Hiểu kết quả dương tính giả với xác suất có điều kiện: Tại sao xét nghiệm dương tính không phải lúc nào cũng có nghĩa bạn mắc bệnh

Một xét nghiệm y tế cho kết quả dương tính có thể giống như một câu trả lời cuối cùng, nhưng kết quả đó chỉ là một phần của câu chuyện. Cùng một kết quả dương tính có thể đồng nghĩa với xác suất mắc bệnh cao ở một nhóm người và xác suất thấp ở nhóm khác. Yếu tố quyết định là tỷ lệ nền: bệnh phổ biến đến mức nào trong nhóm người được xét nghiệm. Đây là một ví dụ thực tế về xác suất, và nó cho thấy tại sao hiểu về dương tính giả với xác suất có điều kiện là điều cần thiết.

Bắt đầu với câu hỏi mà kết quả thực sự trả lời

Kết quả xét nghiệm là bằng chứng, không phải chẩn đoán. Câu hỏi hữu ích không đơn giản là “Xác suất xét nghiệm dương tính là bao giờ?” mà là câu hỏi ngược lại: “Xét nghiệm cho kết quả dương tính, xác suất mắc bệnh là bao nhiêu?”

Sự đảo ngược này rất quan trọng. Xác suất xét nghiệm dương tính ở người mắc bệnh khác với xác suất mắc bệnh sau khi xét nghiệm dương tính. Nhầm lẫn hai hướng suy luận này là một lỗi xác suất điển hình.

Để suy luận rõ ràng, cần định nghĩa ba đại lượng:

• Tỷ lệ mắc bệnh (Prevalence): tỷ lệ người mắc bệnh trong nhóm được xét nghiệm.
• Độ nhạy (Sensitivity): xác suất xét nghiệm dương tính khi người đó mắc bệnh.
• Độ đặc hiệu (Specificity): xác suất xét nghiệm âm tính khi người đó không mắc bệnh.

Tỷ lệ dương tính giả bằng một trừ đi độ đặc hiệu: xác suất xét nghiệm dương tính khi người đó không mắc bệnh.

Một ví dụ cụ thể với bệnh hiếm gặp

Giả sử một chương trình sàng lọc xét nghiệm 10.000 người. Giả sử bệnh có tỷ lệ mắc là 1%, tức 100 người mắc và 9.900 người không mắc.

Giả sử xét nghiệm có độ nhạy 95% và độ đặc hiệu 95%. Trong 100 người mắc bệnh, 95 người có kết quả dương tính và 5 người âm tính. Trong 9.900 người không mắc bệnh, 495 người có kết quả dương tính và 9.405 người âm tính.

Giờ tổng hợp các kết quả dương tính: 95 kết quả dương tính thật cộng 495 kết quả dương tính giả, tổng cộng 590 kết quả dương tính. Tỷ lệ kết quả dương tính thực sự liên quan đến bệnh là 95 chia cho 590, xấp xỉ 16,1%.

Vậy trong ví dụ này, kết quả dương tính có nghĩa là có khoảng 16% khả năng bạn mắc bệnh. Xét nghiệm hoạt động tốt trên từng nhóm riêng lẻ, nhưng hầu hết kết quả dương tính là giả vì bệnh hiếm gặp và nhóm không mắc bệnh rất lớn.

Tại sao tỷ lệ nền thay đổi câu trả lời

Yếu tố quyết định là kích thước của hai nhóm. Với tỷ lệ mắc 1%, số người không mắc bệnh lớn hơn rất nhiều so với người mắc. Ngay cả một tỷ lệ dương tính giả khiêm tốn cũng có thể tạo ra nhiều kết quả dương tính giả hơn thật.

Chỉ cần thay đổi tỷ lệ mắc là kết luận đã khác. Nếu cùng xét nghiệm đó được dùng cho nhóm nguy cơ cao với tỷ lệ mắc 20%, phép tính cho ra 190 kết quả dương tính thật và 1.600 kết quả dương tính giả trong số 1.000 người mắc và 4.000 người không mắc. Giá trị dự báo dương tính là 190 chia cho 1.790, xấp xỉ 10,6%.

