테스트가 거짓말을 할 때: 진단 테스트 정확성에 관한 과정

======================== 모듈 1: 사기(THERANOS) ====================

그 여자의 이야기를 들어보셨나요
who promised to 피 한 방울로 세상을 바꿉니다,
who raised billions on a test that never worked?

슬라이드 1.2: 테라노스 스토리

Palo Alto, 2003

STANFORD UNIVERSITY

A 19세 소년은 손가락에 찔려 고통 없이 한 방울에 수백 번의 혈액 검사를 수행할 수 있는 장치에 대한 비전을 갖고 대학을 중퇴했습니다.

No more needles. No more vials. No more waiting.

Investors believed. Walgreens believed. The Pentagon believed.

They gave her $9 billion.

Carreyrou J. Bad Blood: Secrets and Lies in a Silicon Valley Startup. 2018

슬라이드 1.3: 사기

그러나 테스트 lied.

$9 Billion

Built on a test that didn't work

WHAT HAPPENED

Theranos 기계 wrong results를 제공했습니다. 환자들은 HIV에 감염되지 않았는데도 HIV에 걸렸다는 말을 들었습니다. 환자들은 dying일 때 혈액이 정상이라는 말을 들었습니다. 회사는 15 years.

슬라이드 1.4: 피해자

The Victims

PHOENIX, ARIZONA

에서 진실을 숨겼습니다. 한 임산부는 아기가 염색체 이상을 가지고 태어날 것이라는 말을 들었습니다. 그녀는 최악의 상황에 대비하고 있었습니다. 그녀는 슬퍼하고 있었습니다.

테스트가 잘못되었습니다. 아기는 건강했습니다.

But how many women, receiving the same news, made different decisions?

THE QUESTION

How do we know when a test is telling the truth? How do we measure a test's honesty?

슬라이드 1.5: 자제

"그리고 테스트는 거짓말을 했습니다.
거짓말은 확실하게 차려입었고
아무도 아기에게 의문을 제기하지 않았습니다. "

이것이 우리가 진단 테스트 정확도를 연구하는 이유입니다.

==================== 모듈 2: 4가지 결과 ===================

When a test gives a result,
오직 four possible truths.

두 가지만이 축복입니다. 두 가지는 저주입니다.

슬라이드 2.2: 의사결정 트리

결과 트리

Every Test Result Has a Reality Behind It

Patient Tested

↓

Test Says: POSITIVE

"You have it"

Test Says: NEGATIVE

"You're clear"

↓

Has disease
Test: Positive

No disease
Test: Positive

Has disease
Test: Negative

No disease
Test: Negative

슬라이드 2.3: 4개 사분면

4개 진실

True Positive (TP)

Sick person correctly identified.
테스트는 진실을 말했습니다.

False Positive (FP)

Healthy person wrongly alarmed.
테스트는 거짓말을 했습니다.

False Negative (FN)

Sick person wrongly reassured.
가장 치명적인 거짓말

True Negative (TN)

Healthy person correctly cleared.
테스트는 진실을 말했습니다.

슬라이드 2.4: 2x2 테이블

성스러운 표

2x2 혼동 행렬

	Disease Present	Disease Absent
Test Positive	TP True Positive	FP False Positive
Test Negative	FN False Negative	TN True Negative

REMEMBER

모든 진단 연구는 다음을 보고해야 합니다 four numbers. Without them, you cannot judge a test.

슬라이드 2.5: 자제

"Two outcomes save. Two outcomes harm.
Know them by name.
TP, TN: 테스트 결과는 사실입니다.
FP, FN: 테스트는 거짓말을 했습니다."

==================== 모듈 3: 감도 및 특이성 ====================

A test has two virtues and two vices.

Sensitivity asks: Can it find the sick?

Specificity asks: Can it spare the healthy?

Sensitivity

"모든 아픈 사람 중에서 테스트를 수행한 사람은 몇 명입니까? 잡나요?"

