düşük ön test olasılığı, toplanan olasılık veya verilere bakılmaksızın, mamogramın pozitif olduğu göz önüne alındığında, test sonrası şartlı kanser olasılığını azaltır .∼ % 1.5
Yanlış pozitif olasılığı, binlerce sağlıklı ve binlerce a priori sağlıklı kadına uygulanacak bir tarama prosedüründe çok önemli bir konu haline gelir. Yanlış pozitif oranı her ne kadar Yani, (Odaklandığınız eğer çok daha yüksektir kümülatif risk kadar kötü ses olmayabilir), aslında devasa psikolojik ve ekonomik maliyetlerin bir konudur, özellikle düşük ön test verilmiştir genç, düşük riskli hastalarda olasılık. % 1 rakamınız büyük ölçüde işaret dışı - gerçek şu ki, "korkular", medeni yasadışı endişeler de dahil olmak üzere birçok faktör nedeniyle inanılmaz derecede yaygın.% 7 - 10% 1
Bu nedenle, risk faktörü olmayan genç kadınlar için yeniden hesaplama ve çok önemli olarak :
p ( C| +)= p ( + | C)p ( + )∗ p ( C) =
.= p ( + | C)p ( + |C)*s (C)+p ( + | C¯)*p ( C¯)∗ p ( C) = 0,80.8 ∗ 0.015+0.07 ∗ 0.985*0.015 = 0.148
Tarama mamografisi pozitif olarak okunduğunda kanser olma olasılığı, genç, düşük riskli kadınlarda % kadar düşük olabilir . Bir yana, mamografik okumalar, radyologun tanısına olan güvenin dolaylı bir tahmini ile birlikte gelir (buna BI-RADS denir) ve bu Bayes analizi BI-RADS 3'ten BI-RADS'ye ilerledikçe radikal bir şekilde değişecektir. 5 - en geniş anlamda hepsi "pozitif" testler.% 15
Bu rakam, hesaplamanızda dikkate aldığınız tahminlere bağlı olarak mantıksal olarak değiştirilebilir, ancak gerçek şu ki, bir tarama mamografi programına girmek için başlangıç yaşına ilişkin önerilerin son zamanlarda ila 45 yaşları arasında itilmiş olmasıdır4045 .
Yaşlı kadınlarda prevalans (ve dolayısıyla ön test olasılığı) yaşla birlikte doğrusal olarak artar. Mevcut rapora göre , önümüzdeki 10 yıl içinde bir kadına önümüzdeki 10 yıl içinde meme kanseri teşhisi konması riski aşağıdaki gibidir:
Age 30 . . . . . . 0.44 percent (or 1 in 227)
Age 40 . . . . . . 1.47 percent (or 1 in 68)
Age 50 . . . . . . 2.38 percent (or 1 in 42)
Age 60 . . . . . . 3.56 percent (or 1 in 28)
Age 70 . . . . . . 3.82 percent (or 1 in 26)
Bu, yaklaşık % bir ömür boyu birikimli riske neden olur :% 10
% yaygınlığı olan yaşlı kadınlarda hesaplama şöyle olacaktır:% 4
p ( C| +)= 0,80.8 ∗ 0.04+0,07 ∗ 0,96*0,04 = 0,32 ∼ % 32
p ( C| +)
Sorunuza özel cevap:
p ( + | C¯)% 7 - 10% 1p ( C¯)Bu "yanlış alarm oranının" paydada kansersiz vakaların (kanserli hastalara kıyasla) çok daha büyük bir oranı ile çarpıldığına dikkat edin, "nüfusun% 1'inde küçük bir% pozitif yanlış pozitif şansı" Anma. Sorunuzun cevabı bu olduğuna inanıyorum. Vurgulamak gerekirse, bu bir tanı testinde kabul edilemez olsa da, bir tarama prosedüründe hala değerlidir.
Sezgi sorunu: @ Juho Kokkala, OP'nin sezgi hakkında sorduğu sorunu gündeme getirdi . Hesaplamalarda ve kapanış paragraflarında ima edildiğini sanıyordum, ama yeterince adil ... Bunu bir arkadaşımla nasıl açıklayacağım ... Arizona Winslow'da bir metal dedektörü ile meteor parçalarını avlayacağımızı farz edelim. Tam burada:
Meteorcrater.com sitesinden görüntü
... ve metal dedektörü kapanıyor. Eğer şansın bir turistin bıraktığı bir madeni paradan kaynaklandığını söylediysen, muhtemelen haklı olacaksın. Ancak özü elde edersiniz: eğer yer bu kadar ayrıntılı bir şekilde taranmamış olsaydı, böyle bir yerdeki dedektörden bir bip sesinin, NYC sokaklarında olduğumuzdan bir meteor parçasından gelmesi daha olası olurdu.
Mamografi ile yaptığımız şey, erken yakalanmazsa ölümcül olabilen sessiz bir hastalık aramak için sağlıklı bir nüfusa gitmek. Neyse ki, yaygınlığı (diğer daha az tedavi edilebilir kanserlerle karşılaştırıldığında çok yüksek olmasına rağmen), sonuçlar "pozitif" ve özellikle genç kadınlarda bile , rastgele kansere rastlanma olasılığının düşük olacağı kadar düşüktür .
p ( C¯| +)=0
p ( + | C)p ( + | C)*p ( C)+p ( + | C¯)*p ( C¯)∗ p ( C) = p ( + | C)p ( + | C)*p ( C)∗ p ( C) = 1% 100
olasılıkkoşulsuz p (+)= p ( + | C)p ( + | C)*p ( C)+p ( + | C¯)*p ( C¯)< 1p ( C)posterior = α ∗ öncekiposterior < öncekipozitif prediktif değer (PPV) : pozitif bir tarama testine sahip deneklerin hastalığa yakalanma olasılığı.