Khoan đã, phép so sánh trên dùng kích thước nhóm khác nhau, nên cần giữ tổng dân số không đổi để thấy rõ tác động. Quay lại 10.000 người, nhưng giả sử tỷ lệ mắc 20%: 2.000 người mắc và 8.000 người không mắc. Với cùng độ nhạy và độ đặc hiệu, số dương tính thật là 1.900 và dương tính giả là 400. Giá trị dự báo dương tính là 1.900 chia cho 2.300, xấp xỉ 82,6%.

Đặc tính xét nghiệm không đổi. Tỷ lệ nền thay đổi, và chỉ riêng điều đó đã đưa diễn giải từ xác suất nhỏ thành khả năng rất cao.

Góc nhìn xác suất có điều kiện

Đặt D là biến cố “mắc bệnh” và T+ là biến cố “xét nghiệm dương tính”. Đại lượng cần tìm là xác suất có điều kiện của D khi biết T+, ký hiệu P(D | T+).

Theo định nghĩa xác suất có điều kiện:

P(D | T+) = P(T+ | D) × P(D) / P(T+)

Trong đó, P(T+ | D) là độ nhạy, P(D) là tỷ lệ mắc, và P(T+) là xác suất tổng quát của kết quả dương tính. Tử số bao gồm cả dương tính thật và dương tính giả:

P(T+) = P(T+ | D) × P(D) + P(T+ | không D) × P(không D)

Với ví dụ tỷ lệ mắc 1%, tử số là 0,95 × 0,01 = 0,0095. Mẫu số là 0,0095 + 0,05 × 0,99 = 0,0095 + 0,0495 = 0,059. Chia ra 0,0095 / 0,059 ≈ 0,161, khớp với kết quả đếm ở trên.

Điều này có ý nghĩa gì khi diễn giải kết quả

Một số bài học thực tế rút ra từ phép tính:

• Ngữ cảnh rất quan trọng: Kết quả dương tính ở nhóm dân số có tỷ lệ mắc thấp mang giá trị chứng cứ thấp hơn so với kết quả tương tự ở nhóm có tỷ lệ m��c cao.
• Xét nghiệm xác nhận giúp ích: Một xét nghiệm độc lập thứ hai có thể giảm độ bất định vì hai kết quả dương tính giả cùng xuất hiện ít khả năng hơn, dù không có xét nghiệm nào hoàn hảo.
• Các ngưỡng có đánh đổi: Tăng độ nhạy của xét nghiệm có thể làm tăng dương tính giả nếu không đồng thời xem xét độ đặc hiệu.
• Giao tiếp nên bao gồm xác suất: Chỉ nói “dương tính” mà không giải thích xác suất thực sự mắc bệnh có thể gây hiểu lầm.

Quyết định sàng lọc cũng phụ thuộc vào hậu quả của việc bỏ sót một ca bệnh so với việc theo dõi một cảnh báo sai. Đó là những câu hỏi y tế và đạo đức, nhưng phép tính cơ bản vẫn giống nhau: kết hợp hiệu suất có điều kiện của xét nghiệm với tỷ lệ nền của dân số.

Thói quen tư duy cẩn thận

Tỷ lệ nền dễ bị bỏ qua vì kết quả dương tính có vẻ cụ thể trong khi con số tỷ lệ mắc lại có vẻ trừu tượng. Xác suất có điều kiện bổ sung ngữ cảnh bị thiếu. Nó không chỉ hỏi xét nghiệm tạo ra tín hiệu bao nhiêu lần, mà còn hỏi tín hiệu đó có khả năng chỉ đúng sự thật bao nhiêu trong dân số được kiểm tra.

Bài học rộng hơn vượt ra ngoài y khoa: khi một sự kiện hiếm gặp được sàng lọc bởi một thiết bị phát hiện không hoàn hảo, các kết quả dương tính giả có thể chiếm ưu thế. Phản ứng bình tĩnh và kỷ luật là xác định tỷ lệ nền, nêu rõ độ nhạy và độ đặc hiệu của xét nghiệm, và tính toán xác suất có điều kiện ngược trước khi đưa ra kết luận. Đó là cách một kết quả dương tính trở nên có thể diễn giải thay vì gây hoảng sợ.