THE FORMULA

Sensitivity = TP / (TP + FN)

True Positives divided by All Diseased

IN SIMPLE WORDS

100명이 암에 걸렸는데 검사 결과 90명이 발견된다면, sensitivity = 90%.

High sensitivity = few false negatives = few missed cases.

Specificity

"건강한 사람 중 몇 명이나 검사를 통해 여유가 생겼습니까?"

THE FORMULA

Specificity = TN / (TN + FP)

True Negatives divided by All Non-Diseased

IN SIMPLE WORDS

100명이 건강하고 그 중 95명이 검사 결과 "음성"으로 올바르게 표시되면 specificity = 95%.

High specificity = few false positives = few false alarms.

슬라이드 3.4: 절충

잔혹한 상황 절충

THE DILEMMA

A test cannot have both perfect sensitivity AND perfect specificity.

Lower the threshold to catch more sick people? You'll alarm more healthy people.

Raise the threshold to spare healthy people? You'll miss more sick people.

This is the threshold effect—진단의 시소.

슬라이드 3.5: SnNout 및 SpPin

기억 규칙

SnNout: Sensitive tests rule OUT

A highly sensitive test, when negative, rules out disease. If it didn't find it, it's probably not there.

SpPin: Specific tests rule IN

매우 구체적인 테스트가 양성일 경우 질병을 결정합니다. 갖고 있다고 하면 아마 그럴 것입니다.

REMEMBER

SnNout: Sensitive Negative rules OUT
SpPin: Specific Positive rules IN

"민감함이 병을 잡습니다.
특이성이 장점을 살려줍니다.
But no test masters both perfectly—
이것이 우리가 짊어져야 할 부담입니다. 곰."

===================== 모듈 4: 코로나19 테스트 스캔 ====================

2020년, 전염병이 전 세계를 휩쓸던 해. 지구,
세상에는 감염자를 빠르게 찾을 수 있는 테스트가 필요했습니다.

But what if the rapid test missed too many?

슬라이드 4.2: 약속

신속한 테스트의 약속

15 min

Results Time

Cost per Test

Home

Self-Administered

THE HOPE

Rapid antigen tests could be used at home, at work, before gatherings. They could stop outbreaks before they started.

슬라이드 4.3: 현실

The Reality

코크란 체계적 검토, 2022

연구원들이 코로나19 신속 항원 검사에 관한 155개 연구의 데이터를 통합했을 때:

증상이 있는 사람들의 경우:
Sensitivity: 73% (missed 27% of cases)

In people WITHOUT symptoms:
Sensitivity: 55% (missed 45% of cases)

거의 절반 무증상 감염된 사람들은 깨끗하다는 말을 들었습니다.

Dinnes J et al. Cochrane Database Syst Rev. 2022;7:CD013705

슬라이드 4.4: 결과

거짓 음성 확산

Thanksgiving Dinners

Families tested negative in the morning, gathered indoors, unknowingly infected grandparents

Workplace Outbreaks

Workers tested negative, came to work, infected colleagues in the break room

Hospital Transmission

Patients tested negative, admitted to wards, infected vulnerable patients

THE LESSON

A 55% sensitivity means 45% false negative rate. False negatives are invisible. They feel safe. They spread disease.

"그리고 검사 결과는 '음성'으로 나왔고
그리고 그 가족은
할아버지는 손자들을 안고
겨울이 끝날 무렵 사라졌습니다."

=================== 모듈 5: 유사 비율 ====================

감도와 특이성이 테스트를 설명합니다.

그러나 환자는 다른 질문을 합니다.

"I tested positive. What are my chances?"

슬라이드 5.2: 문제 Sens/Spec

The Disconnect

A DOCTOR'S DILEMMA

A test has 99% sensitivity and 95% specificity. Sounds excellent.

귀하의 환자는 희귀 질병에 대해 양성 반응을 보였습니다(유병률은 1000명 중 1명).

Question: 실제로 질병에 걸렸을 확률은 얼마나 됩니까?

대부분의 의사는 95%라고 말합니다. 실제 답변은 무엇입니까? About 2%.

