Psykologia 2021

Vierailija kirjoitti:

Tässä ihan hyvä selitys.

Sensitivity and specificity measure the intrinsic accuracy of a test and require that the status of disease is known. However, in clinical practice when using a test, the true disease status is usually unknown and we perform the test to inform us about the presence of the disease. When using a test, we need to know how well the test result predicts the presence or absence of disease. The positive predictive value (PPV) and negative predictive value (NPV) provide such information. The PPV is the probability that a positive test result correctly predicts the presence of disease, whereas NPV is the probability that a negative test result correctly predicts the absence of disease.

The PPV and NPV are dependent on both the underlying prevalence of disease in the population to be tested and the intrinsic accuracy (i.e. sensitivity and specificity) of the test. For any given test, when the disease prevalence is higher, the PPV is higher while the NPV is lower. For this reason, it is usually not appropriate to calculate the PPV and NPV directly from studies that oversample subjects with disease (such as a 1:1 case-control study that artificially sets the disease prevalence at 50%), because such studies do not reflect the true disease prevalence in the population that the test will be used in. Instead, using the following formula, the sensitivity (Se) and specificity (Sp) estimated from a case-control study can be applied to calculate the PPV and NPV of a test in a target population with disease prevalence (P), which is usually estimated from a separate study. (Tämän jälkeen tuli bayesin kaava, mutta kuvana niin ei saa tähän.)

https://iovs.arvojournals.org/article.aspx?articleid=2770806

Suomeksi sanottuna: PPV ja NPV on kiinnostavia, kun ei tiedetä onko henkilö oikeasti sairas. Esiintyvyys vaikuttaa niihin ja sen takia niitä ei ole järkevää laskea otoksesta, jossa esiintyvyys on eri kuin populaatiossa, koska se ei vastaa todellisuutta. Tällaisissa tilanteissa käytetään otoksesta laskettua sensitiivisyyttä ja spesifisyyttä sekä muista tutkimuksista saatua tietoa sairauden esiintyvyydestä ja lasketaan PPV ja NPV Baysein kaavalla.

2x2 kaavaa voi toki käyttää, jos otos vastaa populaatiota, mutta jos tutkitaan esim. harvinaista sairautta, on järkevämpää kerätä otos, jossa sairaita on enemmän. Silloin taas pitää käyttää bayesia.

Ppv idea on, että sinulle tulee potilas ja haluat selvittää, onko potilas sairas. Teet potilaalle testin, jonka mukaan potilas on sairas. Kuinka varmasti potilas on oikeasti sairas? Tämä kiinnostaa sinua ja potilasta. Se taas ei kiinnosta ketään, että lasket todennäköisyyden sille, että varmasti sairas henkilö on sairas.

Puuh ja huoh. Siinä vaiheessa kun testiä TUTKITAAN, niin on hyvin kiinnostavaa tietää, tunnistaako uusi testi oikeasti sairaat ja terveet toisistaan. Toisin sanoen, kuinka hyvä erottelukyky testillä on. Jos tässä TUTKIMUSVAIHEESSA selviää, että testin PPV ja NPV ovat lähellä 0, niin koko testiä ei edes oteta käyttöön ja lähdetä soveltamaan käytäntöön. PPV lasketaan ensin otoksen henkilöille ja vasta tämän jälkeen sitä lähdetään soveltamaan käytäntöön, jos lähdetään. Tuossa tehtävässä ei pyydetty laskemaan ennustusarvoja satunnaisille henkilöille. Tuossa tehtävässä tutkija vasta tutki sitä kehittämäänsä testiä. Edelleen ei tiedetä, mitä kokeen tekijät ovat hakeneet. Katellaan heinäkuussa uudestaan.

Vierailija kirjoitti:

Puuh ja huoh. Siinä vaiheessa kun testiä TUTKITAAN, niin on hyvin kiinnostavaa tietää, tunnistaako uusi testi oikeasti sairaat ja terveet toisistaan. Toisin sanoen, kuinka hyvä erottelukyky testillä on. Jos tässä TUTKIMUSVAIHEESSA selviää, että testin PPV ja NPV ovat lähellä 0, niin koko testiä ei edes oteta käyttöön ja lähdetä soveltamaan käytäntöön. PPV lasketaan ensin otoksen henkilöille ja vasta tämän jälkeen sitä lähdetään soveltamaan käytäntöön, jos lähdetään. Tuossa tehtävässä ei pyydetty laskemaan ennustusarvoja satunnaisille henkilöille. Tuossa tehtävässä tutkija vasta tutki sitä kehittämäänsä testiä. Edelleen ei tiedetä, mitä kokeen tekijät ovat hakeneet. Katellaan heinäkuussa uudestaan.

Sitä vartenhan meillä on sensitiivisyys ja spesifisyys

Jos tehtävässä olisi pitänyt käyttää bayesia niin siitähän saataisiin ihan uusi keskustelu käyntiin, että hyväksytäänkö myös väärä kaava jne. En usko tämänkään takia, että bayesia olisi pitänyt käyttää, koska sittenhän väärätkin kaavat olisi pitänyt hyväksyä tai siitä alkaisi valtava paskamyrsky.

Tämäkin näkökulma asiaan puoltaa sitä, että kokeen tekijät ovat odottaneet tp/tp+fp kaavan käyttöä. Tässähän on lopulta kyse siitä, mitä kokeen tekijät ovat asiasta päättäneet. Tehtävän voi periaatteessa tulkita kummin vain.

Vierailija kirjoitti:

Tässä ihan hyvä selitys.

Sensitivity and specificity measure the intrinsic accuracy of a test and require that the status of disease is known. However, in clinical practice when using a test, the true disease status is usually unknown and we perform the test to inform us about the presence of the disease. When using a test, we need to know how well the test result predicts the presence or absence of disease. The positive predictive value (PPV) and negative predictive value (NPV) provide such information. The PPV is the probability that a positive test result correctly predicts the presence of disease, whereas NPV is the probability that a negative test result correctly predicts the absence of disease.

