Позитивна прогностична цінність (PPV): яка ймовірність стану після позитивного результату і чому все залежить від поширеності
Автор: Український психологічний ХАБ · Опубліковано: 23 вересня 2026 · Редакційна політика
Коротка відповідь
Позитивна прогностична цінність, або PPV (positive predictive value), відповідає на практичне запитання: якщо результат тесту позитивний, яка ймовірність того, що цільовий стан справді присутній? Для бінарної класифікації PPV дорівнює частці істинно позитивних результатів серед усіх позитивних: PPV = TP / (TP + FP).
PPV не є сталою властивістю тесту. Вона залежить від того, наскільки часто цільовий стан трапляється в популяції, де тест застосовують, а також від чутливості, специфічності, порогового значення, складу вибірки та якості референтного стандарту. Класична статистична нотатка Altman і Bland у BMJ показує головну закономірність: однакові sensitivity і specificity можуть давати дуже різну прогностичну цінність за різної поширеності.
У психологічному скринінгу це принципово для безпечної інтерпретації. Позитивний бал вище cutoff означає, що людина потрапила до групи, де цільовий стан імовірніший, ніж до тестування. Сам скринінговий результат не встановлює клінічний діагноз. На цю різницю між скринінгом і фактичним встановленням розладу окремо звертає увагу психіатрична методологічна робота Zimmerman про PPV скринінгових шкал.
Що означає «позитивна прогностична цінність»
В українській професійній мові паралельно вживаються форми «позитивна прогностична цінність» і «позитивне прогностичне значення». Англійська абревіатура PPV широко використовується в науковій літературі. Український глосарій Alliance for Public Health визначає прогностичну цінність як імовірнісну характеристику результату діагностичного або скринінгового тесту та прямо пов’язує її з чутливістю, специфічністю і поширеністю цільового стану.
У цій статті «цільовий стан» означає те, що тест намагається виявити: клінічний розлад, синдром, ознаку, ризикову категорію або інший заздалегідь визначений стан, підтверджений відповідним референтним стандартом. Для психологічних опитувальників це особливо важливо, оскільки позитивний скринінг і клінічний діагноз належать до різних етапів оцінювання.
Формулювання «ймовірність стану після позитивного результату» точніше за популярну фразу «наскільки тест правильний». PPV стосується тільки позитивних результатів і конкретного цільового стану. Вона не описує загальну частку правильних класифікацій, не характеризує негативні результати й не замінює повну оцінку якості тесту.
Формула PPV і таблиця 2 × 2
Для бінарного тесту результати розкладаються на чотири клітини: істинно позитивні (TP), хибнопозитивні (FP), хибнонегативні (FN) та істинно негативні (TN). PPV дивиться на стовпець усіх позитивних результатів і запитує, яка частина з них підтвердилася.
PPV = TP / (TP + FP).
• TP — люди з позитивним результатом, у яких цільовий стан підтверджено.
• FP — люди з позитивним результатом, у яких цільовий стан не підтверджено.
• TP + FP — усі люди, яких тест класифікував як позитивних.
Тому PPV 0,80, або 80%, означає: у тій популяції, за того cutoff, референтного стандарту та способу відбору учасників, на яких отримано оцінку, приблизно 80 зі 100 позитивних результатів були істинно позитивними. Це популяційна умовна ймовірність, а не персональна гарантія для кожної окремої людини.
У дослідженнях діагностичної точності корисно бачити не лише відсоток, а й вихідні числа TP і FP та інтервал невизначеності. STARD 2015 рекомендує прозоро повідомляти дизайн, відбір учасників, референтний стандарт, оцінки точності та їхню прецизійність, щоб читач міг оцінити ризик систематичної похибки й застосовність результатів.
Чому PPV залежить від поширеності
Причина арифметично проста. Хибнопозитивні результати виникають серед людей без цільового стану. Коли стан рідкісний, таких людей дуже багато. Навіть невелика частка хибнопозитивних результатів, застосована до великої групи без стану, може чисельно перевищити кількість істинно позитивних результатів.
