Re: [討論] H1N1 flu

看板Statistics作者 (讓你喜歡這世界~)時間14年前 (2009/08/31 17:33), 編輯推噓0(0034)
留言34則, 5人參與, 5年前最新討論串6/6 (看更多)
: : 比如說,目前H1N1 rapid test的sensitivity與specificity分別約是60%跟80% : : 怎麼樣去解釋這兩個數字? : 有病的60% 可以被抓出來 : 沒病的有20% 會被誤判為有病 : : TypeI error = 0.2 在流病議題上是常見的數字嘛? : power = 0.6 聽起來..好像也不是很讓人放心? 還是說這個領域能到這樣很不錯了? : : → clickhere:wiki: Sensitivity_and_specificity 08/31 13:34 : → clickhere:typeI err and power 好像不是這樣用的...... 08/31 13:35 : → clickhere:<-腦殘了, 原po是對的. 08/31 13:47 : → bmka:sensitivity 跟specificiey 是用來評量篩檢法的準確度 08/31 14:12 : → bmka:但是如果要make decision的話,應該還是要看所有檢測的樣本裡 08/31 14:13 : → bmka:真正被感染的比例是多少,也就是說在流感季節剛開始時 08/31 14:14 : → bmka:跟流感季節進入全盛期,對於test positive 或negative 08/31 14:15 : → bmka:所考慮採取的治療方法有可能不同 08/31 14:15 : → bmka:(yes, I am talking about positive predictive value and 08/31 14:16 : → bmka:negative predictive value) 08/31 14:16 : → bmka:clickhere大的問題是對的,沒有hypothesis testing, 哪裡來的 08/31 15:40 : → bmka:Type I error & power?? 08/31 15:41 阿..我還以為這只是不同領域對同一件事情的描述不一樣? 我知道我們可以將 得病/未得病 對照 快篩結果顯示得病/未得病 的資料算出 Sensitivity 和 Specificity 然後用來評量篩檢法的準確度 Sensitivity 60%, Specificity80% 這個結果似乎不太令人滿意 那要改變快篩的結果 不就要將快篩的threshold調低 讓他更容易偵測出得病(Sensitivity↑ 1-beta↑ beta↓) 副作用就是實際未得病卻被篩成得病的人也增多了(Specificity↓ 1-alpha↓ alpha↑) 如果要同時提高Sensitivity & Specificity, 治本的方法就是增加case 讓 得病/未得病的兩個分布分開來 這些不就是快篩的power 跟 typeI typeII error? hypothesis testing的部分,不就是'快篩'這個動作? 篩下去,就做了決策 (囧\ 對我來說 FDR, alpha, typeI error 只要是那個'田'字表格,都是指同樣的東西) -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 140.109.73.58

08/31 17:46, , 1F
喔 對了 關於本系列第一篇下的風險云云
08/31 17:46, 1F

08/31 17:48, , 2F
我的解釋是很社會面的,我們要調整門檻值 那有什麼困難?
08/31 17:48, 2F

08/31 17:49, , 3F
可是 偵測到有病的人數增加了 別人不會認為偵測方法改良
08/31 17:49, 3F

08/31 17:50, , 4F
而是更直接的 "疫情升等,影響經濟" "誤判投藥,要求國賠"
08/31 17:50, 4F

08/31 17:51, , 5F
太敏感也是很危險的...
08/31 17:51, 5F

08/31 20:47, , 6F
hypothesis testing 一定是在檢驗population parameters
08/31 20:47, 6F

08/31 20:48, , 7F
這兩個概念(sensitivity/specificity vs Type I/II error)
08/31 20:48, 7F

08/31 20:49, , 8F
是類似的concept用在不同的地方,意義也不一樣
08/31 20:49, 8F

08/31 20:51, , 9F
造你的想法,null hypothesis是什麼?可以用parameter來描述嗎?
08/31 20:51, 9F

08/31 20:52, , 10F
"rapid test" is not a "statistical test"! :)
08/31 20:52, 10F

08/31 20:56, , 11F
又, 增加被感染的人數,不會改變快篩sensitivity/specificity
08/31 20:56, 11F

08/31 20:57, , 12F
但是會改變positive/negative predictive value
08/31 20:57, 12F

09/01 11:18, , 13F
SAS比較好處理
09/01 11:18, 13F

09/02 07:58, , 14F
提高sensitivity要從那個kit下手,60%可能是大樣本的結論
09/02 07:58, 14F

09/02 07:59, , 15F
增加被感染的人數,不會改變快篩sensitivity
09/02 07:59, 15F

09/02 08:01, , 16F
但隔24/48小時篩第兩次, 可能會有幫助.
09/02 08:01, 16F

09/02 08:09, , 17F
不過PCR的結果可能也出來了 :(
09/02 08:09, 17F

09/02 08:19, , 18F
太敏感也許不好,但可避免擴散.60%好像和random沒差太多.
09/02 08:19, 18F

09/02 08:28, , 19F
可以這麼說嗎? 可以檢定sensitivity是否為60%, 而非該
09/02 08:28, 19F

09/02 08:28, , 20F
kit有0.6的power.
09/02 08:28, 20F

09/02 11:05, , 21F
YES. sensitivity本身就是population parameter
09/02 11:05, 21F

09/02 11:08, , 22F
It is the probability of a positive test among patients
09/02 11:08, 22F

09/02 11:08, , 23F
disease.
09/02 11:08, 23F

09/02 11:11, , 24F
with disease... 又, rRT-PCR的結果會那麼快出來嗎?
09/02 11:11, 24F

09/02 11:17, , 25F
60%還真是跟丟銅板決定差不多了, 所以應該還是要以clinical
09/02 11:17, 25F

09/02 11:18, , 26F
symptoms, severity and underlying disease來決定是否投藥
09/02 11:18, 26F

09/02 11:21, , 27F
把快篩結果當auxiliary information
09/02 11:21, 27F

09/02 11:53, , 28F
clickhere大, 當場做兩次快篩跟隔一兩天做第二次,會有不同
09/02 11:53, 28F

09/02 11:53, , 29F
影響嗎?
09/02 11:53, 29F

09/02 12:29, , 30F
唯一想到不同處是一兩天後病毒量會比較多
09/02 12:29, 30F

09/03 10:11, , 31F
跑RT-PCR很快,慢得是前處理(無自動化)
09/03 10:11, 31F

09/03 10:13, , 32F
不確定,但直覺跟病毒量有關,即使是PCR也是.
09/03 10:13, 32F

09/03 10:14, , 33F
也許還得先養一下........
09/03 10:14, 33F

01/02 14:58, 5年前 , 34F
01/02 14:58, 34F
文章代碼(AID): #1AcvZICw (Statistics)
討論串 (同標題文章)
本文引述了以下文章的的內容:
討論
0
13
完整討論串 (本文為第 6 之 6 篇):
討論
2
7
討論
2
2
討論
0
13
討論
1
20
討論
0
34
文章代碼(AID): #1AcvZICw (Statistics)