The PPV and NPV are dependent on both the underlying prevalence of disease in the population to be tested and the intrinsic accuracy (i.e. sensitivity and specificity) of the test. For any given test, when the disease prevalence is higher, the PPV is higher while the NPV is lower. For this reason, it is usually not appropriate to calculate the PPV and NPV directly from studies that oversample subjects with disease (such as a 1:1 case-control study that artificially sets the disease prevalence at 50%), because such studies do not reflect the true disease prevalence in the population that the test will be used in. Instead, using the following formula, the sensitivity (Se) and specificity (Sp) estimated from a case-control study can be applied to calculate the PPV and NPV of a test in a target population with disease prevalence (P), which is usually estimated from a separate study. (Tämän jälkeen tuli bayesin kaava, mutta kuvana niin ei saa tähän.)

https://iovs.arvojournals.org/article.aspx?articleid=2770806

Nimenomaan. Tätä täällä nyt on yritetty selittää, kiitos tästä.

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

millä todennäköisyydellä henkilöllä on todellisuudessa lukihäiriö, kun se hänelle luokiteltiin uuden testin perusteella. Voi viitata myös taulukkoon. Henkilö kuuluu niiden joukkoon, joilla on todettu lukihäiriö. Mikä on todennäköisyys, että kuuluu oikeasti niihin joilla se on?

Noh, senhän voi sen todennäköisyyden ihan laskea sen taulukon perusteella (sairaat/terveet/oikein diagnosoidut/ väärin diagnosoidut).

Tämä on vasta ensimmäinen taso asiassa. Tämä kertoo sen, että tässä aineistossa tällä mittarilla on näin. Sen sijaan testi saattaa antaa väärän positiivisen, jolloin todennäköisyys onkin eri. Siksi tuo 10% annettiin tiedoksi.

Miten sää et tajua? Siis siinä taulukossahan jo on ne oikeat positiiviset ja väärät positiiviset!! Oikeita positiivia oli 105 ja vääriä positiivisia 30! Mikä tässä on niin vaikea tajuta? Sitä prevalenssia ei tarvitse mihinkään. Sitten kun lähdet soveltamaan tuota testiä SATUNNAISEEN henkilöön, niin tarvitaan prevalenssia! Musta tuntuu et osa porukasta ei edes lue näitä viestejä ajatuksen kanssa. Itsepäisesti vaan pidetään kiinni omasta näkökulmasta ymmärtämättä asiaa.

Kukahan täällä paasaa ja itsepäisesti pitää kiinni ajatuksestaan? Moni on perustellut miksi kyseessä ajatteli olevan juuri satunnainen henkilö. Perustelitko sä ajatustasi lainkaan?

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

millä todennäköisyydellä henkilöllä on todellisuudessa lukihäiriö, kun se hänelle luokiteltiin uuden testin perusteella. Voi viitata myös taulukkoon. Henkilö kuuluu niiden joukkoon, joilla on todettu lukihäiriö. Mikä on todennäköisyys, että kuuluu oikeasti niihin joilla se on?

Noh, senhän voi sen todennäköisyyden ihan laskea sen taulukon perusteella (sairaat/terveet/oikein diagnosoidut/ väärin diagnosoidut).

Tämä on vasta ensimmäinen taso asiassa. Tämä kertoo sen, että tässä aineistossa tällä mittarilla on näin. Sen sijaan testi saattaa antaa väärän positiivisen, jolloin todennäköisyys onkin eri. Siksi tuo 10% annettiin tiedoksi.

Miten sää et tajua? Siis siinä taulukossahan jo on ne oikeat positiiviset ja väärät positiiviset!! Oikeita positiivia oli 105 ja vääriä positiivisia 30! Mikä tässä on niin vaikea tajuta? Sitä prevalenssia ei tarvitse mihinkään. Sitten kun lähdet soveltamaan tuota testiä SATUNNAISEEN henkilöön, niin tarvitaan prevalenssia! Musta tuntuu et osa porukasta ei edes lue näitä viestejä ajatuksen kanssa. Itsepäisesti vaan pidetään kiinni omasta näkökulmasta ymmärtämättä asiaa.

Ja sä tulkitsit, että tässä kysyttiin itsestään selvää asiaa, eli mitattiin sitä, että osaako lukea luvut? Millä perusteella? Kyllä mä edelleen olen sitä mieltä, että kysymyksen asettelu viittaa satunnaiseen henkilöön.

Millähän perusteella tuo on itsestäänselvä asia, että osaa laskea PPV:n tuosta taulukosta? PPV on 105/135 = 0,778. Ei todellakaan ole mikään "itsesäänselvä asia". Samalla tavallahan voidaan ajatella, että sensitiivisyys ja spesifisyys ovat "itsesäänselviä asioita" kun ne voi lukea taulukosta. Voi huoh. Kyllä, kyse on edelleen siitä, tarkoitetaanko henkilöllä otoksen henkilöä vai satunnaista henkilöä. Kokeen tekijät vain tietävät, kumpaa haettiin.

No kyllä se on itsestäänselvä asia eikä erottele osallistujia.

Vierailija kirjoitti:

Vierailija kirjoitti:

Tässä ihan hyvä selitys.

Sensitivity and specificity measure the intrinsic accuracy of a test and require that the status of disease is known. However, in clinical practice when using a test, the true disease status is usually unknown and we perform the test to inform us about the presence of the disease. When using a test, we need to know how well the test result predicts the presence or absence of disease. The positive predictive value (PPV) and negative predictive value (NPV) provide such information. The PPV is the probability that a positive test result correctly predicts the presence of disease, whereas NPV is the probability that a negative test result correctly predicts the absence of disease.