Це і є ефект базової частоти. Докладно про різницю між base rate, prevalence і pre-test probability пояснює окрема стаття «Базова частота і поширеність». Для PPV головна ідея така: позитивний результат набуває змісту лише разом із вихідною ймовірністю цільового стану.
Якщо припустити, що sensitivity і specificity залишаються незмінними, підвищення поширеності математично підвищує PPV. У реальних даних є додаткова складність: склад пацієнтів, тяжкість стану, попередній відбір та інші спектральні ефекти можуть одночасно змінювати і поширеність, і самі оцінки sensitivity/specificity. Це показали Leeflang та співавтори у мета-епідеміологічному аналізі діагностичних досліджень.
Навчальний приклад: той самий тест у трьох популяціях
Візьмемо умовний тест із чутливістю 90% і специфічністю 95%. Усі числа нижче є навчальними, а не характеристиками конкретного психологічного інструмента. Щоб було видно механіку, уявімо по 10 000 людей у кожній популяції.
Поширеність 1%
Цільовий стан мають 100 людей. За чутливості 90% тест дасть 90 істинно позитивних і 10 хибнонегативних результатів. Стану не мають 9 900 людей; за специфічності 95% приблизно 495 із них матимуть хибнопозитивний результат. Отже, позитивних результатів буде 585, але лише 90 із них істинні. PPV = 90 / 585 ≈ 15,4%.
Поширеність 5%
Стан мають 500 людей: 450 істинно позитивних і 50 хибнонегативних. Серед 9 500 людей без стану буде приблизно 475 хибнопозитивних. PPV = 450 / 925 ≈ 48,6%. Майже кожен другий позитивний результат у цьому прикладі є істинно позитивним.
Поширеність 20%
Стан мають 2 000 людей: 1 800 істинно позитивних і 200 хибнонегативних. Серед 8 000 людей без стану буде 400 хибнопозитивних. PPV = 1 800 / 2 200 ≈ 81,8%.
Чутливість і специфічність у трьох розрахунках однакові. Змінилася лише частка людей із цільовим станом, і PPV змінилася приблизно від 15% до 82%. Саме тому число «95% специфічності» не можна читати як «після позитивного результату ймовірність стану становить 95%».
PPV через теорему Байєса
Ту саму логіку можна записати через sensitivity, specificity і передтестову ймовірність π:
PPV = [Sensitivity × π] / {[Sensitivity × π] + [(1 − Specificity) × (1 − π)]}.
У цій формулі sensitivity визначає, яка частка людей зі станом отримає позитивний результат; 1 − specificity є часткою хибнопозитивних результатів серед людей без стану; π задає частку людей зі станом до тестування. Результат — умовна ймовірність стану після того, як ми дізналися, що тест позитивний.
Bayes тут не є додатковою «поправкою» до PPV. Це інший запис того самого оновлення ймовірності. У клінічному мисленні зручно переходити від передтестових шансів до післятестових через likelihood ratio. Математику цього переходу розбирає стаття «Відношення правдоподібності (LR+ і LR−)», а класичне пояснення odds × LR подають Deeks і Altman у BMJ.
Поширеність, base rate і передтестова ймовірність — пов’язані, але не тотожні
Для масового скринінгу поширеність у цільовій популяції часто є природним наближенням вихідної ймовірності. Для людини, яка вже звернулася по допомогу, пройшла попередній відбір або має специфічні симптоми, передтестова ймовірність може суттєво відрізнятися від загальнопопуляційної поширеності.
Через це PPV із дослідження загальної популяції не слід механічно переносити до спеціалізованої психіатричної клініки, і навпаки. Те саме стосується віку, способу направлення, тяжкості симптомів, коморбідності та інших факторів, що змінюють склад групи.
Для окремої людини групова PPV є орієнтиром лише настільки, наскільки її передтестовий ризик і умови тестування відповідають популяції, з якої цю PPV отримано. Якщо передтестова ймовірність індивідуально суттєво вища або нижча, післятестова ймовірність також відрізнятиметься.
