Disease Prediction — Dự báo nguy cơ bệnh
Câu hỏi mà độ nhạy và độ đặc hiệu KHÔNG trả lời: nếu tôi dương tính thì xác suất tôi thật sự mắc bệnh là bao nhiêu. Câu trả lời phụ thuộc mạnh vào tỷ lệ hiện mắc.
Cùng một xét nghiệm (độ nhạy 95%, độ đặc hiệu 98%), chỉ đổi tỷ lệ hiện mắc. Trục ngang chia theo bậc chứ không đều. Ở mức bạn nhập (1%) PPV là 32.42% — chính điểm nằm trên đường tím.
PPV không phải độ chính xác của xét nghiệm mà là xét nghiệm CỘNG tỷ lệ hiện mắc. Hai cách duy nhất kéo nó lên là nâng độ đặc hiệu hoặc chỉ sàng lọc nhóm nguy cơ cao.
Mỗi ca dương tính giả kéo theo xét nghiệm khẳng định, chi phí và lo lắng. Đây là phần chi phí của sàng lọc đại trà mà thông cáo về độ nhạy không bao giờ nhắc tới.
Bỏ sót 50 ca. Một xét nghiệm loại trừ tốt phải kéo rủi ro xuống ít nhất một bậc; nếu không, âm tính vẫn chưa đủ để yên tâm.
Trên 10 là bằng chứng mạnh, 5–10 là vừa, dưới 5 hiếm khi đủ để đổi quyết định. LR không phụ thuộc tỷ lệ hiện mắc nên nó là cách so sánh hai xét nghiệm công bằng hơn PPV.
| Dương tính thật | 950 |
| Âm tính thật | 97,020 |
| Tổng số dương tính | 2,930 |
| Likelihood ratio dương | 47.50 |
| Nghịch lý | Với 1% hiện mắc, 68% số ca dương tính là dương tính giả |
Cùng một xét nghiệm (độ nhạy 95%, độ đặc hiệu 98%), chỉ đổi tỷ lệ hiện mắc. Trục ngang chia theo bậc chứ không đều. Ở mức bạn nhập (1%) PPV là 32.42% — chính điểm nằm trên đường tím.
Chia 2,930 ca dương tính trong quần thể 100,000 người. Con số ở giữa là PPV.
| Hiện mắc | PPV | NPV | Dương tính giả / 1 ca thật |
|---|---|---|---|
| 0.01% | 0.47% | 99.9995% | 210.5 |
| 0.05% | 2.32% | 99.9974% | 42.1 |
| 0.1% | 4.54% | 99.9949% | 21.0 |
| 0.5% | 19.27% | 99.9744% | 4.2 |
| 1% | 32.42% | 99.9485% | 2.1 |
| 2% | 49.22% | 99.8960% | 1.0 |
| 5% | 71.43% | 99.7322% | 0.4 |
| 10% | 84.07% | 99.4363% | 0.2 |
| 20% | 92.23% | 98.7406% | 0.1 |
| 50% | 97.94% | 95.1456% | 0.0 |
| Dương tính thật | 950 |
| Âm tính thật | 97,020 |
| Tổng số dương tính | 2,930 |
| Likelihood ratio dương | 47.50 |
| Nghịch lý | Với 1% hiện mắc, 68% số ca dương tính là dương tính giả |
PPV = (prev·sens) / (prev·sens + (1−prev)·(1−spec))
Đây là công thức thật mà mã nguồn chạy, không phải mô tả gần đúng.
API tại /api/v1/tools/bayes-test gọi đúng hàm
này, nên kết quả trên trang và qua API không thể lệch nhau.
Mô hình dự báo nguy cơ bệnh ước lượng xác suất một người mắc hoặc tiến triển một bệnh trong khoảng thời gian xác định. Đây là công cụ hỗ trợ sàng lọc và phân bổ nguồn lực y tế — không phải công cụ chẩn đoán, và mọi mô hình muốn dùng lâm sàng đều phải qua kiểm định tiến cứu độc lập.
| AUC | khả năng phân biệt; cần thiết nhưng chưa đủ |
| Calibration slope | xác suất dự báo có khớp tần suất thật không |
| Net benefit | lợi ích ròng ở ngưỡng quyết định thực tế |
| Sensitivity ở ngưỡng chọn | tỷ lệ bỏ sót ca bệnh |
Phần quan trọng nhất của trang này. Một phương pháp được mô tả mà không nói chỗ nó hỏng là phiên bản quảng cáo của phương pháp đó.
Chưa có mô hình nào gắn riêng cho chủ đề này. Đây là những mô hình của cả ngành — liên quan ở cấp ngành, không phải cấp chủ đề.
Mô hình dự báo nguy cơ bệnh ước lượng xác suất một người mắc hoặc tiến triển một bệnh trong khoảng thời gian xác định. Đây là công cụ hỗ trợ sàng lọc và phân bổ nguồn lực y tế — không phải công cụ chẩn đoán, và mọi mô hình muốn dùng lâm sàng đều phải qua kiểm định tiến cứu độc lập.
1. Xác định quần thể, cửa sổ quan sát và định nghĩa kết cục theo mã bệnh chuẩn. 2. Chỉ dùng biến có sẵn tại thời điểm dự báo — đây là nguồn rò rỉ phổ biến nhất trong dữ liệu y tế. 3. Huấn luyện và hiệu chuẩn xác suất, vì quyết định lâm sàng dựa trên mức xác suất chứ không chỉ trên thứ hạng. 4. Kiểm định ngoại: dữ liệu từ bệnh viện khác, thời kỳ khác. 5. Đánh giá lợi ích lâm sàng ròng bằng decision curve analysis.
Rò rỉ nhãn: các xét nghiệm chỉ được chỉ định khi bác sĩ đã nghi ngờ bệnh, nên sự tồn tại của xét nghiệm đã mang thông tin về kết cục. Mô hình học được quy trình của bệnh viện, không phải sinh lý bệnh; chuyển sang bệnh viện khác là sập. AUC cao nhưng hiệu chuẩn lệch khiến ngưỡng lâm sàng sai hoàn toàn.
AUC — khả năng phân biệt; cần thiết nhưng chưa đủ; Calibration slope — xác suất dự báo có khớp tần suất thật không; Net benefit — lợi ích ròng ở ngưỡng quyết định thực tế; Sensitivity ở ngưỡng chọn — tỷ lệ bỏ sót ca bệnh.
Chưa xây dựng. Mục này hiện là điều hướng và tài liệu tham chiếu; chúng tôi không gắn nhãn 'live' cho thứ chưa chạy.