Forståelse af negativ forudsigelsesværdi kan være forvirrende. Men det er en vigtig del af forståelsen af kvaliteten og nøjagtigheden af medicinske tests. Den negative forudsigelsesværdi fortæller dig, hvad det betyder, hvis du tester negativ for en sygdom. Det er en markør for, hvor præcist det negative testresultat er. Det siger med andre ord, hvor sandsynligt det er, at du faktisk ikke har sygdommen .
Den negative forudsigelsesværdi er defineret som antallet af sande negativer (personer, der tester negative, der ikke er inficeret) divideret med det samlede antal personer, der tester negativt. Det varierer med testfølsomhed, testspecificitet og sygdomsprævalens, som du kan se i eksemplet nedenfor. På grund af afhængigheden af sygdomsprævalens i samfundet, hvor de arbejder, er det kompliceret at finde ud af, hvilken negativ prædiktiv værdi der er. De fleste læger kan ikke blot give dig et tal til den negative prædiktive værdi, når du går ind for en given test - selvom de kender følsomheden og specificiteten.
Alternativ stavemåder: NPV
Et eksempel
Hvis en chlamydia- test har 80% følsomhed og 80% specificitet i en population på 100 med en chlamydiaprævalens på 10%:
8 ud af 10 sande positive test positive
72 ud af 90 sande negativer test negativ
Ud af 74 negative tests er 82 sande negativer, og 2 er falske negativer. Derfor ville den negative forudsigelsesværdi (NPV) være 97% (72/74). 97% af folk, der taler negativt, ville faktisk være negative for chlamydia.
-----
I modsætning hertil, hvis den samme test gives i en population med en chlamydia-prævalens på 40:
32 ud af 40 sande positive test positive
40 ud af 60 sande negativer test negativ
Ud af 48 negative tests er 8 falske negativer. Det betyder, at den negative forudsigelsesværdi er 83% (40/48).
Hvordan forskellige faktorer påvirker negativ forudsigelsesværdi
Negativ forudsigelsesværdi går ned, da en sygdom bliver mere almindelig hos en befolkning.
I modsætning hertil går positiv prædiktiv værdi op.
Tilsvarende gør høj følsomhedstest den negative prædiktive værdiforøgelse. Det skyldes, at der er færre falske negativer. (Flere personer, der er positive test positive på en høj følsomhedstest) Derimod er høje specificitetstest vigtigere for positiv prædiktiv værdi. Med disse tests, færre falske positiver. Jo højere specificitet er, desto flere mennesker er negative test negative.