PPV ≠ чутливість
Чутливість ставить умову в інший бік: серед людей, які справді мають цільовий стан, яка частка отримає позитивний результат? Формально sensitivity = P(T+ | D+). PPV питає: серед людей із позитивним результатом, яка частка справді має стан? Формально PPV = P(D+ | T+).
Ці умовні ймовірності не можна міняти місцями. Саме плутанина P(T+ | D+) з P(D+ | T+) створює одну з найпоширеніших помилок у трактуванні скринінгу. Висока чутливість не гарантує високої PPV, особливо коли стан рідкісний.
PPV ≠ специфічність
Специфічність — частка людей без цільового стану, які отримують негативний результат: specificity = P(T− | D−). Вона сильно впливає на PPV через кількість хибнопозитивних результатів, але не є самою PPV.
У низькопоширеній популяції навіть невелике зниження specificity може різко збільшити число false positives, тому що воно застосовується до великої групи людей без стану. Це одна з причин, чому специфічність має особливу вагу, коли скринінг проводять дуже широко.
PPV ≠ негативна прогностична цінність
NPV відповідає на дзеркальне запитання: яка ймовірність відсутності цільового стану після негативного результату? Формула NPV = TN / (TN + FN). PPV і NPV мають різні знаменники та по-різному реагують на зміну базової частоти.
За низької поширеності PPV за інших рівних умов знижується, а NPV зазвичай зростає. За високої поширеності картина зміщується у протилежний бік. Тому фраза «тест має хорошу прогностичну цінність» без уточнення PPV або NPV і без опису популяції майже нічого не повідомляє.
PPV ≠ прогностична валідність
Слова «прогностична» і predictive легко створюють хибну близькість двох різних понять. У психометрії прогностична валідність стосується того, наскільки сьогоднішній тестовий бал пов’язаний із майбутнім критерієм: наприклад, чи передбачає результат подальшу успішність або функціонування.
Positive predictive value у діагностичній точності зазвичай описує умовну ймовірність цільового стану після позитивної класифікації щодо референтного стандарту. Назва «predictive» не робить PPV різновидом predictive validity. Це різні статистичні питання, різні дизайни і різні інтерпретації.
PPV ≠ ROC/AUC і не дорівнює клінічній корисності
ROC/AUC описує дискримінаційну здатність показника розрізняти випадки з цільовим станом і без нього в діапазоні порогів. AUC не дає безпосередньо відповіді, яка ймовірність стану після конкретного позитивного результату в конкретній популяції. Для цього потрібні threshold-specific характеристики та передтестова ймовірність.
Так само висока PPV сама по собі не доводить, що застосування тесту покращує клінічні результати. Потрібно враховувати, що відбувається після позитивного результату: підтверджувальна діагностика, доступність допомоги, наслідки false positives і false negatives, витрати, навантаження та потенційну шкоду. Керівництво ВООЗ з програм скринінгу розглядає користь і шкоду всього скринінгового маршруту, а не лише одну метрику точності.
Як cutoff змінює PPV
Багато психологічних шкал дають безперервний або порядковий бал, який лише потім перетворюють на «позитивний/негативний» за певним cutoff. Отже, PPV завжди прив’язана до конкретного порога. Інший cutoff змінює співвідношення TP, FP, FN і TN.
Зниження порога часто підвищує чутливість і водночас зменшує специфічність: тест пропускає менше випадків, але створює більше позитивних результатів серед людей без цільового стану. За низької поширеності це може помітно знизити PPV. Підвищення порога часто робить протилежний обмін. Конкретний ефект потрібно оцінювати на даних, а не виводити лише з напрямку зміни cutoff.
Один cutoff не є природною межею «розлад є / розладу немає». Це операційне правило для певної мети. Порогове значення для широкого скринінгу, де пріоритетом є не пропустити можливі випадки, може бути непридатним для high-stakes діагностичного рішення.
Чому позитивний психологічний скринінг не є діагнозом
Скринінговий інструмент зазвичай створений для раннього виявлення людей, яким може бути потрібне детальніше оцінювання. Позитивний результат підвищує підозру на стан, але його зміст визначає PPV у відповідній популяції. Якщо PPV становить 40%, більшість позитивних результатів у цій групі не підтвердяться як цільовий стан за референтним стандартом.
