误诊率和漏诊率
6月份看了这本书,第十一章提到一个例子:
“假设某种疾病有5%的误诊率(即100个人有5个正常人被诊断有病),不存在漏诊的情况,也就是说,患者结果一定是阳性。
随机检测一群人之后,发现有一个人的结果呈现阳性,那么这个人患病的概率有多少?
大部分医生只考虑检测的准确率为95%,而回答95%。正确的回答取决于普通人患病的比例,如果此种疾病的患病率为每1000个人有1个。那么随机抽查1000个人,预料将是1个患者,考虑到5%的误诊率,大约有50个左右的被误诊患者。
所以,如果某人检测结果呈现阳性,那么他的患病概率其实接近1/51=2%。
Nassim Nicholas Taleb于是在此书中说,不妨想想,这一辈子你曾有多少次被告知染上某种疾病,需要接受某种药物治疗且忍受可怕的副作用,而实际上你真的罹患那种疾病的概率只有2%!”
看起来好像很有道理,但问题是,1000:1的患病概率,乃是例行参加体检者而非就医者的随机抽取检结果。如果是针对感到身体不舒服的就医者的检测,那么患病概率恐怕就要递增很多了,比如,假设每10个感到身体不舒服而怀疑自己得了某种疾病,并且去就医的被检测者中,平均有1个是患者(更不用说在中国,很多人不到万不得已不去医院),也就是假设就医者中的患病率为1:10,那么1000个人大概有100个患者,而被误诊的正常人有50个(因为误诊率5%),那么,如果你是就医队伍中的一员而且被检测呈阳性,患病的概率显然是恐怖的2/3,而非2%了。
暑假曾和wy讨论过这个问题,他说,上面的假设0%的漏诊率(如果是患者,那么结果一定呈阳性)在现实生活中,某些疾病的检测是不可能达到的。然后列举了某种肝功能检查,漏诊率很高,所以每年检测一次仍然还要很担心自己会不会漏诊。
于是修改上面的模型,考虑漏诊率而非误诊率的问题,假设普通人患病率仍然为1:1000,误诊率为0,而漏诊率假设为80%,那么,10000个人中,有10个患者,而报告结果却只有2个患者,所以,如果你只是做体检,当你拿到阴性检测结果时,按照Nassim Nicholas Taleb的说法,你患病的可能性其实也就只有8:(10000-10),接近0.08%。
同样,如果是就医者,那么患病率应该会很高,假设为1:10,误诊率0%和漏诊率80%仍然不变,也就是说,100个就医者中,有10个患者,而报告平均结果只有2个,那么,拿到阴性检测结果的时候,你患病的可能性是8:90,接近9%,相比那个恐怖的80%漏诊率,结果看起来还是很低的。
现在开始同时考虑误诊率和漏诊率,假设体检者和就医者患病几率仍分别为1:1000和1:10,误诊率和漏诊率分别为5%和80%。
那么,10000个体检者中,有10个患者,有8个被漏诊,所以有2个被确诊,但同时有500个被误诊,即总共有502个被检测为患者,如果你拿到阳性报告,那么你患病的概率为2/502约等于0.4%,相比相同误诊率而漏诊率为0的更低,这是显然的,因为还有漏网之鱼呢,所以你患病的可能性更低些。阴性报告就更低了,因为你患病的概率为8/(10000-502).
同样地,考虑就医者的情况,每100个就医者中,有10个患者,漏诊8个,有2个患者被确诊,和5个患者被误诊,所以拿到阳性报告的患病概率是2/5=40%,有点恐怖,但如果没有误诊,那就是100%了,所以应该庆幸的。反之,拿到阴性报告的患病概率是8/(100-7),约为8.6%,同样的道理比前面更低些。
No comments:
Post a Comment