اختبار حساسيته %90… فلماذا معظم إيجابياته أصحّاء؟

حين تخرج نتيجة اختبار إيجابية، يسأل صاحبها سؤالًا واحدًا: هل أنا مريض؟ والإجابة ليست في نشرة الاختبار ولا في رقم دقّته المعلن — بل في شيء خارج الاختبار تمامًا: كم عدد المرضى أصلًا في المجتمع الذي طُبّق عليه.

أربعة أرقام لا يصح الخلط بينها

كل تقييم لاختبار تشخيصي يقوم على جدول واحد يقارن نتيجة الاختبار بالحالة الحقيقية للمرض، ومنه تُشتقّ أربعة مقاييس:

TP = True Positive إيجابية صحيحة · FP = False Positive إيجابية كاذبة
TN = True Negative سلبية صحيحة · FN = False Negative سلبية كاذبة

والفرق الجوهري بين الزوجين هو مفتاح المقال كلّه: الحساسية والنوعية خاصيتان في الاختبار نفسه ولا تتأثران بانتشار المرض. أما القيمتان التنبؤيتان فتتغيّران جذريًا بتغيّر الانتشار — وهذه هي النقطة التي يسقط عندها معظم التفسير السريري.

الاختبار نفسه… ومجتمعان مختلفان

خذ اختبارًا حساسيته %90 ونوعيته %95، وطبّقه على 10,000 شخص في حالتين لا تختلفان إلا في انتشار المرض.

الحالة الأولى — الانتشار %1: بين هؤلاء 100 مريض و9,900 سليم. سيلتقط الاختبار 90 مريضًا فعليًا، لكنه سيُخطئ في %5 من الأصحّاء فيُنتج 495 إيجابية كاذبة. مجموع الإيجابيين إذًا 585، منهم 90 فقط مرضى: القيمة التنبؤية الإيجابية %15.4.

الحالة الثانية — الانتشار %10: صار العدد 1,000 مريض و9,000 سليم. الاختبار يلتقط 900 مريض، ويُنتج 450 إيجابية كاذبة. مجموع الإيجابيين 1,350، منهم 900 مرضى: القيمة التنبؤية الإيجابية %66.7.

لم يتغيّر الاختبار في شيء: الحساسية %90 والنوعية %95 في الحالتين. ومع ذلك انتقل معنى النتيجة الإيجابية من «واحد من كل سبعة تقريبًا مريض» إلى «اثنان من كل ثلاثة مريضان».

لماذا ينهار الرقم عند الانتشار المنخفض؟

لأن الإيجابيات الكاذبة تُسحب من مجموعة ضخمة. في الحالة الأولى، نسبة خطأ صغيرة لا تتجاوز %5 طُبّقت على 9,900 سليم فأنتجت 495 حالة — وهو عدد يفوق بأضعاف كل المرضى الحقيقيين الذين التقطهم الاختبار. المرضى قلّة في بحر من الأصحّاء، فحتى اختبار جيد يغرق إيجابياته الصحيحة وسط الكاذبة.

لاحظ في المقابل أن النتيجة السلبية تظلّ مطمئنة جدًا في الحالتين. وهذه ليست مصادفة: حين يكون المرض نادرًا، يكون نفي المرض سهلًا وتأكيده صعبًا.

رقم واحد لا يتأثر بالانتشار

إن أردت مقياسًا يجمع الحساسية والنوعية في رقم واحد ثابت لا يتغيّر بالمجتمع، فهو نسبة الأرجحية (Likelihood Ratio). وللاختبار نفسه في مثالنا:

LR+ = 0.90 / 0.05 = 18 · LR− = 0.10 / 0.95 = 0.105

وهي تخبرك كم تُغيّر نتيجة الاختبار من احتمال المرض قبله:

ما الذي يعنيه هذا في المسح والتشخيص؟

يعني أن مسح مرض نادر على عموم السكان يُنتج سيلًا من الإيجابيات الكاذبة، مع ما يتبعها من قلق وفحوص إضافية وتكلفة وأذى — وهذا وحده سبب كافٍ لعدم تعميم أي برنامج مسح لمجرّد أن اختباره «دقيق».

ويعني أيضًا أن اختيار الاختبار يتبع موقعه في المسار: المسح الأولي يحتاج حساسية عالية حتى لا يفلت مريض، والاختبار التأكيدي بعده يحتاج نوعية عالية لاستبعاد الإيجابيات الكاذبة. وتختصر القاعدتان المشهورتان الفكرة: اختبار عالي الحساسية إذا جاء سلبيًا يستبعد المرض (SnNout)، وعالي النوعية إذا جاء إيجابيًا يؤكّده (SpPin).

خلاصة تحملها معك

لا تُفسَّر نتيجة اختبار بمعزل عن احتمال المرض قبل الاختبار. اسأل أولًا: من طُبّق عليه هذا الاختبار، وكم نسبة المرضى المتوقّعة بينهم؟ الرقم المعلن على النشرة يصف الاختبار، أما ما يعنيه لمريضك فيصنعه المجتمع الذي جاء منه.