Для психічного здоров’я така помилка має особливу вагу. Zimmerman показує, як використання скринінгових шкал як заміни діагностичного інтерв’ю може змішувати в «групі з розладом» істинні й хибнопозитивні випадки та спотворювати висновки дослідження.
Клінічна діагностика інтегрує симптоми, тривалість, функціональне порушення, анамнез, контекст, диференціальне оцінювання, можливі медичні та психіатричні пояснення й інші джерела інформації. Один score або один позитивний скринінг є лише частиною цієї системи доказів.
PPV залежить від популяції, а не лише від тесту
Число PPV має сенс тільки разом з описом людей, серед яких воно отримане. Направлена клінічна вибірка, первинна медична допомога, школа, університет, робоче середовище й загальнопопуляційний онлайн-скринінг можуть мати різні базові частоти та різний спектр проявів.
Це означає, що рекламна фраза «PPV тесту — 85%» без опису target population, cutoff, prevalence, reference standard і design є неповною. У новому середовищі показник може змінитися навіть без будь-яких змін у формулюванні пунктів.
Сучасні Standards for Educational and Psychological Testing AERA/APA/NCME розглядають якість тестового використання через конкретну інтерпретацію, мету, популяцію та сукупність доказів. Для PPV це означає відмову від ідеї універсального числа, яке однаково діє скрізь.
Чому case-control дизайн може дати непридатну PPV
У дослідженні іноді навмисно набирають, наприклад, 100 підтверджених випадків і 100 здорових контролів. Такий дизайн може бути корисним на ранньому етапі для оцінки певних властивостей тесту, але частка стану 50% створена дослідником і не відображає реальної поширеності.
Якщо безпосередньо порахувати PPV у такій штучно збалансованій вибірці, результат не переноситься на популяцію, де стан трапляється, скажімо, у 5%. Для практичної інтерпретації потрібні оцінки accuracy, отримані в відповідному дизайні, та реалістична передтестова ймовірність. Cochrane Handbook for Diagnostic Test Accuracy спеціально розглядає зв’язок між дизайном, цільовою популяцією, prevalence і показниками діагностичної точності.
Якість референтного стандарту теж впливає на PPV
TP і FP визначаються не «самою реальністю», а порівнянням індексного тесту з референтним стандартом. Якщо цей стандарт помилковий, застосовується лише до частини учасників або інтерпретується з урахуванням результату індексного тесту, оцінка PPV може бути систематично зміщена.
У психодіагностиці референтом може бути структуроване або напівструктуроване клінічне інтерв’ю, експертна оцінка за визначеними критеріями чи інша процедура. Важливо описати, хто і як встановлював цільовий стан, чи були оцінювачі засліплені до скринінгового бала і чи всі учасники проходили однакову верифікацію.
STARD наголошує на прозорому звітуванні цих елементів, бо без них високе значення accuracy може бути артефактом способу відбору або перевірки, а не реальною властивістю застосування.
Чи є sensitivity і specificity незалежними від prevalence
У навчальній формулі PPV зазвичай припускають фіксовані sensitivity і specificity, а prevalence змінюють окремо. Це корисна математична модель і саме в ній видно чистий base-rate effect.
У реальних популяціях sensitivity і specificity можуть також змінюватися разом із поширеністю, тому що prevalence часто є маркером іншого case mix: тяжкості симптомів, віку, коморбідності, способу направлення, попереднього тестування та інших характеристик. Leeflang et al. (2013) виявили суттєві зміни sensitivity або specificity з prevalence в частині проаналізованих метааналізів і пов’язали це зі спектром пацієнтів та дизайном.
Отже, практичний перенос PPV потребує двох перевірок: чи відповідає новій популяції передтестова ймовірність і чи залишаються достатньо переносимими самі характеристики тесту. Просте підставляння нової prevalence в старі sensitivity/specificity є корисною модельною оцінкою, але не заміною зовнішньої валідації.
