Упрощенная HTML-версия
89
при различном сочетании факторов Х1-Х5. Теоретически возможно по-
строение 40 подобных графиков.
Результаты классификации исходов, полученные с помощью логи-
стической регрессионной модели в сравнении с наблюдаемыми в обследо-
ванной популяции, приведены в таблице 29.
Таблица 29
Классификация больных АГ по признаку наличия-отсутствия
субклинического атеросклероза с помощью логистической ре-
грессионной модели в сравнении с наблюдавшейся в обследованной
выборке
%
Есть
атеросклероз
Нет атеро-
склероза
В
сего в
опыте
Есть атеросклероз
78,0
32
9
41
Нет атеросклероза
90,4
12
113
125
Всего в прогнозе
87,9
44
122
166
Из представленных данных следует, что в группе больных с нали-
чием атеросклероза исследуемая модель обеспечивает совпадение прогно-
зируемых и реальных исходов в 78% случаев (у 32 из 41 больного с суб-
клиническим атеросклерозом); в группе больных без субклинического
атеросклероза совпадение прогнозируемых и реальных результатов отме-
чено в 90,4 % наблюдений (в 113 из 125 случаев). Таким образом, чувстви-
тельность метода составляет 78%, а специфичность – 90,4%. Информаци-
онная способность модели в целом составляет 87,9 % (совпадение случаев
правильного диагноза у 145 из 166 больных).
Данные таблицы 29 позволяют вычислить прогностическую цен-
ность теста, то есть вероятность наличия заболевания при условии извест-
ного результата теста. Прогностическая ценность положительного резуль-
тата теста – это вероятность заболевания при положительном (патологиче-
ском) результате теста (32 больных из 44). Она равна 32/44 = 72,7%. Про-