The PPV and NPV are dependent on both the underlying prevalence of disease in the population to be tested and the intrinsic accuracy (i.e. sensitivity and specificity) of the test. For any given test, when the disease prevalence is higher, the PPV is higher while the NPV is lower. For this reason, it is usually not appropriate to calculate the PPV and NPV directly from studies that oversample subjects with disease (such as a 1:1 case-control study that artificially sets the disease prevalence at 50%), because such studies do not reflect the true disease prevalence in the population that the test will be used in. Instead, using the following formula, the sensitivity (Se) and specificity (Sp) estimated from a case-control study can be applied to calculate the PPV and NPV of a test in a target population with disease prevalence (P), which is usually estimated from a separate study. (Tämän jälkeen tuli bayesin kaava, mutta kuvana niin ei saa tähän.)

https://iovs.arvojournals.org/article.aspx?articleid=2770806

Nimenomaan. Tätä täällä nyt on yritetty selittää, kiitos tästä.

Juuri näin. Kiitos! Tätä olen myös yrittänyt avata täällä, mutta hyvin huonolla menestyksellä. Itse ainakin syvensin tätä asiaa paljon tuon kuukauden aikana ennen tenttiä ja idea kirkastui tosi selkeästi. Mun mielestä ei ole yksinkertaisesti sisäistänyt asiaa kunnolla, jos väittää jotain muuta. Ei muutenkaan kovin hyvää vaikutelmaa anna tällainen jatkuva jankkaaminen foorumeilla asiasta, mistä selvästikään ei ole ymmärrystä kunnolla. Ei kyllä kovin soveltuva tutkijaksi ja psykologiksi, jos on valmis väittelemään näin tiukasti asiasta, jota ei syvemmin / laajemmin hahmota. Huolestuttavaa...

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

millä todennäköisyydellä henkilöllä on todellisuudessa lukihäiriö, kun se hänelle luokiteltiin uuden testin perusteella. Voi viitata myös taulukkoon. Henkilö kuuluu niiden joukkoon, joilla on todettu lukihäiriö. Mikä on todennäköisyys, että kuuluu oikeasti niihin joilla se on?

Noh, senhän voi sen todennäköisyyden ihan laskea sen taulukon perusteella (sairaat/terveet/oikein diagnosoidut/ väärin diagnosoidut).

Tämä on vasta ensimmäinen taso asiassa. Tämä kertoo sen, että tässä aineistossa tällä mittarilla on näin. Sen sijaan testi saattaa antaa väärän positiivisen, jolloin todennäköisyys onkin eri. Siksi tuo 10% annettiin tiedoksi.

Miten sää et tajua? Siis siinä taulukossahan jo on ne oikeat positiiviset ja väärät positiiviset!! Oikeita positiivia oli 105 ja vääriä positiivisia 30! Mikä tässä on niin vaikea tajuta? Sitä prevalenssia ei tarvitse mihinkään. Sitten kun lähdet soveltamaan tuota testiä SATUNNAISEEN henkilöön, niin tarvitaan prevalenssia! Musta tuntuu et osa porukasta ei edes lue näitä viestejä ajatuksen kanssa. Itsepäisesti vaan pidetään kiinni omasta näkökulmasta ymmärtämättä asiaa.

Ja sä tulkitsit, että tässä kysyttiin itsestään selvää asiaa, eli mitattiin sitä, että osaako lukea luvut? Millä perusteella? Kyllä mä edelleen olen sitä mieltä, että kysymyksen asettelu viittaa satunnaiseen henkilöön.

Koska siinä pyydettiin laskemaan todennäköisyyttä, että positiivisen tuloksen saaneella on tosiasiallisesti lukihäiriö ja negatiivisen tuloksen saaneella ei ole.

Se tulos tuli siitä tutkijan uudesta testistä.

MIKÄÄN ei anna viitettä siihen, että testattaisiin satunnaista henkilöä. Tehtävän taustoituksessa, ei edes osana itse tehtävää, vaan selvästi taustoittavassa kappaleessa, mainittiin, että 10 % väestöstä on lukivaikeus. Näytti pitävän paikkansa, netistä löytyi arvkio 3-10 %.

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

millä todennäköisyydellä henkilöllä on todellisuudessa lukihäiriö, kun se hänelle luokiteltiin uuden testin perusteella. Voi viitata myös taulukkoon. Henkilö kuuluu niiden joukkoon, joilla on todettu lukihäiriö. Mikä on todennäköisyys, että kuuluu oikeasti niihin joilla se on?

Noh, senhän voi sen todennäköisyyden ihan laskea sen taulukon perusteella (sairaat/terveet/oikein diagnosoidut/ väärin diagnosoidut).

Tämä on vasta ensimmäinen taso asiassa. Tämä kertoo sen, että tässä aineistossa tällä mittarilla on näin. Sen sijaan testi saattaa antaa väärän positiivisen, jolloin todennäköisyys onkin eri. Siksi tuo 10% annettiin tiedoksi.

Miten sää et tajua? Siis siinä taulukossahan jo on ne oikeat positiiviset ja väärät positiiviset!! Oikeita positiivia oli 105 ja vääriä positiivisia 30! Mikä tässä on niin vaikea tajuta? Sitä prevalenssia ei tarvitse mihinkään. Sitten kun lähdet soveltamaan tuota testiä SATUNNAISEEN henkilöön, niin tarvitaan prevalenssia! Musta tuntuu et osa porukasta ei edes lue näitä viestejä ajatuksen kanssa. Itsepäisesti vaan pidetään kiinni omasta näkökulmasta ymmärtämättä asiaa.

Kukahan täällä paasaa ja itsepäisesti pitää kiinni ajatuksestaan? Moni on perustellut miksi kyseessä ajatteli olevan juuri satunnainen henkilö. Perustelitko sä ajatustasi lainkaan?

