Zrozumienie wartości predykcyjnej ujemnej może być mylące. Jest to jednak ważna część zrozumienia jakości i dokładności testów medycznych. Wartość predykcyjna wyniku ujemnego mówi, co to znaczy, jeśli testujesz negatywny wynik choroby. Jest to wskaźnik tego, jak dokładny jest ten negatywny wynik testu. Innymi słowy, mówi ci, jakie jest prawdopodobieństwo, że faktycznie nie masz choroby .
Negatywna wartość predykcyjna jest definiowana jako liczba prawdziwych negatywów (osób, które testują negatywne, które nie są zainfekowane) podzielona przez całkowitą liczbę osób, które testują negatywne. Różni się w zależności od czułości testu, specyficzności testu i rozpowszechnienia choroby, jak widać w poniższym przykładzie. Ze względu na zależność od rozpowszechnienia choroby w społeczności, w której pracują, ustalenie ujemnej wartości predykcyjnej jest skomplikowane. Większość lekarzy nie może po prostu podać liczby dla ujemnej wartości predykcyjnej, kiedy przystępujesz do danego testu - nawet jeśli znają czułość i swoistość.
Alternatywne pisownie: NPV
Przykład
Jeśli test chlamydii ma 80% czułość i 80% swoistość w populacji 100 lat z częstością występowania chlamydii wynoszącą 10%:
8 na 10 wyników prawdziwie pozytywnych
72 z 90 prawdziwych negatywów jest ujemnych
Spośród 74 negatywnych testów, 82 to prawdziwe negatywy, a 2 to fałszywe negatywy. Dlatego też ujemna wartość predykcyjna (NPV) wynosiłaby 97% (72/74). 97% osób, które testują negatywny wynik, byłoby w rzeczywistości negatywne w przypadku chlamydii.
-----
W przeciwieństwie do tego, jeśli ten sam test jest podany w populacji o częstości występowania chlamydii wynoszącej 40:
32 z 40 wyników pozytywnych pozytywnych
40 z 60 prawdziwych negatywów jest ujemnych
Z 48 negatywnych testów 8 to fałszywe negatywy. Oznacza to, że ujemna wartość predykcyjna wynosi 83% (40/48).
Jak różne czynniki wpływają na ujemną przewidywaną wartość
Negatywna wartość predykcyjna spada , ponieważ choroba staje się bardziej powszechna w populacji.
Natomiast wzrasta dodatnia wartość predykcyjna .
Podobnie, testy wysokiej czułości powodują wzrost ujemnej wartości predykcyjnej. To dlatego, że jest mniej fałszywych negatywów. (Więcej osób, które są dodatnie w teście dodatnim w teście o wysokiej czułości). Natomiast testy o wysokiej specyficzności są ważniejsze dla pozytywnej wartości predykcyjnej. W przypadku tych testów liczba fałszywych alarmów jest mniejsza. Im wyższa specyficzność, tym więcej osób z negatywnym wynikiem testu jest ujemnych.