Невизначеність PPV: одне число без інтервалу може вводити в оману
PPV, оцінена у вибірці, є статистичною оцінкою. Якщо позитивних результатів мало, невизначеність може бути великою навіть тоді, коли точкове значення виглядає переконливо. Наприклад, 8 істинно позитивних серед 10 позитивних дають PPV 80%, але доказ значно слабший, ніж 800 істинно позитивних серед 1 000 позитивних.
Тому якісне дослідження повідомляє чисельники й знаменники, розмір вибірки, prevalence, confidence interval та спосіб відбору учасників. STARD 2015 explanation and elaboration прямо відносить estimates of diagnostic accuracy and their precision до ключової інформації звіту.
Коли PPV використовують для реального рішення, корисно також оцінити, як вона змінюється за правдоподібного діапазону prevalence, а не приховувати залежність за одним середнім числом.
PPV у систематичних оглядах і метааналізах
Порівнювати PPV між дослідженнями складно, якщо їхні популяції мають різну поширеність. Висока PPV в одному дослідженні може відображати вищу передтестову ймовірність, а не кращу дискримінацію інструмента.
У Cochrane Handbook for Diagnostic Test Accuracy predictive values розглядаються як показники, чутливі до prevalence. Для представлення результатів метааналізу доцільно пов’язувати підсумкові оцінки sensitivity/specificity з обґрунтованою representative pre-test probability, а не трактувати середню PPV з різнорідних prevalence як універсальну.
Сам факт наявності метааналізу не робить PPV універсальною. Потрібно перевіряти популяції, thresholds, reference standards, ризик bias, heterogeneity і те, чи відповідає обрана передтестова ймовірність тому середовищу, де планується використання.
Мова, культурна адаптація і українська версія тесту
Переклад опитувальника українською не переносить автоматично його PPV із досліджень іншої мовної версії. Формулювання пунктів, спосіб відповіді, норми, структура вибірки, маршрут звернення та поширеність цільового стану можуть відрізнятися.
Для валідованої української версії потрібні дані саме про відповідну мовну форму й цільову популяцію. Навіть якщо переклад лінгвістично якісний, психометричні й діагностичні характеристики слід перевіряти емпірично. Translation і validated cultural adaptation — різні етапи.
IP/licensing також не є доказом психометричної якості: офіційно ліцензований переклад може потребувати локальної валідації, а хороші психометричні дані не скасовують вимог правовласника щодо використання матеріалів тесту.
PPV, fairness і відмінності між групами
Якщо дві групи мають різні базові частоти цільового стану, однакові sensitivity і specificity можуть породити різні PPV. Це математичний наслідок різних передтестових ймовірностей. Він важливий для оцінювання наслідків скринінгу в різних групах.
Різна PPV сама по собі не доводить несправедливість або bias тесту. Потрібно окремо досліджувати measurement invariance, DIF, calibration, валідність рішень, доступ до підтверджувальної діагностики та реальні наслідки false positives і false negatives. Так само однакова PPV не гарантує справедливості всього процесу.
У high-stakes середовищах доцільно показувати accuracy і predictive values для значущих підгруп, коли даних достатньо, а не приховувати можливі відмінності за загальним середнім показником.
Чому більш «екстремальний» позитивний бал може мати інше значення
Класична PPV бінаризує всі результати вище cutoff: бал ледве вище порога і дуже високий бал потрапляють в одну категорію «позитивний». Інформація про величину бала при цьому губиться.
Якщо для інструмента валідовано interval-specific likelihood ratios, калібровані ризики або інші способи використання повного бала, вони можуть дати точнішу післятестову оцінку, ніж одна загальна PPV для всіх screen-positive. Проте такі інтерпретації потребують окремих доказів і не повинні вигадуватися з сирого score.
У психологічному тестуванні це ще одна причина не перетворювати cutoff на онтологічну межу. Порогове правило служить конкретній задачі класифікації; сам конструкт часто змінюється безперервно.
Послідовні тести: перший результат змінює передтестову ймовірність для другого
Якщо після позитивного скринінгу проводять підтверджувальне оцінювання, результат першого кроку змінює вихідну ймовірність для другого. У байєсівській логіці posterior probability після першого тесту стає новою prior probability перед наступним джерелом інформації.
