Cara Menghitung Sensitivitas, Spesifitas, Nilai Prediksi Positif, dan Nilai Prediksi Negatif
Pengujian apapun yang dilakukan pada populasi tertentu, harus bisa menghitung sensitivitas, spesifitas, nilai prediksi positif, dan nlai prediksi negatif, untuk menentukan manfaat pengujian dalam mendeteksi penyakit atau karakteristik populasi tertentu. Jika kita ingin menggunakan suatu pengujian untuk menguji karakteristik tertentu dalam suatu populasi sampel, yang semestinya diketahui adalah:
Seberapa mungkin pengujian ini bisa mendeteksi keberadaan karakteristik tertentu pada seseorang dengan karakteristik tersebut (sensitivitas)? Seberapa mungkin pengujian ini bisa mendeteksi tidak adanya karakteristik tertentu pada seseorang yang tidak memiliki m emiliki karakteristik tersebut (spesifitas)? Seberapa mungkin seseorang yang memiliki hasil pengujian yang positif benar benar memiliki karakteristik tersebut (nilai prediksi prediksi positif) ? Seberapa mungkin seseorang yang hasil pengujiannya negatif benar-benar tidak memiliki karakteristik tersebut (nilai prediksi negatif)?
Nilai-nilai ini sangat penting untuk dihitung untuk menentukan apakah suatu pengujian bermanfaat untuk mengukur karakteristik tertentu pada populasi tertentu. Artikel ini akan menunjukkan cara menghitung nilai-nilai ini. Menghitung Sendiri
1 Definisikan populasi yang akan diteliti sampelnya, misalnya 1000 pasien di suatu klinik.
2 Tentukan penyakit atau karakteristik yang dikehendaki, misalnya penyakit misalnya penyakit sifilis.
3 Miliki standar emas yang baku untuk menentukan prevalensi penyakit atau karakteristik yang dikehendaki, misalnya dokumentasi mikroskopik medan gelap bakteri Treponema pallidum dari serpihan borok sifilis, dikolaborasikan dengan temuan-temuan klinis. Gunakan uji standar emas untuk menentukan siapa yang memiliki karakteristik dan siapa yang tidak. Sebagai ilustrasi, anggap saja 100 orang memiliki karakteristik dan 900 tidak.
4 Lakukan pengujian yang Anda tertarik untuk menentukan sensitivitas, spesifitas, nilai prediksi positif, dan nilai prediksi negatifnya untuk populasi ini.Berikutnua, lakukan pengujian untuk siapa saja di dalam sampel populasi tersebut. Sebagai contoh, misalnya ini adalah uji reagin plasma cepat (RPR) untuk menyaring sifilis. Gunakan untuk menguji 1000 orang dalam sampel.
5 Untuk orang yang memiliki karakteristik (sebagaimana ditentukan dengan standar emas), catat jumlah orang yang teruji positif dan jumlah orang yang hasil pengujiannya negatif. Lakukan hal yang sama untuk orang yang tidak memiliki karakteristik (sebagaimana ditentukan oleh standar emas). Anda akan memiliki empat angka. Orang yang memiliki karakteristik DAN hasil pengujiannya positif adalah positif benar (true positives atau TP). Orang yang memiliki karakteristik DAN hasil pengujiannya negatif adalah negatif palsu (false negatives atau FN). Orang yang tidak memiliki karakteristik DAN hasil pengujiannya positif adalah positif palsu (false positives atau FP). Orang yang tidak memiliki karakteristik DAN hasil pengujiannya negatif adalah negatif benar (true negatives atau TN). Sebagai contoh, anggap saja Anda telah melakukan uji RPR pada 1000 pasien. Di antara 100 pasien yang menderita sifilis, 95 di antaranya hasil pengujiannnya positif, sedangkan 5 sisanya negatif. Di antara 900 pasien yang tidak menderita sifilis, 90 di antaranya hasil pengujiannya positif, dan 810 sisanya negatif. Dalam hal ini, TP=95, FN=5, FP=90, dan TN=810.
6 Untuk menghitung sensitivitas, bagi TP dengan (TP+FN). Dalam contoh kasus di atas, perhitungannya adalah 95/(95+5)= 95%. Sensitivitas memberitahukan kita seberapa mungkin pengujian memberikan hasil positif untuk orang yang memiliki karakteristik. Di antara semua orang yang memiliki karakteristik, proporsi apa yang pengujiannya positif? Sensitivitas 95% sudah cukup bagus.
7 Untuk menghitung spesifitas, bagi TN dengan (FP+TN). Dalam contoh di atas, perhitungannya adalah 810/(90+810)= 90%. Spesifitas memberitahukan pada kita tentang kemungkinan suatu pengujian memberikan hasil negatif pada seseorang yang tidak memiliki karakteristik. Di antara semua orang yang tidak memiliki karakteristik, berapa proporsi yang hasil pengujiannya negatif? Spesifitas 90% sudah cukup bagus.