Likelihood Ratios

How much a test result changes the odds

POSITIVE LIKELIHOOD RATIO

LR+ = Sensitivity / (1 - Specificity)

How much more likely is a positive result in sick vs healthy?

NEGATIVE LIKELIHOOD RATIO

LR- = (1 - Sensitivity) / Specificity

How much more likely is a negative result in sick vs healthy?

What Good LRs Look Like

LR+ > 10

Strong rule-in

LR+ 5-10

Moderate rule-in

LR+ 2-5

Weak evidence

LR- < 0.1

Strong rule-out

LR- 0.1-0.2

Moderate rule-out

LR- 0.2-0.5

Weak evidence

"Sensitivity tells how many sick the test will catch.
Specificity tells how many well it will spare.
But only the likelihood ratio answers:
이 결과는 이 환자에게 무엇을 의미합니까?"

==================== 모듈 6: 유방촬영 논란 ====================

검진 논란을 들어보셨나요
that found too much?

When does finding disease become causing harm?

슬라이드 6.2: 검진의 약속

조기 발견의 꿈

1970s - PRESENT

논리는 아름다웠습니다. 암을 조기에 발견하고, 조기에 치료하고, 생명을 구하는 것입니다.

Mammography could detect tumors too small to feel.

여성들은 다음과 같은 말을 들었습니다. "Annual mammograms save lives."

But what if some of those "cancers" would never have killed?

과잉진단의 저주

19-30%

of screen-detected breast cancers may be overdiagnosed

WHAT IS OVERDIAGNOSIS?

"암"을 찾아내는 것 never have caused symptoms or death 그 사람의 일생 동안.

그 여성은 진단을 받고 수술, 방사선, 화학 요법으로 치료를 받습니다. 결코 그녀에게 해를 끼치지 않았을 질병 때문이었습니다.

Independent UK Panel on Breast Cancer Screening. Lancet. 2012;380:1778-1786

슬라이드 6.4: 숫자

검사를 받은 여성 10,000명당

3-4

Lives saved
유방암에서

~15

Overdiagnosed
(treated unnecessarily)

~500

False alarms
(anxiety, biopsies)

THE TRADE-OFF

To save 3-4 lives, 당신은 그것을 받아들여야 합니다 ~15 women 결코 해를 끼치지 않았을 암 치료를 받게 될 것이며, ~500 women will experience false alarms.

이것은 좋은 거래입니까? 대답은 숫자뿐만 아니라 가치에 따라 달라집니다.

"그리고 테스트 결과 숨겨진 것이 무엇인지 알아냈고,
그리고 그것을 질병이라고 불렀습니다.
그리고 그 여자는 베임을 당하고 불에 타서 독살을 당했습니다.
그녀의 나날을 결코 어둡게 하지 않을 그림자를 위해."

과잉진단의 문제가 바로 이것이다.

===================== 모듈 7: DTA의 메타 분석 =====================

한 가지 연구는 거짓말을 할 수도 있습니다. 한 연구는 아첨할 수도 있습니다.

하지만 모이면 모든 연구,
그들의 증거를 종합해보면—

The truth becomes harder to hide.

증거를 모으는 이유는 무엇입니까?

More Precision

Combining studies gives narrower confidence intervals, reducing uncertainty

Detect Heterogeneity

Why do different studies give different answers? Setting? Population? Threshold?

Expose Publication Bias

부정적인 연구가 숨겨져 있습니까? 깔때기 도표는 비대칭성을 드러냅니다.

Explore Thresholds

Build SROC curves to understand the sensitivity-specificity trade-off

슬라이드 7.3: 이변량 모델

이변량 모델

WHY IT'S SPECIAL

민감도와 특이도를 별도로 통합할 수는 없습니다.

They are correlated: 하나가 올라가면 다른 하나는 내려가는 경향이 있습니다(문턱효과).

The bivariate model 이 상관관계를 설명하여 유효한 통합 추정치를 제공합니다.