Olen aika monesti kantani perustellut todella kattavasti tässä ketjussa, mutta yritetään vielä kerran. PPV voidaan laskea joko tutkimusryhmän henkilölle tai satunnaiselle henkilölle. Tehtävässä puhutaan koko ajan tutkimukseen osallistuneista henkilöistä, joten on hyvin loogista olettaa, että sanalla "henkilö" viitataan tutkimusryhmän henkilöön. Tehtävässä ei missään vaiheessa puhuta satunnaisesta henkilöstä mitään. Vuoden 2017 vastaavassa tehtävässä PPV pyydettiin laskemaan nimenomaan satunnaiselle suomalaiselle ja silloin luonnollisesti väestön esiintyvyys piti ottaa huomioon. Tässä tehtävässä ei missään vaiheessa puhuttu satunnaisesta henkilöstä mitään. Heinäkuussa selviää, mitä tehtävän tekijät ovat ajatelleet. Se on tässä varmaan nyt oleellisinta.

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

millä todennäköisyydellä henkilöllä on todellisuudessa lukihäiriö, kun se hänelle luokiteltiin uuden testin perusteella. Voi viitata myös taulukkoon. Henkilö kuuluu niiden joukkoon, joilla on todettu lukihäiriö. Mikä on todennäköisyys, että kuuluu oikeasti niihin joilla se on?

Noh, senhän voi sen todennäköisyyden ihan laskea sen taulukon perusteella (sairaat/terveet/oikein diagnosoidut/ väärin diagnosoidut).

Tämä on vasta ensimmäinen taso asiassa. Tämä kertoo sen, että tässä aineistossa tällä mittarilla on näin. Sen sijaan testi saattaa antaa väärän positiivisen, jolloin todennäköisyys onkin eri. Siksi tuo 10% annettiin tiedoksi.

Miten sää et tajua? Siis siinä taulukossahan jo on ne oikeat positiiviset ja väärät positiiviset!! Oikeita positiivia oli 105 ja vääriä positiivisia 30! Mikä tässä on niin vaikea tajuta? Sitä prevalenssia ei tarvitse mihinkään. Sitten kun lähdet soveltamaan tuota testiä SATUNNAISEEN henkilöön, niin tarvitaan prevalenssia! Musta tuntuu et osa porukasta ei edes lue näitä viestejä ajatuksen kanssa. Itsepäisesti vaan pidetään kiinni omasta näkökulmasta ymmärtämättä asiaa.

Ja sä tulkitsit, että tässä kysyttiin itsestään selvää asiaa, eli mitattiin sitä, että osaako lukea luvut? Millä perusteella? Kyllä mä edelleen olen sitä mieltä, että kysymyksen asettelu viittaa satunnaiseen henkilöön.

Koska siinä pyydettiin laskemaan todennäköisyyttä, että positiivisen tuloksen saaneella on tosiasiallisesti lukihäiriö ja negatiivisen tuloksen saaneella ei ole.

Se tulos tuli siitä tutkijan uudesta testistä.

MIKÄÄN ei anna viitettä siihen, että testattaisiin satunnaista henkilöä. Tehtävän taustoituksessa, ei edes osana itse tehtävää, vaan selvästi taustoittavassa kappaleessa, mainittiin, että 10 % väestöstä on lukivaikeus. Näytti pitävän paikkansa, netistä löytyi arvkio 3-10 %.

Pyydettiinkö? D) Positiivinen ennustearvo eli todennäköisyys, että henkilöllä todellisuudessa on lukihäiriö, kun uuden lukitestin perusteella hänelle se luokitellaan

Nimenomaan luokitellaan (ei luokiteltu), miten tämä viittaa tähän testipopulaatioon?

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

millä todennäköisyydellä henkilöllä on todellisuudessa lukihäiriö, kun se hänelle luokiteltiin uuden testin perusteella. Voi viitata myös taulukkoon. Henkilö kuuluu niiden joukkoon, joilla on todettu lukihäiriö. Mikä on todennäköisyys, että kuuluu oikeasti niihin joilla se on?

Noh, senhän voi sen todennäköisyyden ihan laskea sen taulukon perusteella (sairaat/terveet/oikein diagnosoidut/ väärin diagnosoidut).

Tämä on vasta ensimmäinen taso asiassa. Tämä kertoo sen, että tässä aineistossa tällä mittarilla on näin. Sen sijaan testi saattaa antaa väärän positiivisen, jolloin todennäköisyys onkin eri. Siksi tuo 10% annettiin tiedoksi.

Miten sää et tajua? Siis siinä taulukossahan jo on ne oikeat positiiviset ja väärät positiiviset!! Oikeita positiivia oli 105 ja vääriä positiivisia 30! Mikä tässä on niin vaikea tajuta? Sitä prevalenssia ei tarvitse mihinkään. Sitten kun lähdet soveltamaan tuota testiä SATUNNAISEEN henkilöön, niin tarvitaan prevalenssia! Musta tuntuu et osa porukasta ei edes lue näitä viestejä ajatuksen kanssa. Itsepäisesti vaan pidetään kiinni omasta näkökulmasta ymmärtämättä asiaa.

Kukahan täällä paasaa ja itsepäisesti pitää kiinni ajatuksestaan? Moni on perustellut miksi kyseessä ajatteli olevan juuri satunnainen henkilö. Perustelitko sä ajatustasi lainkaan?

Olen aika monesti kantani perustellut todella kattavasti tässä ketjussa, mutta yritetään vielä kerran. PPV voidaan laskea joko tutkimusryhmän henkilölle tai satunnaiselle henkilölle. Tehtävässä puhutaan koko ajan tutkimukseen osallistuneista henkilöistä, joten on hyvin loogista olettaa, että sanalla "henkilö" viitataan tutkimusryhmän henkilöön. Tehtävässä ei missään vaiheessa puhuta satunnaisesta henkilöstä mitään. Vuoden 2017 vastaavassa tehtävässä PPV pyydettiin laskemaan nimenomaan satunnaiselle suomalaiselle ja silloin luonnollisesti väestön esiintyvyys piti ottaa huomioon. Tässä tehtävässä ei missään vaiheessa puhuttu satunnaisesta henkilöstä mitään. Heinäkuussa selviää, mitä tehtävän tekijät ovat ajatelleet. Se on tässä varmaan nyt oleellisinta.

