งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

ความน่าจะเป็น (Probability) ผศ. นิคม ถนอมเสียง ภาควิชาชีวสถิติและประชากรศาสตร์ คณะสาธารณสุขศาสตร์ ม. ขอนแก่น

งานนำเสนอที่คล้ายกัน


งานนำเสนอเรื่อง: "ความน่าจะเป็น (Probability) ผศ. นิคม ถนอมเสียง ภาควิชาชีวสถิติและประชากรศาสตร์ คณะสาธารณสุขศาสตร์ ม. ขอนแก่น"— ใบสำเนางานนำเสนอ:

1 ความน่าจะเป็น (Probability) ผศ. นิคม ถนอมเสียง ภาควิชาชีวสถิติและประชากรศาสตร์ คณะสาธารณสุขศาสตร์ ม. ขอนแก่น

2 ความน่าจะเป็น (Probability) ความหมาย “ ความน่าจะเป็น หรือโอกาสของการเกิด เหตุการณ์ที่สนใจ ” Sample Space Event

3 ความน่าจะเป็น (Probability) -Subjective Probability ประเมิน จากประสบการณ์ เงื่อนไขและ สภาพแวดล้อม เช่น นาย ก. จะหายจาก TB =.80 พิจารณาจาก ความรุนแรง สุขภาพ ความร่วมมือ

4 ความน่าจะเป็น (Probability) -Objective Probability ประเมิน จากความถี่ของการเกิดเหตุการณ์ Prior Probability เหตุการณ์ที่ สนใจหารด้วยจำนวนเหตุการณ์ที่ เป็นไปได้ Posterior Probability เหตุการณ์ ที่สนใจภายใต้เงื่อนไขเดียวกัน

5 Prior Probability เหตุการณ์ที่สนใจหารด้วยจำนวน เหตุการณ์ที่เป็นไปได้ เช่น ความชุก - ความชุกเกิดโรค TB ในผู้ป่วยที่มารับบริการ ทั้งหมด (30/1820) D+ D- T+ T- n

6 Conditional Probability เหตุการณ์ที่ เกิดขึ้น B ภายใต้หรือรู้ว่ามีเหตุการณ์ที่ เกิดขึ้นก่อน A เช่น - โอกาสการตรวจพบด้วยเครื่องมือ x-ray ให้ผลเป็น + ในผู้ป่วยที่ป่วยด้วยโรควัณโรค Disease Present D+ Absent D- True positive False positive Test + (a) (b) a+b - (c) (d) c+d False negative True negative a+c b+d sensitivity specificity a d = = a+c b+d

7 Posterior Probability เหตุการณ์ที่สนใจภายใต้เงื่อนไข เดียวกัน เช่น ผู้ป่วยทั่วไปที่ผลการตรวจเป็น บวก มีโอการสเป็น TB เท่าไร เขียนสัญญลักษณ์คือ P(D+/T+) โดย

8 คุณค่าการทำนายผลบวก Positive Predictive value Sensitivity ความไว 1-specificity (false positive) Specificity ความจำเพาะ อุบัติการณ์ / ความชุก (Prevalance) 1- {

9 การประยุกต์ใช้ความน่าจะเป็น -Diagnostic Test ขบวนการใช้วิธีการต่างๆ ในการตัดสินใจเพื่อช่วยจำแนกคน ที่เป็นโรคออกจากคนที่ไม่เป็นโรคได้อย่างถูกต้อง คุณสมบัติของ Diagnostic Test - ประเมินได้โดยการเปรียบเทียบผลที่ได้จากการใช้ diagnostic test ( เครื่องมือนั้นๆ ) กับประชากรที่ทราบแน่นอนว่า “ ป่วย ” “ ไม่ป่วย ” โดยใช้ gold standard -Screen Test การแยกกลุ่มศึกษาออกเป็นกลุ่มที่มีความเสี่ยงสูง และความเสี่ยงต่ำ

10 ตัวอย่าง - การนำเครื่องมือ / วิธีนั้นๆ ( แบบคัดกรอง ) ไปตรวจกับคนทั่วไปเพื่อ พิจารณาว่าเสี่ยงต่อโรคเบาหวานหรือไม่ - นำเครื่องมือ (x-ray) ไปตรวจกับคนทั่วไป เพื่อพิจารณาว่า ต่อไปจะเป็นหรือไม่เป็นวัณโรค - จำเป็นต้องใช้ ความน่าจะเป็นเข้ามาเกี่ยวข้อง

11 สถิติที่ใช้ Diagnostic Test - ความไว (sensitivity)- ความจำเพาะ (specificity) -Positive predictive value (PV+)-Negative predictive value(PV-) -Receiver Operating Characteristic (ROC Curve) -Likelihood ratio Disease Present D+ Absent D- True positive False positive Test + (a) (b) a+b - (c) (d) c+d False negative True negative a+c b+d

12 ตาราง 2x2 กับสถิติที่ใช้ Diagnostic Test Disease Present D+ Absent D- True positive False positive Test + (a) (b) a+b - (c) (d) c+d False negative True negative a+c b+d PV+ PV- LR+ LR- b d a/(a+c) c/(a+c) = = = = a+b c+d b/(b+d) d/(b+d) sensitivity specificity Prevalence a d a+c = = = a+c b+d a+b+c+d