Reitsma JB et al. J Clin Epidemiol. 2005;58:982-990

요약 ROC 곡선

ROC Space

Perfect test 1-Specificity (FPR) →

각 점 = 하나의 연구
곡선은 상충관계를 보여줍니다.
Higher = better test

↓ Sensitivity Useless test (chance line)

SROC 읽기

Top-left corner = perfect test (100% sens, 100% spec)
Diagonal line = useless test (random guessing)
The curve = 모든 연구 성과 요약

"한 가지 연구는 속일 수 있습니다. 여러 연구를 종합해 보면,
진실을 밝히기 시작합니다.
SROC 곡선은 증거의 경로입니다.
showing what the test can truly do."

하지만 연구를 한다면 어떨까요? disagree?

한 연구에서는 민감도가 95%라고 말합니다.
Another says 60%.

어떤 진실을 믿습니까?

이질성: 불일치

DEFINITION

Heterogeneity 우연만으로는 설명할 수 없는 연구 간의 차이입니다.

High heterogeneity means 연구에서는 서로 다른 측정을 수행하고 있습니다. 사물— or the test performs differently in different settings.

연구 결과가 일치하지 않는 이유

Threshold Differences

"긍정적" 결과에 대한 서로 다른 기준(예: 당뇨병에 대한 서로 다른 HbA1c 역치)

Population Differences

Disease severity, age, comorbidities differ between studies

Setting Differences

Primary care vs. specialist clinic vs. emergency room

Quality Differences

Risk of bias, verification bias, spectrum bias

불일치 측정

I² < 25%

Low heterogeneity
Studies agree

I² 25-75%

Moderate
Some disagreement

I² > 75%

High heterogeneity
Major disagreement

THE WARNING

When I² > 75%, the pooled estimate may be meaningless.

사과와 오렌지의 평균을 낼 수는 없습니다. explain why studies differ before pooling them.

"연구 결과에 동의하지 않을 경우
반대 의견을 침묵시키지 마십시오.
Ask: Why do they see differently?
동의 불일치 자체가 교훈을 줍니다."

===================== 모듈 9: DTA TOOLKIT ===================

DTA 툴킷

필수 조치 및 사용 시기

슬라이드 9.2: 조치

Essential Metrics

Sensitivity & Specificity

How well the test performs on sick vs. healthy people

Likelihood Ratios (LR+, LR-)

How much a result changes the probability of disease

Diagnostic Odds Ratio (DOR)

Single measure of test discrimination (DOR = LR+ / LR-)

SROC 아래 영역 Curve(AUC)

Overall test performance across all thresholds (0.5 = useless, 1.0 = perfect)

슬라이드 9.3: 도구 및 소프트웨어

업무용 도구

mada

R package for
bivariate meta-analysis

metaDTA

Stata module
DTA 검토용

DTA Pro

Browser-based
오픈 액세스 도구

표준 참조

Reitsma et al. 2005 - Bivariate model
Rutter & Gatsonis 2001 - HSROC model
Cochrane Handbook Ch. 10 - DTA methods

슬라이드 9.4: 체크리스트

DTA 연구를 신뢰하기 전에

✓

Was there a valid reference standard?

Gold standard test applied to all patients?

✓

통역사의 눈이 멀었나요?

Test readers unaware of diagnosis, and vice versa?

✓

스펙트럼이 적절했습니까?

Patients similar to your clinical population?

✓

임계값이 미리 지정되어 있습니까?

아니면 결과를 최대화하기 위해 선택되었습니까?

"Armed with sensitivity, specificity, likelihood,
SROC와 일치 정도
로 무장하여 테스트의 거짓말을 꿰뚫어 볼 수 있으며
진실 여부를 판단할 수 있습니다. "

===================== 모듈 10: 실제 의사 결정 스토리 ===================

=========== 스토리 1: THERANOS MIRAGE ==========

Have you considered what happens when a test promises everything?

When a machine claims to see what no other machine can see,
아무도 묻지 않습니다: "증거를 보여주세요"?