8 Untuk menghitung nilai prediksi positif (NPP), bagi TP dengan (TP+FP). Dalam konteks di atas, perhitungannya adalah 95/(95+90) = 51,4%. Nilai prediksi positif memberitahukan kemungkinan seseorang memiliki karakteristik jika hasil pengujiannya positif. Di antara semua orang yang hasil pengujiannya positif, berapa proporsi yang benar-benar memiliki karakteristik? NPP 51,4% berarti jika hasil pengujian Anda positif, kemungkinan untuk benar-benar menderita penyakit yang dimaksud adalah 51,4%.
9 Untuk menghitung nilai prediksi negatif (NPN), bagi TN dengan (TN+FN). Untuk contoh di atas, perhitungannya adalah 810/(810+5)= 99,4%. Nilai prediksi negatif memberitahukan tentang seberapa mungkin seseorang tidak memiliki karakteristik jika hasil pengujiannya negatif. Di antara semua orang yang hasil pengujiannya negatif, berapa proporsi yang benar-benar tidak memiliki karakteristik yang dimaksud? NPN 99,4% berarti jika hasil pengujian seseorang negatif, kemungkinan tidak adanya penyakit pada yang bersangkutan adalah 99,4%.
Tips
Akurasi, atau efisiensi, adalah persentase hasil pengujian yang diidentifikasi dengan benar
oleh pengujian, yakni (positif benar + negatif benar)/hasil pengujian total = (TP+TN)/(TP+TN+FP+FN).
Uji penapisan yang baik memiliki sensitivitas tinggi, karena Anda ingin bisa mendapatkan semua yang memiliki karakteristik tertentu. Pengujian yang memiliki sensitivitas sangat tinggi bermanfaat untuk mengesampingkan' penyakit atau karakteristik jika hasilnya negatif. ("SNOUT": SeNsitivity-rule OUT)
Cobalah untuk membuat tabel 2x2 untuk lebih memudahkan.
Pahami bahwa sensitivitas dan spesifitas adalah sifat intrinsik pengujian yang tidaktergantung pada populasi yang ada, yakni bahwa kedua nilai tersebut semestinya sama jika pengujian yang sama dilakukan pada populasi yang berbeda.
Uji pemastian yang bagus memiliki spesivitas tinggi, karena Anda ingin pengujian yang dilakukan spesifik dan tidak salah melabeli orang yang tidak memiliki karakteristik dengan menganggapnya memilikinya. Pengujian yang memiliki spesiftas sangat tinggi bermanfaat untuk menyertakan penyakit atau karakteristik tertentu jika hasilnya positif. ("SPIN": SPecificityrule IN)
Nilai prediksi positif dan nilai prediksi negatif, di sisi lain, tergantung pada prevalensi karakteristik ini pada populasi tertentu. Semakin langka karakteristk yang dicari, semakin rendah nilai prediksi positif dan semakin tinggi nilai prediksi negatifnya (karena probablitas
pretes rendah untuk karakteristik yang langka). Kebalikannya, semakin umum suatu karakteristik, semakin tinggi nilai prediksi positif dan semakin rendah nilai prediksi negatifnya (karena probabilitas pretes tinggi untuk karakteristik yang umum).
Cobalah untuk memahami konsep-konsep ini dengan baik.
Sensitivitas dan spesifisitas
1. Sensitivitas Salah satu kriteria dalam tes skrining adalah akurat d an realibilitas. Akurat menunjukkan sejauh mana hasil skrining/penapisan sesuai dengan kenyataannya. Sedangkan reliabilitas berhubungan dengan standardisasi perangkat pengujian atau test konfirmasi. Dengan kata lain, reliabilitas menunjukkan konsistensi alat pengukuran, jika pengukuran dilakukan berulang kali, hasil yang diperoleh tidak jauh berbeda. Sensitivitas adalah proporsi orang yang benar-benar sakit dalam populasi yang juga diidentifikasi sebagai orang sakit oleh tes skrining. Sensitivitas adalah kemun gkingkinan kasus terdiagnosa dengan benar atau probabilitas setiap kasus yang ada teridentifikasi dengan uji skrining. Sensitivitas digambarkan sebagai persentase orang dengan penyakit dengan hasiltest positif juga. Jika dibandingkan dengan pemeriksaan standar (gold standar), Sensitivitas adalah proporsi subjek yang positif menurut standar emas yang diidentifikasi sebagai positif oleh alat uku r.