13 ความไว (sensitivity) โอกาสที่ผู้เป็นโรค จะตรวจได้ผลบวก อาจเรียกว่า “ ผลบวกจริง ” (true positive) =9/10 = 90% ผลลบลวง (false positive) โอกาสที่ผู้เป็นโรค จะตรวจได้ผลลบ =1/10 = 10% Disease Present Absent True positive False positive Test + (a) 9 (b) 18 a+b - (c) 1 (d) 45 c+d False negative True negative a+c 10 b+d 63 73

14 ความจำเพาะ (specificity) โอกาสที่ผู้ไม่เป็นโรค จะตรวจให้ผลลบ อาจเรีกว่า “ ผลลบจริง ” (true negative) = 45/63 = 71.43% ผลบวกลวง (false negative) โอกาสที่ผู้ไม่เป็นโรค จะตรวจได้ผลบวก =18/63 = 28.57% Disease Present Absent True positive False positive Test + (a) 9 (b) 18 a+b - (c) 1 (d) 45 c+d False negative True negative a+c 10 b+d 63 73

15 positive predictive value ( คุณค่าการทำนายผลบวก ) โอกาสที่ผู้ที่ตรวจได้ผลบวกจากการทดสอบ จะป่วยเป็นโรคจริง PV+ = a/(a+b) = 9/(9+18) = 33.33% negative predictive value ( คุณค่าการทำนายผลลบ ) โอกาสที่ผู้ที่ตรวจได้ผลลบจากการทดสอบ จะไม่เป็นโรคจริง PV- = d/(c+d) = 45/(1+45) = 97.83% Disease Present Absent True positive False positive Test + (a) 9 (b) 18 a+b 27 - (c) 1 (d) 45 c+d 46 False negative True negative a+c 10 b+d 63 73

16 Disease Present Absent True positive False positive Test + (a) 9 (b) 18 a+b 27 - (c) 1 (d) 45 c+d 46 False negative True negative a+c 10 b+d Sensitivity= 9/10 = 90% specificity = 45/63 = 71.43% PV+= 9/27 = 33.33%PV- = 45/(45+1) = 97.83% Prevalence = 10/73 =13.70% LR+= (9/10)/(18/63) = 3.15 LR-= (1/10)/(45/630 = 0.14

17 . diagt dp c17 | c17 dp | Pos. Neg. | Total Abnormal | 9 1 | 10 Normal | | Total | | 73 True abnormal diagnosis defined as dp = 1 [95% Conf. Inter.] Sensitivity Pr( +| D) 90.00% 55.50% 99.75% Specificity Pr( -|~D) 71.43% 58.65% 82.11% Positive predictive value Pr( D| +) 33.33% 16.52% 53.96% Negative predictive value Pr(~D| -) 97.83% 88.47% 99.94% Prevalence Pr(D) 13.70% 6.77% 23.75%

18 PV+ (sen)(pre) (sen)(pre)+(1- spec)(1-pre) PV- (sen)(pre) (sen)(pre)+(1- spec)(1-pre) Positive predictive value/ Negative predictive value พิจารณาความชุก (Prevalence rate) ร่วมด้วย Prior Probability Posterior ProbabilityConditional Probability

19 ตัวอย่าง Positive predictive value/ Negative predictive value พิจารณาความชุก (Prevalence rate) ร่วมด้วย เช่นกรณีที่ต้องการนำเครื่องมือไปใช้กับกลุ่ม ประชาชนที่พบว่ามีอุบัติการณ์ ( ความชุก ) เพียง 5% =.1422

20 Likelihood ratio LR+ ความน่าจะเป็นที่ผลการทดสอบเป็น + ในกลุ่มที่เป็นโรคจริง หารด้วย ความน่าจะเป็นที่ผลการทดสอบเป็น + ในกลุ่มที่ไม่เป็นโรค LR+ = (9/10)/(18/63) = 3.15 โอกาสที่จะเกิดป่วยด้วย TB ในกลุ่มเป็น TB จริงเป็น 3.15 เท่า ของโอกาสที่จะเกิด TB ในกลุ่มไม่เป็นโรค Disease Present Absent True positive False positive Test + (a) 9 (b) 18 a+b - (c) 1 (d) 45 c+d False negative True negative a+c 10 b+d 63 73

21 LR- ความน่าจะเป็นที่ผลการทดสอบเป็น - ในกลุ่มที่เป็นโรคจริง หารด้วย ความน่าจะเป็นที่ผลการทดสอบเป็น - ในกลุ่มที่ไม่เป็นโรค LR- = (1/10)/(45/63) = 0.14 Disease Present Absent True positive False positive Test + (a) 9 (b) 18 a+b - (c) 1 (d) 45 c+d False negative True negative a+c 10 b+d 63 73

22 Bayes’ Rule


ดาวน์โหลด ppt ความน่าจะเป็น (Probability) ผศ. นิคม ถนอมเสียง ภาควิชาชีวสถิติและประชากรศาสตร์ คณะสาธารณสุขศาสตร์ ม. ขอนแก่น

งานนำเสนอที่คล้ายกัน


Ads by Google