슬라이드 10.2: 실제 데이터 상자

Theranos Mirage

REAL DATA: FDA INSPECTION FINDINGS

Theranos claimed: 200+ tests from a single finger prick

FDA found:
• Results varied by 146% between runs on the same sample
• Edison machines failed 87% of proficiency tests
• Zero 동료 검토 검증 연구 발표
• 환자는 음성 샘플에 대해 HIV 양성 결과를 받았습니다

Sources: FDA Warning Letter 2016; Carreyrou J. Bad Blood. 2018; CMS Inspection Reports.

결정나무

당신은 병원 관리자입니다. Theranos는 귀하에게 계약을 제안합니다.

무엇을 선택하시겠습니까?

Theranos Contract Offered

↓

PATH A: Trust Marketing Claims

↓

계약서에 서명

↓

Misdiagnose thousands
Face lawsuits
Harm patients

경로 B: 수요 검증 데이터

↓

동료 검토 연구 없음

↓

거부 계약서
환자 보호
Avoid Scandal

슬라이드 10.4: 계시

THE REVELATION

Elizabeth Holmes never validated a single test externally.

A $9 billion valuation became a criminal fraud conviction.

서명하기 전에 검증 데이터를 요구한 모든 병원
거짓말로부터 보호되었습니다.

신뢰한 모든 병원 마케팅
became complicit in harming patients.

THE LESSON

No peer-reviewed validation = No trust.
증거의 부재는 마케팅 문제가 아닙니다.
It is a patient safety emergency.

=========== 스토리 2: 코로나19 급속 테스트 혼란 ==========

When speed defeats accuracy,
비용을 지불하는 사람 가격은?

The test result comes in 15 minutes.
그러나 결과가 15 minutes of false confidence?

슬라이드 10.6: 실제 데이터 상자

The COVID Rapid Test Chaos

실제 데이터: MANUFACTURER VS. 현실

Manufacturer claims: 97% sensitivity

Real-world performance (Cochrane 2022):
• Symptomatic individuals: 73% sensitivity (missed 27%)
• Asymptomatic individuals: 58% sensitivity (missed 42%)
• Early infection (days 0-3): ~50% sensitivity

감염된 무증상 감염자의 거의 절반이 "해독"이라는 말을 들었습니다.

Source: Dinnes J et al. Cochrane Database Syst Rev. 2022;7:CD013705

결정나무

당신은 코로나19 급증 기간 동안 학교 간호사입니다. 증상이 있는 교사는 신속 테스트에서 음성 판정을 받았습니다.

무엇을 선택하시겠습니까?

Symptomatic Teacher + Negative Rapid Test

↓

PATH A: Trust the Negative Result

↓

Send Teacher to Class

↓

Outbreak infects 30 students
School closure
Three hospitalizations

PATH B: Remember Sensitivity Limits

↓

Require PCR Confirmation

↓

PCR positive confirmed
Teacher isolates
Outbreak prevented

슬라이드 10.8: 계시

THE REVELATION

A negative test 는 no infection.

It means: "not detected."

이 두 문구의 차이점
is measured in lives.

THE LESSON

When sensitivity is 58%, a negative result in a symptomatic person
is almost meaningless.

SnNout only works when sensitivity is HIGH.
Know your test's limits before trusting its verdict.

========== 스토리 3: THE 유방조영술 논쟁 ==========

테스트할 수 있는 방법 finds cancer
still cause harm?

암이 발견되면 어떻게 될까요
would never have hurt you?

슬라이드 10.10: Real Data Box

유방조영술 논란

실제 데이터: 검사의 역설

Test characteristics:
Sensitivity: ~85% | Specificity: ~90%

10년 동안 매년 1,000명의 여성을 대상으로 검사를 실시했습니다.
• 1 death prevented 유방암에서
• 5 women overtreated 자신에게 해를 끼치지 않았을 암
• 100-500 false alarms leading to biopsies, anxiety, repeat imaging

Overdiagnosis rate: 19-30% of screen-detected cancers

Source: Independent UK Panel on Breast Cancer Screening. Lancet. 2012;380:1778-1786

결정나무

A 45-year-old woman asks your advice on mammography screening.