Не слід механічно множити PPV двох тестів або вважати їх незалежними. Два інструменти можуть вимірювати схожі симптоми, мати спільні джерела похибки та умовну залежність. Коректна послідовна інтерпретація потребує характеристик конкретного алгоритму або обґрунтованої моделі.
У практиці психічного здоров’я роль другого кроку часто виконує клінічне інтерв’ю або ширше assessment. Саме тому скринінговий маршрут є процесом накопичення доказів, а не серією незалежних «вироків» тестів.
Практичне значення PPV для досліджень
У науковій статті screen-positive групу не можна автоматично називати «групою з розладом», якщо цільовий стан не підтверджено. За низької PPV така група може містити велику частку false positives, що послаблює контраст між групами й змінює висновки про симптоми, лікування, прогноз або поширеність.
Саме цей ризик детально розбирає Zimmerman на прикладах психіатричних скринінгових шкал: низька PPV може робити висновки про «ймовірний діагноз» значно сильнішими, ніж дозволяють дані.
Для дослідника мінімальний набір запитань такий: яка prevalence у вибірці, який reference standard, який cutoff, яка sensitivity/specificity у цій популяції, яка PPV із confidence interval і чи підтверджено target condition незалежним методом.
Практичне значення для людини, яка отримала позитивний результат
Позитивний результат психологічного скринінгу варто читати як інформацію про підвищену ймовірність, а не як готовий діагноз. Наступне запитання — не «що зі мною точно є?», а «наскільки цей результат інформативний саме в моїй ситуації і який наступний крок передбачений для цього інструмента?».
Корисно з’ясувати, для кого валідовано тест, що вважалося цільовим станом, який cutoff використано, які sensitivity/specificity і PPV отримано, якою була prevalence у дослідженні, чи є українська адаптація та яке підтверджувальне оцінювання рекомендовано після позитивного скринінгу.
Якщо результат стосується психічного розладу або іншого YMYL-рішення, інтерпретація має включати клінічний контекст. Онлайн-опитувальник або один score не замінює assessment і diagnosis.
Типові помилки інтерпретації PPV
• «Чутливість 90% означає 90% імовірності розладу після позитивного тесту». Ні: sensitivity і PPV мають протилежні умовні напрями.
• «Специфічність 95% означає, що лише 5% усіх позитивних результатів хибні». Ні: 5% — false-positive rate серед людей без цільового стану; частка FP серед усіх позитивних залежить від base rate.
• «PPV тесту дорівнює 80% завжди». Ні: це оцінка для конкретної популяції, cutoff, дизайну й prevalence.
• «Позитивний скринінг означає діагноз». Ні: screening і diagnosis виконують різні функції.
• «Висока AUC автоматично означає високу PPV». Ні: AUC і PPV відповідають на різні питання.
• «PPV з case-control дослідження можна прямо використати в популяційному скринінгу». Ні: штучна частка cases/controls спотворює predictive values для реального setting.
• «Якщо PPV відрізняється між групами, це автоматично доводить bias». Ні: різні base rates самі можуть породжувати різні predictive values; fairness потребує ширшого аналізу.
• «Український переклад має ту саму PPV, що й оригінал». Ні: потрібні дані для відповідної мовної версії й цільової популяції.
Як читати PPV у статті або технічному звіті
• Перевірте, що саме означає «позитивний» результат і який cutoff використано.
• Знайдіть definition of target condition і референтний стандарт, за яким визначали TP та FP.
• Подивіться на prevalence або pre-test probability у вибірці та порівняйте її з вашою цільовою популяцією.
• Перевірте sensitivity і specificity саме для цього threshold, а не лише ROC/AUC.
• Шукайте абсолютні числа TP і FP та confidence interval для PPV.
• З’ясуйте, як набирали учасників: послідовно, випадково, за направленням чи через штучний case-control набір.
• Перевірте, чи проходили всі учасники однаковий reference standard і чи оцінювачі були засліплені.
• Оцініть переносимість за мовою, культурою, віком, setting, тяжкістю стану й попереднім відбором.