Täällä on myös hyvin perusteltu, miksi sitä ei lasketa tutkimukseen osallistuvalle henkilölle, jos esiintyvyys on eri kuin populaatiossa. Ei tarvi erikseen puhua satunnaisesta henkilöstä, jos ymmärtää, mitä ennustearvot on

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Tässä ihan hyvä selitys.

Sensitivity and specificity measure the intrinsic accuracy of a test and require that the status of disease is known. However, in clinical practice when using a test, the true disease status is usually unknown and we perform the test to inform us about the presence of the disease. When using a test, we need to know how well the test result predicts the presence or absence of disease. The positive predictive value (PPV) and negative predictive value (NPV) provide such information. The PPV is the probability that a positive test result correctly predicts the presence of disease, whereas NPV is the probability that a negative test result correctly predicts the absence of disease.

The PPV and NPV are dependent on both the underlying prevalence of disease in the population to be tested and the intrinsic accuracy (i.e. sensitivity and specificity) of the test. For any given test, when the disease prevalence is higher, the PPV is higher while the NPV is lower. For this reason, it is usually not appropriate to calculate the PPV and NPV directly from studies that oversample subjects with disease (such as a 1:1 case-control study that artificially sets the disease prevalence at 50%), because such studies do not reflect the true disease prevalence in the population that the test will be used in. Instead, using the following formula, the sensitivity (Se) and specificity (Sp) estimated from a case-control study can be applied to calculate the PPV and NPV of a test in a target population with disease prevalence (P), which is usually estimated from a separate study. (Tämän jälkeen tuli bayesin kaava, mutta kuvana niin ei saa tähän.)

https://iovs.arvojournals.org/article.aspx?articleid=2770806

Nimenomaan. Tätä täällä nyt on yritetty selittää, kiitos tästä.

Juuri näin. Kiitos! Tätä olen myös yrittänyt avata täällä, mutta hyvin huonolla menestyksellä. Itse ainakin syvensin tätä asiaa paljon tuon kuukauden aikana ennen tenttiä ja idea kirkastui tosi selkeästi. Mun mielestä ei ole yksinkertaisesti sisäistänyt asiaa kunnolla, jos väittää jotain muuta. Ei muutenkaan kovin hyvää vaikutelmaa anna tällainen jatkuva jankkaaminen foorumeilla asiasta, mistä selvästikään ei ole ymmärrystä kunnolla. Ei kyllä kovin soveltuva tutkijaksi ja psykologiksi, jos on valmis väittelemään näin tiukasti asiasta, jota ei syvemmin / laajemmin hahmota. Huolestuttavaa...

Niin itsehän jankkaat yhtä lailla? Oletko itse soveltuva psykologiksi tai tutkijaksi kun jankkaat asiaa tällä tavalla, etkä näe asian eri puolia? Oletko itse tullut ajatelleeksi, että voit myös itse olla väärässä?

Minä kyllä ymmärrän, että tehtävän voi tulkita kummallakin tavalla, vaikka minulla onkin asiasta mielipide. Kokeen tekijät tekevät päätöksen siitä, minkä vastauksen he hyväksyvät tehtävään, et sinä.

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

millä todennäköisyydellä henkilöllä on todellisuudessa lukihäiriö, kun se hänelle luokiteltiin uuden testin perusteella. Voi viitata myös taulukkoon. Henkilö kuuluu niiden joukkoon, joilla on todettu lukihäiriö. Mikä on todennäköisyys, että kuuluu oikeasti niihin joilla se on?

Noh, senhän voi sen todennäköisyyden ihan laskea sen taulukon perusteella (sairaat/terveet/oikein diagnosoidut/ väärin diagnosoidut).

Tämä on vasta ensimmäinen taso asiassa. Tämä kertoo sen, että tässä aineistossa tällä mittarilla on näin. Sen sijaan testi saattaa antaa väärän positiivisen, jolloin todennäköisyys onkin eri. Siksi tuo 10% annettiin tiedoksi.

Miten sää et tajua? Siis siinä taulukossahan jo on ne oikeat positiiviset ja väärät positiiviset!! Oikeita positiivia oli 105 ja vääriä positiivisia 30! Mikä tässä on niin vaikea tajuta? Sitä prevalenssia ei tarvitse mihinkään. Sitten kun lähdet soveltamaan tuota testiä SATUNNAISEEN henkilöön, niin tarvitaan prevalenssia! Musta tuntuu et osa porukasta ei edes lue näitä viestejä ajatuksen kanssa. Itsepäisesti vaan pidetään kiinni omasta näkökulmasta ymmärtämättä asiaa.

Ja sä tulkitsit, että tässä kysyttiin itsestään selvää asiaa, eli mitattiin sitä, että osaako lukea luvut? Millä perusteella? Kyllä mä edelleen olen sitä mieltä, että kysymyksen asettelu viittaa satunnaiseen henkilöön.

Koska siinä pyydettiin laskemaan todennäköisyyttä, että positiivisen tuloksen saaneella on tosiasiallisesti lukihäiriö ja negatiivisen tuloksen saaneella ei ole.

Se tulos tuli siitä tutkijan uudesta testistä.

MIKÄÄN ei anna viitettä siihen, että testattaisiin satunnaista henkilöä. Tehtävän taustoituksessa, ei edes osana itse tehtävää, vaan selvästi taustoittavassa kappaleessa, mainittiin, että 10 % väestöstä on lukivaikeus. Näytti pitävän paikkansa, netistä löytyi arvkio 3-10 %.