무엇을 선택하시겠습니까?

Patient Asks: "Should I Get Annual Mammograms?"

↓

PATH A: Recommend Without Context

↓

Small Tumor Found

↓

Mastectomy performed
종양은 잠잠했습니다. (DCIS)
Would never have harmed her

PATH B: Explain Trade-offs

↓

Shared Decision-Making

↓

Patient makes informed choice
장점과 해악을 이해합니다
Autonomy preserved

슬라이드 10.12: 계시

THE REVELATION

테스트 정확도가 유일한 척도는 아닙니다.

A test can be accurate 그리고 여전히 harm.

When overdiagnosis exceeds lives saved,
we must ask: Is finding always helping?

THE LESSON

해를 유발합니다 오류 및 과잉 진단
은 true positives.

Always weigh benefits against harms.
검사가 항상 절약되는 것은 아닙니다.

========== 이야기 4: PSA 역설 ==========

What if finding the disease
is worse than missing it?

What if the treatment causes more suffering
than the disease ever would?

슬라이드 10.14: 실제 데이터 상자

PSA 역설

실제 데이터: 임계값 함정

PSA cutoff of 4.0 ng/mL:
• 고등급 암에 대한 민감도: 21%
• Detects many indolent cancers that would never harm

Lower cutoff to 2.5 ng/mL:
• Sensitivity rises to: 40%
• But overdiagnosis doubles

Treatment consequences:
• 20-30% of men experience incontinence after prostatectomy
• 30-70% experience erectile dysfunction

Source: US Preventive Services Task Force. JAMA. 2018;319(18):1901-1913

결정나무

의료 시스템에 대한 PSA 검사 정책을 설정하고 있습니다. 당신 앞에는 세 가지 길이 놓여 있습니다.

어떤 임계값을 선택하십니까?

PSA Screening Policy Decision

↓

PATH A: Low Threshold (2.5)

↓

Maximize sensitivity
Thousands of unnecessary
생검 및 치료

PATH B: High Threshold (4.0)

↓

Miss some cancers
But most missed are indolent
Fewer unnecessary treatments

PATH C: Abandon PSA Screening

↓

Miss aggressive cancers
Some preventable deaths
No overtreatment harm

슬라이드 10.16: 계시

THE REVELATION

There is no "right" cutoff.

Every threshold trades 감도 특이성,
과다진단 감지.

의학적 선택은 아닙니다. ethical.
어떤 피해를 기꺼이 받아들이느냐에 따라 다릅니다.

THE LESSON

역치 효과는 기술적인 문제가 아닙니다.
It is a values problem.

Before choosing a cutoff, ask:
What is worse: missing disease or overtreating the healthy?

========== 이야기 5: 두 집단을 대상으로 한 결핵 테스트 ==========

동일한 테스트입니다. 동일한 컷오프.
Different truths.

How can identical numbers
mean opposite things?

슬라이드 10.18: 실제 데이터 상자

두 인구 집단의 결핵 테스트

REAL DATA: SAME TEST, DIFFERENT MEANING

Tuberculin Skin Test (10mm cutoff)
Sensitivity: ~80% | Specificity: ~95%

In high-prevalence setting (TB prevalence 10%):
• Positive Predictive Value: 85%
• A positive test usually means TB

In low-prevalence setting (TB prevalence 0.1%):
• Positive Predictive Value: 15%
• A positive test is usually a false positive

Source: Pai M et al. Lancet Infect Dis. 2014;14(8):765-773

결정나무

당신은 런던에서 결핵 발병률이 높은 국가에서 온 이민자를 진료하는 의사입니다. TST는 긍정적입니다.

당신의 결론은 무엇입니까?

Positive TST in Immigrant Patient

↓

PATH A: Apply UK Population PPV

↓

Assume "Probably False Positive"

↓

Miss active TB
Patient infects family
진단이 수개월간 지연됩니다

PATH B: Consider Patient's Pre-Test Probability

↓

Recognize PPV Depends on Prevalence

↓

Investigate further
Chest X-ray, sputum
Treat early if confirmed

슬라이드 10.20: 계시

THE REVELATION

민감도 및 특이성 are properties of the test.

