A Priori Determination of the Pretest Probability

要約

この原稿では、スクリーニング検査を適切に解釈するための重要な前提条件である病気の有病率を推定するために提案されたさまざまな方法を紹介します。
主に事後的な性質を中心とするこれらのアプローチの限界に対処するために、ロジスティック回帰モデルからの Logit 関数を利用して、病気の検査前確率をアプリオリに推定する新しい方法を導入します。
このアプローチは、もともと病気の検査後の確率を推定するために設計された McGee のヒューリスティックを修正したものです。
$n_\theta$ の徴候または症状を呈する患者の場合、検査前確率の最小限界 $\phi$ は次のように近似できます。 $\phi \estimate \frac{1}{5}{ln\left[
\displaystyle\prod_{\theta=1}^{i}\kappa_\theta\right]}$ ここで、$ln$ は自然対数、$\kappa_\theta$ は兆候または症状に関連付けられた尤度比です。
質問。

要約(オリジナル)

In this manuscript, we present various proposed methods estimate the prevalence of disease, a critical prerequisite for the adequate interpretation of screening tests. To address the limitations of these approaches, which revolve primarily around their a posteriori nature, we introduce a novel method to estimate the pretest probability of disease, a priori, utilizing the Logit function from the logistic regression model. This approach is a modification of McGee’s heuristic, originally designed for estimating the posttest probability of disease. In a patient presenting with $n_\theta$ signs or symptoms, the minimal bound of the pretest probability, $\phi$, can be approximated by: $\phi \approx \frac{1}{5}{ln\left[\displaystyle\prod_{\theta=1}^{i}\kappa_\theta\right]}$ where $ln$ is the natural logarithm, and $\kappa_\theta$ is the likelihood ratio associated with the sign or symptom in question.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google