Inggris      Cina      Prancis      Jerman      Bahasa Indonesia      Spanyol
Cari

6 - Diperkirakan prevalensi benar menggunakan satu tes (tidak disatukan) dengan sampler Gibbs

This method uses a Bayesian approach and Gibbs sampling to estimate the true animal-level prevalence of infection based on testing of individual (not pooled) samples using a test with imperfect sensitivity and/or specificity. As for the Bayesian method for pooled sampling, the analysis requires prior estimates of true prevalence, test sensitivity and test specificity as Beta probability distributions, and outputs posterior distributions for prevalence, sensitivity and specificity. This method is preferable to the conventional (Rogan-Gladen) method for estimating true prevalence, because it allows for uncertainty about the true values for sensitivity and specificity when calculating probability limits for the true prevalence estimate, which are not routinely included in the conventional approach. It also allows incorporation of prior information on the likely true prevalence based on pre-existing estimates or expert opinion.

For this analysis, the original values for stool sampling for Strongyloides infection in Cambodian refugees from Joseph et al. (1996) were used, as listed in the table below, and 95% probability limits were calculated about the estimated prevalence.

Input Nilai
Angka diuji 162
Uji angka + ve 40
Sebelum prevalensi alpha 1
Beta prevalensi sebelumnya 1
Prior Se alpha 4.44
Beta Se Sebelum 13.31
Prior Sp alpha 71.25
Sebelum Sp beta 3.75
Iterasi 25000
Buang 5000
True pos start 35
False neg start 35

Distribusi Beta sebelumnya yang didefinisikan di atas setara dengan:

Distribusi Nilai alfa Nilai beta 2.5% persentil Median 97.5% persentil Berarti Mode Standar deviasi
Kelaziman 1 1 0.025 0.5 0.975 0.5 0.2887
Sensitivitas 4.44 13.31 0.0843 0.2406 0.469 0.2501 0.2184 0.1
Kekhususan 71.25 3.75 0.8909 0.954 0.9868 0.95 0.9623 0.025

Simulasi dijalankan untuk 25.000 iterasi, dengan 5.000 iterasi dibuang untuk memungkinkan konvergensi. Probabilitas posterior distribusi untuk prevalensi, sensitivitas, spesifisitas dan parameter lain dari analisis dirangkum di bawah.

Kelaziman Sensitivitas Kekhususan PPV NPV LR untuk positif LR untuk negatif Benar positif False negative
Minimum 0.171 0.135 0.8 0.197 0.243 1 0.32 7 7
0.025 0.393 0.212 0.882 0.665 0.336 2.4 0.54 29 33
Median 0.738 0.307 0.951 0.883 0.538 6.4 0.73 38 82
0.975 0.985 0.484 0.986 0.969 0.786 24.4 0.85 40 120
Maksimum 1 0.697 0.998 0.994 0.907 157.8 1 40 122
Berarti 0.728 0.316 0.948 0.871 0.544 7.5 0.72 38 81
SD 0.165 0.07 0.027 0.08 0.124 6.4 0.08 3 25
Iterasi 20000 20000 20000 20000 20000 20000 20000 20000 20000

« Sebelumnya Selanjutnya »


Konten
1 Memperbaiki ukuran kolam renang dan pengujian sempurna
2 Memperbaiki ukuran dan pengujian kolam dengan sensitivitas dan spesifisitas yang diketahui
3 Memperbaiki ukuran dan pengujian kumpulan dengan sensitivitas dan spesifisitas yang tidak pasti
4 Ukuran kolam variabel dan uji sempurna
5 Prevalensi gabungan menggunakan sampler Gibbs
6 Diperkirakan prevalensi benar menggunakan satu tes (tidak disatukan) dengan sampler Gibbs
7 Diperkirakan prevalensi benar menggunakan dua tes (tidak disatukan) dengan sampler Gibbs
8 Perhitungan ukuran sampel untuk ukuran kolam tetap dan pengujian sempurna
9 Perhitungan ukuran sampel untuk ukuran kolam tetap dan pengujian dengan sensitivitas dan spesifisitas yang diketahui
10 Perhitungan ukuran sampel untuk ukuran kolam tetap dan pengujian dengan sensitivitas dan spesifisitas yang tidak pasti
11 Mensimulasikan pengambilan sampel untuk ukuran kolam tetap dan melakukan pengujian sempurna
12 Mensimulasikan pengambilan sampel untuk ukuran dan pengujian kolam tetap dengan sensitivitas dan spesifisitas yang diketahui
13 Simulasi sampel untuk ukuran kolam tetap dan uji dengan sensitivitas dan spesifisitas yang tidak pasti
14 Mensimulasikan pengambilan sampel untuk ukuran kumpulan variabel dan melakukan pengujian sempurna
15 Demonstrasi kebebasan menggunakan pengujian gabungan dengan tes sensitivitas yang diketahui dan ukuran kumpulan tetap
16 Estimasi Parameter alpha dan beta untuk distribusi Beta Sebelumnya
17 Estimasi distribusi probabilitas Beta untuk parameter alpha dan beta yang ditentukan