PPV 및 NPV are properties of the population.

동일한 결과는 different things
in different people.

THE LESSON

Never interpret a test result without knowing the pre-test probability.

A positive test in a high-risk patient means disease.
The same positive in a low-risk patient means probably nothing.

Context is everything.

슬라이드 10.21: 모듈 요약

Five Stories, Five Lessons

Theranos: Demand Validation

No peer-reviewed data = no trust, regardless of marketing claims

COVID Rapid Tests: Know Sensitivity Limits

"검출되지 않음"은 "감염되지 않음"과 동일하지 않음

Mammography: Weigh Benefits vs. Harms

Finding is not always helping; overdiagnosis causes real harm

PSA: The Threshold is a Values Choice

모든 컷오프는 특이성에 대한 민감도를 교환합니다. "정답"은 없습니다

TB Test: Context Determines Meaning

The same result means different things in different populations

==================== 모듈 11: 참조 및 퀴즈 ===================

References

여기에 인용된 주요 출처 과정

Carreyrou J. Bad Blood: Secrets and Lies in a Silicon Valley Startup. Knopf, 2018.
Dinnes J, et al. Rapid, point-of-care antigen tests for diagnosis of SARS-CoV-2 infection. Cochrane Database Syst Rev. 2022;7:CD013705.
유방암 검진에 관한 영국의 독립 패널. 유방암 검진의 이점과 해로움 Lancet. 2012;380:1778-1786.
Reitsma JB, et al. 민감도와 특이도에 대한 이변량 분석은 진단 검토에서 유용한 요약 측정값을 생성합니다. J Clin Epidemiol. 2005;58:982-990.
Rutter CM, Gatsonis CA. A hierarchical regression approach to meta-analysis of diagnostic test accuracy evaluations. Stat Med. 2001;20:2865-2884.
Deeks JJ, et al. The performance of tests of publication bias in systematic reviews of diagnostic test accuracy. J Clin Epidemiol. 2005;58:882-893.
Macaskill P, et al. Cochrane Handbook for Systematic Reviews of Diagnostic Test Accuracy. Chapter 10. 2023.
Higgins JPT, Thompson SG. Quantifying heterogeneity in a meta-analysis. Stat Med. 2002;21:1539-1558.
US Food and Drug Administration. Warning Letter to Theranos Inc. 2016.
US Preventive Services Task Force. Screening for Prostate Cancer. JAMA. 2018;319(18):1901-1913.
Pai M, et al. Tuberculosis. Lancet Infect Dis. 2014;14(8):765-773.

Theranos 이야기에서 혈액 검사의 근본적인 문제는 무엇이었습니까?

너무 비싸다

환자에게 해를 끼칠 수 있는 잘못된 결과를 얻었습니다

너무나 컸습니다 느림

They required too much blood

A COVID rapid test has 55% sensitivity in asymptomatic people. What does this mean?

긍정적 결과의 55%가 정확함

테스트가 55%의 확률로 작동함

The test misses 45% of infected asymptomatic people

부정적 결과의 55%가 틀림

What does "SnNout" mean?

A highly Sensitive test, when Negative, rules OUT disease

A highly Specific test, when Negative, rules OUT disease

A sensitive test should be used for screening

민감도와 특이도는 부정적 Correlated

메타 분석에서 민감도와 특이도를 별도로 통합할 수 없는 이유는 무엇입니까?

They use different scales

이들은 임계값 효과로 인해 상호 연관되어 있습니다

They come from different populations

It's computationally too difficult

✔

Course Complete

"이제 네 가지 결과,
테스트의 두 가지 장점
임계값의 잔인한 절충
및 풀링 기술을 알게 되었습니다. 증거.

다음 테스트가 당신에게 놓여 있을 때—
you will know how to see through it."

테스트가 거짓말을 할 때 — 이제 당신은 알게 되었습니다.

1 / 5