Selityksesi on sekava, mutta silti: tehtävän aikamuotojen tarkastelu paljastaa, että kysytty henkilö ei kuulu taulukossa eriteltyyn porukkaan. Näin ollen kyseessä on väestön yksilö.

Eli kun tehtävässä viitataan tutkittuun otokseen, puhutaan menneissä aikamuodoissa: "on kerännyt 250 henkilön aineiston", "teetti kaikille 250 tutkittavalle", "on testin tuloksen perusteella luokiteltu" jne. D- ja e-kohdissa aikamuoto vaihtuu: "kun uuden lukitestin perusteella hänelle se luokitellaan" jne. Tässä siis on kyse tulevasta tai tällä hetkellä tapahtuvasta luokittelusta ja näin ollen uudesta henkilöstä, ei yhdestä jo aiemmin luokitelluista.

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

millä todennäköisyydellä henkilöllä on todellisuudessa lukihäiriö, kun se hänelle luokiteltiin uuden testin perusteella. Voi viitata myös taulukkoon. Henkilö kuuluu niiden joukkoon, joilla on todettu lukihäiriö. Mikä on todennäköisyys, että kuuluu oikeasti niihin joilla se on?

Noh, senhän voi sen todennäköisyyden ihan laskea sen taulukon perusteella (sairaat/terveet/oikein diagnosoidut/ väärin diagnosoidut).

Tämä on vasta ensimmäinen taso asiassa. Tämä kertoo sen, että tässä aineistossa tällä mittarilla on näin. Sen sijaan testi saattaa antaa väärän positiivisen, jolloin todennäköisyys onkin eri. Siksi tuo 10% annettiin tiedoksi.

Miten sää et tajua? Siis siinä taulukossahan jo on ne oikeat positiiviset ja väärät positiiviset!! Oikeita positiivia oli 105 ja vääriä positiivisia 30! Mikä tässä on niin vaikea tajuta? Sitä prevalenssia ei tarvitse mihinkään. Sitten kun lähdet soveltamaan tuota testiä SATUNNAISEEN henkilöön, niin tarvitaan prevalenssia! Musta tuntuu et osa porukasta ei edes lue näitä viestejä ajatuksen kanssa. Itsepäisesti vaan pidetään kiinni omasta näkökulmasta ymmärtämättä asiaa.

Kukahan täällä paasaa ja itsepäisesti pitää kiinni ajatuksestaan? Moni on perustellut miksi kyseessä ajatteli olevan juuri satunnainen henkilö. Perustelitko sä ajatustasi lainkaan?

Olen aika monesti kantani perustellut todella kattavasti tässä ketjussa, mutta yritetään vielä kerran. PPV voidaan laskea joko tutkimusryhmän henkilölle tai satunnaiselle henkilölle. Tehtävässä puhutaan koko ajan tutkimukseen osallistuneista henkilöistä, joten on hyvin loogista olettaa, että sanalla "henkilö" viitataan tutkimusryhmän henkilöön. Tehtävässä ei missään vaiheessa puhuta satunnaisesta henkilöstä mitään. Vuoden 2017 vastaavassa tehtävässä PPV pyydettiin laskemaan nimenomaan satunnaiselle suomalaiselle ja silloin luonnollisesti väestön esiintyvyys piti ottaa huomioon. Tässä tehtävässä ei missään vaiheessa puhuttu satunnaisesta henkilöstä mitään. Heinäkuussa selviää, mitä tehtävän tekijät ovat ajatelleet. Se on tässä varmaan nyt oleellisinta.

Eiköhän siinä puhuttu satunnaisista henkilöistä, kun kerrottiin 10% olevan lukihäiriö.

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

millä todennäköisyydellä henkilöllä on todellisuudessa lukihäiriö, kun se hänelle luokiteltiin uuden testin perusteella. Voi viitata myös taulukkoon. Henkilö kuuluu niiden joukkoon, joilla on todettu lukihäiriö. Mikä on todennäköisyys, että kuuluu oikeasti niihin joilla se on?

Noh, senhän voi sen todennäköisyyden ihan laskea sen taulukon perusteella (sairaat/terveet/oikein diagnosoidut/ väärin diagnosoidut).

Tämä on vasta ensimmäinen taso asiassa. Tämä kertoo sen, että tässä aineistossa tällä mittarilla on näin. Sen sijaan testi saattaa antaa väärän positiivisen, jolloin todennäköisyys onkin eri. Siksi tuo 10% annettiin tiedoksi.

Miten sää et tajua? Siis siinä taulukossahan jo on ne oikeat positiiviset ja väärät positiiviset!! Oikeita positiivia oli 105 ja vääriä positiivisia 30! Mikä tässä on niin vaikea tajuta? Sitä prevalenssia ei tarvitse mihinkään. Sitten kun lähdet soveltamaan tuota testiä SATUNNAISEEN henkilöön, niin tarvitaan prevalenssia! Musta tuntuu et osa porukasta ei edes lue näitä viestejä ajatuksen kanssa. Itsepäisesti vaan pidetään kiinni omasta näkökulmasta ymmärtämättä asiaa.

Ja sä tulkitsit, että tässä kysyttiin itsestään selvää asiaa, eli mitattiin sitä, että osaako lukea luvut? Millä perusteella? Kyllä mä edelleen olen sitä mieltä, että kysymyksen asettelu viittaa satunnaiseen henkilöön.

Koska siinä pyydettiin laskemaan todennäköisyyttä, että positiivisen tuloksen saaneella on tosiasiallisesti lukihäiriö ja negatiivisen tuloksen saaneella ei ole.

Se tulos tuli siitä tutkijan uudesta testistä.

MIKÄÄN ei anna viitettä siihen, että testattaisiin satunnaista henkilöä. Tehtävän taustoituksessa, ei edes osana itse tehtävää, vaan selvästi taustoittavassa kappaleessa, mainittiin, että 10 % väestöstä on lukivaikeus. Näytti pitävän paikkansa, netistä löytyi arvkio 3-10 %.

