Wartość predykcyjna dodatnia

Z Wikipedii, wolnej encyklopedii
Skocz do: nawigacja, szukaj

Wartość predykcyjna dodatnia, PPV (ang. positive predictive value) – w statystyce i diagnostyce, miara jakości predykcyjnej testu, równa proporcji prawdziwie pozytywnych wyników wśród wszystkich wyników pozytywnych. Wysoka wartość PPV znamionuje wysoką precyzję testu; nie zależy jednak wyłącznie od jego charakterystyki, ale również od częstości występowania stanu pozytywnego w populacji (w przypadku medycyny, od chorobowości). W teorii informacji, PPV odpowiada wskaźnikowi precyzji[1].

W kontekście weryfikacji hipotez statystycznych w podejściu częstościowym, wartość predykcyjna dodatnia pozwala wyrazić prawdopodobieństwo, że wynik istotny statystycznie sygnalizuje wykrycie prawdziwego zjawiska. PPV zależy w tym przypadku od przyjętego poziomu błędu pierwszego i drugiego rodzaju – od krytycznego poziomu istotności, np. α=0,05, oraz od mocy statystycznej badania – oraz od odsetka hipotez prawdziwych wśród wszystkich testowanych[1]. Według hiperbolicznego stwierdzenia Ioannidesa, prawdopodobnie „większość opublikowanych odkryć jest fałszywa”, ponieważ PPV jest niewystarczająco wysokie – badania mają przeciętnie niską moc, testują niepewne hipotezy, a badacze dopuszczają się P-hackingu[2].

Wartość predykcyjną dodatnią opisuje zależność pomiędzy liczbą wyników prawdziwie pozytywnych (TP), a ogólną liczbą wyników pozytywnych – prawdziwie (TP), i fałszywie (FP)[1]:

Tablica pomyłek[edytuj | edytuj kod]

Tablica pomyłek przedstawia wzajemne powiązania pomiędzy różnymi miarami jakości predykcyjnej testu:

Klasa predykowana – wynik testu
Populacja Klasa pozytywna Klasa negatywna Częstość występowania, chorobowość

Klasa
rzeczywista
Stan
pozytywny
Prawdziwie pozytywna, TP Fałszywie negatywna
(błąd drugiego rodzaju, FN)
Czułość, TPR

FNR

Stan
negatywny
Fałszywie pozytywna
(błąd pierwszego rodzaju, FP)
Prawdziwie negatywna, TN FPR

Swoistość, SPC, TNR

Dokładność, ACC

Precyzja, PPV

FOR

LR+

DOR

FDR

NPV

LR-


Linki zewnętrzne[edytuj | edytuj kod]

Przypisy

  1. a b c Douglas G. Altman, J. Martin Bland, Statistics Notes: Diagnostic tests 2: predictive values, „British Medical Journal”, 309 (6947), 1994, s. 102, DOI10.1136/bmj.309.6947.102, ISSN 0959-8138, PMID8038641 [dostęp 2017-02-06] (ang.).
  2. Publikacja w otwartym dostępie – możesz ją bezpłatnie przeczytać John P. A. Ioannidis, Why Most Published Research Findings Are False, „PLOS Medicine”, 2 (8), 2005, e124, DOI10.1371/journal.pmed.0020124, ISSN 1549-1676, PMID16060722, PMCIDPMC1182327 [dostęp 2017-02-06].