Memahami nilai ramalan negatif boleh mengelirukan. Walau bagaimanapun, ia adalah bahagian penting dalam memahami kualiti dan ketepatan ujian perubatan. Nilai ramalan negatif memberitahu anda apa yang dimaksudkan jika anda menguji negatif untuk penyakit. Ia adalah penanda betapa tepatnya hasil ujian negatif itu. Dalam erti kata lain, ia memberitahu anda bagaimana mungkin anda sebenarnya tidak mempunyai penyakit ini .
Nilai ramalan negatif ditakrifkan sebagai bilangan negatif yang benar (orang yang menguji negatif yang tidak dijangkiti) dibahagikan dengan jumlah orang yang menguji negatif. Ia berbeza dengan sensitiviti ujian, spesifikasi ujian , dan kelaziman penyakit seperti yang anda lihat dalam contoh di bawah. Kerana pergantungan terhadap kelaziman penyakit dalam komuniti di mana mereka bekerja, memikirkan nilai ramalan negatif adalah rumit. Kebanyakan doktor tidak dapat memberikan anda nombor untuk nilai ramalan negatif apabila anda masuk untuk sebarang ujian yang diberikan - walaupun mereka tahu sensitiviti dan kekhususan.
Ejaan Alternatif: NPV
Satu contoh
Sekiranya ujian chlamydia mempunyai kepekaan 80% kepekaan & 80% dalam populasi 100 dengan prevalens klamidia sebanyak 10%:
8 daripada 10 positif ujian positif positif
72 daripada 90 negatif negatif ujian negatif
Daripada 74 ujian negatif, 82 adalah negatif dan 2 adalah negatif. Oleh itu, nilai ramalan negatif (NPV) adalah 97% (72/74). 97% orang yang menguji negatif sebenarnya akan negatif untuk klamidia.
-----
Sebaliknya, jika ujian yang sama diberikan dalam populasi dengan keragaman klamidia sebanyak 40:
32 daripada 40 positif ujian positif positif
40 daripada 60 negatif negatif ujian negatif
Daripada 48 ujian negatif, 8 adalah negatif palsu. Ini bermakna nilai ramalan negatif ialah 83% (40/48).
Bagaimana Pelbagai Faktor Mempengaruhi Nilai Predictive Negatif
Nilai ramalan negatif menurun apabila penyakit menjadi lebih biasa dalam populasi.
Sebaliknya, nilai ramalan positif meningkat.
Begitu juga, ujian kepekaan yang tinggi menjadikan peningkatan nilai ramalan negatif. Itu kerana ada lebih sedikit negatif palsu. (Lebih banyak orang yang ujian positif positif pada ujian sensitiviti yang tinggi) Sebaliknya, ujian kekhususan yang tinggi lebih penting untuk nilai ramalan positif. Dengan ujian-ujian tersebut, semakin sedikit positif palsu. Kekhususan yang lebih tinggi, semakin banyak orang yang negatif ujian negatif.