Selityksesi on sekava, mutta silti: tehtävän aikamuotojen tarkastelu paljastaa, että kysytty henkilö ei kuulu taulukossa eriteltyyn porukkaan. Näin ollen kyseessä on väestön yksilö.

Eli kun tehtävässä viitataan tutkittuun otokseen, puhutaan menneissä aikamuodoissa: "on kerännyt 250 henkilön aineiston", "teetti kaikille 250 tutkittavalle", "on testin tuloksen perusteella luokiteltu" jne. D- ja e-kohdissa aikamuoto vaihtuu: "kun uuden lukitestin perusteella hänelle se luokitellaan" jne. Tässä siis on kyse tulevasta tai tällä hetkellä tapahtuvasta luokittelusta ja näin ollen uudesta henkilöstä, ei yhdestä jo aiemmin luokitelluista.

Kiitos rautalangasta. Joko tämä väittely nyt jo riittäisi, kun asia on ihan ilmiselvä. Tehtävänanto erittäin selkeä. Siirrytään johonkin rakentavampaan?

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Tässä ihan hyvä selitys.

Sensitivity and specificity measure the intrinsic accuracy of a test and require that the status of disease is known. However, in clinical practice when using a test, the true disease status is usually unknown and we perform the test to inform us about the presence of the disease. When using a test, we need to know how well the test result predicts the presence or absence of disease. The positive predictive value (PPV) and negative predictive value (NPV) provide such information. The PPV is the probability that a positive test result correctly predicts the presence of disease, whereas NPV is the probability that a negative test result correctly predicts the absence of disease.

The PPV and NPV are dependent on both the underlying prevalence of disease in the population to be tested and the intrinsic accuracy (i.e. sensitivity and specificity) of the test. For any given test, when the disease prevalence is higher, the PPV is higher while the NPV is lower. For this reason, it is usually not appropriate to calculate the PPV and NPV directly from studies that oversample subjects with disease (such as a 1:1 case-control study that artificially sets the disease prevalence at 50%), because such studies do not reflect the true disease prevalence in the population that the test will be used in. Instead, using the following formula, the sensitivity (Se) and specificity (Sp) estimated from a case-control study can be applied to calculate the PPV and NPV of a test in a target population with disease prevalence (P), which is usually estimated from a separate study. (Tämän jälkeen tuli bayesin kaava, mutta kuvana niin ei saa tähän.)

https://iovs.arvojournals.org/article.aspx?articleid=2770806

Nimenomaan. Tätä täällä nyt on yritetty selittää, kiitos tästä.

Juuri näin. Kiitos! Tätä olen myös yrittänyt avata täällä, mutta hyvin huonolla menestyksellä. Itse ainakin syvensin tätä asiaa paljon tuon kuukauden aikana ennen tenttiä ja idea kirkastui tosi selkeästi. Mun mielestä ei ole yksinkertaisesti sisäistänyt asiaa kunnolla, jos väittää jotain muuta. Ei muutenkaan kovin hyvää vaikutelmaa anna tällainen jatkuva jankkaaminen foorumeilla asiasta, mistä selvästikään ei ole ymmärrystä kunnolla. Ei kyllä kovin soveltuva tutkijaksi ja psykologiksi, jos on valmis väittelemään näin tiukasti asiasta, jota ei syvemmin / laajemmin hahmota. Huolestuttavaa...

Niin itsehän jankkaat yhtä lailla? Oletko itse soveltuva psykologiksi tai tutkijaksi kun jankkaat asiaa tällä tavalla, etkä näe asian eri puolia? Oletko itse tullut ajatelleeksi, että voit myös itse olla väärässä?

Minä kyllä ymmärrän, että tehtävän voi tulkita kummallakin tavalla, vaikka minulla onkin asiasta mielipide. Kokeen tekijät tekevät päätöksen siitä, minkä vastauksen he hyväksyvät tehtävään, et sinä.

Tiedätkö sä mitä keskustelu tarkoittaa? Jos perustelee keskustelussa ajatuksena, ei se tarkoita etteikö näkisi myös toista mahdollisuutta/luulisi, että on varmasti oikeassa. Sinun ”etkö tajua?” ”Lue niin ymmärrät” on nimenomaan merkki siitä, että et itse voi edes ajatella olevasi väärässä. Kyllä parempi psykologi tai tutkija tulee henkilöstä, joka ei lähde toista sättimään kuin henkilöstä, joka ”perustelee” kantansa toista tylyttämällä. -eri

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Tässä ihan hyvä selitys.

Sensitivity and specificity measure the intrinsic accuracy of a test and require that the status of disease is known. However, in clinical practice when using a test, the true disease status is usually unknown and we perform the test to inform us about the presence of the disease. When using a test, we need to know how well the test result predicts the presence or absence of disease. The positive predictive value (PPV) and negative predictive value (NPV) provide such information. The PPV is the probability that a positive test result correctly predicts the presence of disease, whereas NPV is the probability that a negative test result correctly predicts the absence of disease.

The PPV and NPV are dependent on both the underlying prevalence of disease in the population to be tested and the intrinsic accuracy (i.e. sensitivity and specificity) of the test. For any given test, when the disease prevalence is higher, the PPV is higher while the NPV is lower. For this reason, it is usually not appropriate to calculate the PPV and NPV directly from studies that oversample subjects with disease (such as a 1:1 case-control study that artificially sets the disease prevalence at 50%), because such studies do not reflect the true disease prevalence in the population that the test will be used in. Instead, using the following formula, the sensitivity (Se) and specificity (Sp) estimated from a case-control study can be applied to calculate the PPV and NPV of a test in a target population with disease prevalence (P), which is usually estimated from a separate study. (Tämän jälkeen tuli bayesin kaava, mutta kuvana niin ei saa tähän.)

https://iovs.arvojournals.org/article.aspx?articleid=2770806

Nimenomaan. Tätä täällä nyt on yritetty selittää, kiitos tästä.