• Для клінічного використання з’ясуйте, який підтверджувальний крок передбачений після позитивного скринінгу і які наслідки мають false positives.
Чи існує «хороша PPV»
Універсального порога немає. PPV 70% може бути прийнятною в одному скринінговому маршруті й неприйнятною в іншому. Значення залежить від того, що відбувається після позитивного результату, наскільки обтяжливе підтверджувальне обстеження, якою є ціна пропущеного випадку, наскільки тяжкими є наслідки false positive і яке рішення приймається.
Для low-stakes попереднього відбору може бути допустима нижча PPV за умови безпечного другого етапу. Для рішення, яке безпосередньо запускає лікування, юридичні наслідки, виключення з можливості або інше high-stakes втручання, вимоги до всієї доказової системи значно вищі.
PPV слід оцінювати разом із sensitivity, specificity, NPV, likelihood ratios, calibration, характеристиками популяції та клінічною або практичною utility. Одна метрика не може описати весь тест.
FAQ
Як простими словами пояснити PPV?
PPV — це частка людей із позитивним результатом, у яких цільовий стан справді підтверджується. Якщо PPV дорівнює 60%, це означає, що приблизно 60 зі 100 позитивних результатів у відповідній популяції будуть істинно позитивними, а близько 40 — хибнопозитивними.
Чи можна сказати, що PPV — це «ймовірність хвороби після позитивного тесту»?
Так, якщо чітко визначені цільовий стан, популяція, тест, cutoff і референтний стандарт. Для психологічного скринінгу краще говорити «ймовірність цільового стану після позитивного результату», бо не кожний target є хворобою і не кожний позитивний результат є діагнозом.
Чому хороший тест може мати низьку PPV?
Коли цільовий стан рідкісний, людей без нього набагато більше. Навіть невеликий false-positive rate може створити більше хибнопозитивних результатів, ніж істинно позитивних. Це не парадокс і не помилка формули, а прямий наслідок базової частоти.
Чи може PPV бути вищою за sensitivity?
Так. Це різні умовні ймовірності з різними знаменниками. Їхні числові значення не мають обов’язкового порядку. PPV може бути вищою, нижчою або приблизно рівною sensitivity залежно від prevalence, specificity та інших умов.
Чи підвищення prevalence завжди підвищує PPV?
У математичній моделі з фіксованими sensitivity і specificity — так. У реальному світі зі зміною setting і case mix можуть змінюватися також sensitivity і specificity, тому фактичний перенос слід перевіряти емпірично.
Чи визначає AUC позитивну прогностичну цінність?
Ні. AUC узагальнює дискримінацію в діапазоні thresholds. PPV стосується конкретної позитивної класифікації та конкретної передтестової ймовірності. Однакова AUC може співіснувати з різними PPV у різних популяціях.
Чи можна використати PPV американського дослідження для української вибірки?
Лише після перевірки переносимості. Потрібно порівняти population, language version, prevalence, referral pathway, cutoff, reference standard і test performance. Наявність перекладу українською не є доказом, що PPV збереглася.
Чи означає позитивний результат скринінгу психічного розладу, що в мене цей розлад?
Позитивний скринінг означає, що результат перевищив критерій, установлений для подальшої уваги або оцінювання. Діагноз потребує ширшої клінічної оцінки. Реальна ймовірність цільового стану після позитивного результату залежить, зокрема, від PPV у відповідній популяції.
Чи можна підвищити PPV, тестуючи тільки групу підвищеного ризику?
За інших рівних умов вища передтестова ймовірність підвищує PPV. Саме тому таргетований case-finding може мати іншу predictive value, ніж масовий скринінг. Але відбір групи також може змінити spectrum і test performance, тому ефект слід оцінювати на реальних даних.
Чи достатньо високої PPV, щоб тест був якісним?
Ні. Потрібні докази reliability, validity для заявленої інтерпретації, fairness, відповідної адаптації, точності classification, якості reference standard та наслідків використання. Висока PPV у високоризиковій вибірці може співіснувати з іншими суттєвими обмеженнями.