2. Spesifisitas Sedangkan spesifisitas adalah proporsi orang yang benar -benar tidak sakit dan tidak sakit pula saat diidentifikasi dengan tes skrining. Ini adalah ukuran d ari kemungkinan benar mengidentifikasi orang tidak sakit dengan tes skrining. Spesifisitas merupakan ukuran yang mengukur seberapa baik sebuah tes skrining men gklasifikasikan orang yang tidak sakit sebagai orang benar benar yang tidak memiliki penyakit pada kenyataanya. Sensitivitas digambarkan sebagai persentase orang tanpa pen yakit yang secara test negatif. Jika dibandingkan dengan alat ukur standar, Spesifisitas adalah proporsi subjek yang negatif menurut standar emas yang diidentifikasi sebagai negatif oleh alat uk ur. Sumber : Gordis, Epidemiology; hal. 91 3. False negative dan false positif dalam skrining
Sensitivitas rendah berarti bahwa tes akan melewatkan banyak individu yang memiliki penyakit ini, sedangkan spesifisitas yang rendah menunjukkan bahwa tes akan menempatkan banyak orang dalam kelompok yang berpenyakit meskipun mereka tidak memiliki penyakit. Dalam jargon epidemiologi dikatakan bahwa suatu skrining dengan sesisitivitas yang rendah akan meningkatkan beberapa jumlah ‘false negatif’ sedangkan jika suatu skrining memiliki spesifisitas yang rendah akan menghasilkan banyak ‘false positif’.
4. Validitas prediktif (prediktif positif dan prediktif negative) Validitas prediktif (predictive validity, prognostic validity) merujuk kepada kesesuaian antara hasil pengukuran alat ukur sekarang dan hasil pengukuran standar emas di masa mendatang. Nilai prediktif positif adalah proporsi pasien yang benar benar positif (true positive) di antara keseluruhan penderita yang menunjukkan hasil tes konfirmasi positif. Nilai ini menjelaskan kita seberapa besar kemungkinan hasil tes positif menunjukkan adanya penyakit. Nilai Prediktif Negatif adalah persentase dari semua pasien yang benar-benar negative(sehat/true negative) diantara semua pasien yang menun jukkan hasil tes negatif. Jika dibandingkan dengan pemeriksaan standar emas, nilai prediktif positif adalah probabilitas subjek yang diidentifikasi positif oleh alat ukur benar-benar akan p ositif menurut standar emas di kemudian hari. Sedangkan, nilai prediktif negatif adalah probabilitas subjek yang diidentifikasi negatif oleh alat ukur akan benar-benar negatif menurut standar emas di kemudian hari.
Beberapa pertimbangan pelaksanaan screening
Secara teori uji skrining tampak sangat sederhana, tetapi dalam praktiknya tidak demikian karena harus memperhatikan berbagaia faktor sebaai bahan pertimbangan sebelum dilaksanakannya. 1. Biaya Uji skrining membutuhkan biaya yang banyak karena mencakup sebuah populasi atau kelompok masyakarat. Sehingga harus mempertimbangkan cost effectiveness sebelum dialakukan sebuah skrining secara massal. 2. Alat yang digunakan Alat yang digunakan haruslah alat yang dapat diguanakan oleh petugas lapangan atau rumah sakit. Alat yang digunakan harus sensitive sehingga dapat mengurangi hasil tes false negative.
Tes yang digunakan harus cepat agar diketahui hasilnya dan tidak menunggu terlalu lama Tes skrining tidak bertentangan dengan norma yang berlaku dalam masyarakat, hal ini untuk meningkatakn partisipasi masyarakat dalam pelaksanaan tes skrining Selain alat skrining, menjadi persiapan penting juga adalah alat diagnosis setelah dinyatakan tru positif dan dibutuhkan untuk tes lebih lanjut.
Beberapa kekurangan ketika melakukan skrining dan kemungkinan buruk di masyarakat sebagai akibat dalam skrining adalah; Penyaringan melibatkan biaya dan penggunaan sumber daya medis pada sebagian besar orang yang tidak membutuhkan pengobatan. Dampak buruk dari prosedur penyaringan (misalnya stres dan kecemasan, ketidaknyamanan, paparan radiasi, paparan kimia). Stres dan kecemasan yang disebabkan oleh hasil skrining positif palsu. Tidak Perlu investigasi dan pengobatan hasil po sitif palsu. Sehingga bisa stres dan kecemasan yang disebabkan oleh memperpanjang pengetahuan tentang penyakit tanpa peningkatan hasil. Rasa aman palsu yang disebabkan oleh negatif palsu.
Referensi
1. Gordis, Leon 1934. Epidemiology — Fifth edition. Canada: Elsevier Saunders. 2. Budiarto, Eko. 2001. Pengantar Epidemiologi. Jakarta: Penerbit buku kedokteran, EGC. 3. Brestoff, Jonathan 2013. Epidemiology: Principle and practice guidelines. USA : Springer Science. 4. http://metopidfkmunsri.blogspot.com/2014/10/definisi-dan-prinsip-pelaksanaan.html, diakses 18 September 2016 5. blogspot.com/2014/10/sensitivitas-dan-spesifisitas.html, diakases 18 September 2016