Juuri näin. Kiitos! Tätä olen myös yrittänyt avata täällä, mutta hyvin huonolla menestyksellä. Itse ainakin syvensin tätä asiaa paljon tuon kuukauden aikana ennen tenttiä ja idea kirkastui tosi selkeästi. Mun mielestä ei ole yksinkertaisesti sisäistänyt asiaa kunnolla, jos väittää jotain muuta. Ei muutenkaan kovin hyvää vaikutelmaa anna tällainen jatkuva jankkaaminen foorumeilla asiasta, mistä selvästikään ei ole ymmärrystä kunnolla. Ei kyllä kovin soveltuva tutkijaksi ja psykologiksi, jos on valmis väittelemään näin tiukasti asiasta, jota ei syvemmin / laajemmin hahmota. Huolestuttavaa...

Niin itsehän jankkaat yhtä lailla? Oletko itse soveltuva psykologiksi tai tutkijaksi kun jankkaat asiaa tällä tavalla, etkä näe asian eri puolia? Oletko itse tullut ajatelleeksi, että voit myös itse olla väärässä?

Minä kyllä ymmärrän, että tehtävän voi tulkita kummallakin tavalla, vaikka minulla onkin asiasta mielipide. Kokeen tekijät tekevät päätöksen siitä, minkä vastauksen he hyväksyvät tehtävään, et sinä.

Huh... ok. Rauhaa ja rakkautta sinulle.

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Tässä ihan hyvä selitys.

Sensitivity and specificity measure the intrinsic accuracy of a test and require that the status of disease is known. However, in clinical practice when using a test, the true disease status is usually unknown and we perform the test to inform us about the presence of the disease. When using a test, we need to know how well the test result predicts the presence or absence of disease. The positive predictive value (PPV) and negative predictive value (NPV) provide such information. The PPV is the probability that a positive test result correctly predicts the presence of disease, whereas NPV is the probability that a negative test result correctly predicts the absence of disease.

The PPV and NPV are dependent on both the underlying prevalence of disease in the population to be tested and the intrinsic accuracy (i.e. sensitivity and specificity) of the test. For any given test, when the disease prevalence is higher, the PPV is higher while the NPV is lower. For this reason, it is usually not appropriate to calculate the PPV and NPV directly from studies that oversample subjects with disease (such as a 1:1 case-control study that artificially sets the disease prevalence at 50%), because such studies do not reflect the true disease prevalence in the population that the test will be used in. Instead, using the following formula, the sensitivity (Se) and specificity (Sp) estimated from a case-control study can be applied to calculate the PPV and NPV of a test in a target population with disease prevalence (P), which is usually estimated from a separate study. (Tämän jälkeen tuli bayesin kaava, mutta kuvana niin ei saa tähän.)

https://iovs.arvojournals.org/article.aspx?articleid=2770806

Nimenomaan. Tätä täällä nyt on yritetty selittää, kiitos tästä.

Juuri näin. Kiitos! Tätä olen myös yrittänyt avata täällä, mutta hyvin huonolla menestyksellä. Itse ainakin syvensin tätä asiaa paljon tuon kuukauden aikana ennen tenttiä ja idea kirkastui tosi selkeästi. Mun mielestä ei ole yksinkertaisesti sisäistänyt asiaa kunnolla, jos väittää jotain muuta. Ei muutenkaan kovin hyvää vaikutelmaa anna tällainen jatkuva jankkaaminen foorumeilla asiasta, mistä selvästikään ei ole ymmärrystä kunnolla. Ei kyllä kovin soveltuva tutkijaksi ja psykologiksi, jos on valmis väittelemään näin tiukasti asiasta, jota ei syvemmin / laajemmin hahmota. Huolestuttavaa...

Niin itsehän jankkaat yhtä lailla? Oletko itse soveltuva psykologiksi tai tutkijaksi kun jankkaat asiaa tällä tavalla, etkä näe asian eri puolia? Oletko itse tullut ajatelleeksi, että voit myös itse olla väärässä?

Minä kyllä ymmärrän, että tehtävän voi tulkita kummallakin tavalla, vaikka minulla onkin asiasta mielipide. Kokeen tekijät tekevät päätöksen siitä, minkä vastauksen he hyväksyvät tehtävään, et sinä.

Tiedätkö sä mitä keskustelu tarkoittaa? Jos perustelee keskustelussa ajatuksena, ei se tarkoita etteikö näkisi myös toista mahdollisuutta/luulisi, että on varmasti oikeassa. Sinun ”etkö tajua?” ”Lue niin ymmärrät” on nimenomaan merkki siitä, että et itse voi edes ajatella olevasi väärässä. Kyllä parempi psykologi tai tutkija tulee henkilöstä, joka ei lähde toista sättimään kuin henkilöstä, joka ”perustelee” kantansa toista tylyttämällä. -eri

Hmmm. Olen ollut hyvin rakentava tässä keskustelussa. Sen sijaan oma "keskustelutyylisi" on hyvin hyökkäävä. Syytät minua jankuttamisesta, vaikka itse jankutat yhtä lailla. Sanot, etten ymmärtäisi asiaa "syvällisemmin", vaikka itse saatat ihan yhtä hyvin olla väärässä. Lisäksi syytöksesi siitä, ettei "soveltuisi psykologiksi" jos asiasta ei ole juuri sinun kanssa samaa mieltä, on hyvin asiaton. Yhtä lailla voit itse olla väärässä. Sulla tuntuu olevan nyt hyvin paha olo, mitä purat täällä palstalla eri tavalla ajatteleviin ihmisiin. Täällä ei kukaan tiedä, kumpi on oikea vastaus kokeen tekijöiden mielestä.