Không chắc. Với một bệnh hiếm, ngay cả một xét nghiệm khá chính xác cũng có thể cho ra phần lớn kết quả dương tính là nhầm, vì số người khoẻ bị báo nhầm lại đông hơn số người bệnh thật. Đó là lý do bác sĩ thường cho làm lại, hoặc làm thêm một xét nghiệm khác, trước khi kết luận.
Chào bạn, đây là Nhà Toán Học. Tập này chạm tới sức khoẻ, nên mình nói trước: mình chỉ giải thích phép toán, mọi quyết định về kết quả xét nghiệm của bạn hay người nhà phải do bác sĩ đưa ra. Các con số dưới đây là ví dụ giả định để tính cho dễ, không phải số liệu của bệnh hay xét nghiệm nào có thật.
Một ví dụ giả định với mười nghìn người
Giả sử có một bệnh hiếm, cứ một nghìn người thì có một người mắc. Giả sử có một xét nghiệm phát hiện được gần như mọi người bệnh, nhưng cứ một trăm người khoẻ thì báo nhầm một người là dương tính.
Nghe xét nghiệm này rất tốt: bắt được người bệnh, chỉ nhầm một phần trăm người khoẻ. Giờ cho mười nghìn người đi xét nghiệm.
Trong mười nghìn người, có khoảng mười người bệnh, và cả mười đều dương tính. Còn chín nghìn chín trăm chín mươi người khoẻ, một phần trăm bị báo nhầm, tức khoảng một trăm người dương tính giả.
Tổng cộng khoảng một trăm mười kết quả dương tính, trong đó chỉ mười người bệnh thật. Nếu bạn là một người trong số dương tính đó, khả năng bạn thật sự mắc bệnh chỉ khoảng một phần mười một, chưa tới mười phần trăm.
Vì sao con số thấp đến bất ngờ?
Thủ phạm là tỉ lệ nền, tức là bệnh hiếm tới mức nào trong cộng đồng. Người khoẻ đông gấp gần một nghìn lần người bệnh. Một tỉ lệ nhầm nhỏ nhân với một số người rất đông vẫn ra một số người nhầm khá lớn.
Trực giác của mình thường nhìn vào độ chính xác của xét nghiệm, chín mươi chín phần trăm nghe rất cao, rồi quên mất hỏi bệnh này hiếm cỡ nào. Các nhà tâm lý học gọi đây là bỏ qua tỉ lệ nền, một lỗi rất phổ biến, kể cả ở người có học.
Đổi ví dụ: nếu bệnh không hiếm mà cứ mười người có một người mắc, thì trong mười nghìn người có một nghìn người bệnh, dương tính giả chỉ khoảng chín mươi. Lúc đó một kết quả dương tính đáng tin hơn nhiều, khoảng chín phần mười.
Cùng một xét nghiệm, ý nghĩa của kết quả thay đổi theo việc ai đi xét nghiệm. Đó là lý do bác sĩ luôn hỏi triệu chứng, tiền sử, chứ không chỉ nhìn tờ kết quả.
Hai thông số của một xét nghiệm
Người làm y học mô tả xét nghiệm bằng hai con số. Độ nhạy cho biết trong số người bệnh, xét nghiệm phát hiện được bao nhiêu phần. Độ đặc hiệu cho biết trong số người khoẻ, xét nghiệm báo đúng là âm tính bao nhiêu phần.
Xét nghiệm có độ nhạy cao thì ít bỏ sót người bệnh. Xét nghiệm có độ đặc hiệu cao thì ít báo động nhầm. Hiếm có xét nghiệm nào hoàn hảo cả hai, và thường phải đánh đổi.
Trong ví dụ của mình, độ nhạy gần như tuyệt đối, độ đặc hiệu chín mươi chín phần trăm. Chỉ một phần trăm hụt ở độ đặc hiệu đã đủ tạo ra cả trăm dương tính giả khi bệnh hiếm.
Vì vậy nhiều chương trình sàng lọc dùng một xét nghiệm nhạy để lọc rộng trước, rồi dùng xét nghiệm đặc hiệu hơn để khẳng định sau.
Xét nghiệm lần hai thay đổi mọi thứ
Quay lại một trăm mười người dương tính. Giả sử họ làm thêm một xét nghiệm thứ hai, có cùng độ chính xác và sai một cách độc lập với lần đầu.
Mười người bệnh thật lại dương tính cả mười. Trong một trăm người dương tính giả, lần này chỉ khoảng một người bị báo nhầm lần nữa. Vậy sau hai lần dương tính, có khoảng mười một người, trong đó mười người bệnh thật.
Khả năng mắc bệnh nhảy từ chưa tới mười phần trăm lên khoảng chín mươi phần trăm. Một lần xét nghiệm thêm đổi hẳn bức tranh.
Lưu ý quan trọng: phép tính này chỉ đúng nếu sai số của hai lần độc lập với nhau. Nếu lần đầu sai vì một lý do nằm ở chính cơ thể người đó, lần hai có thể sai y như vậy. Chuyện đó bác sĩ mới đánh giá được.
Cách nghĩ này dùng ở đâu ngoài bệnh viện?
Phép toán ở đây có tên là định lý Bayes, mang tên một mục sư người Anh thế kỷ mười tám. Nó trả lời câu hỏi: khi có thông tin mới, mình nên cập nhật niềm tin bao nhiêu.
Bộ lọc thư rác dùng ý tưởng này: một từ ngữ hay xuất hiện trong thư rác làm tăng khả năng một bức thư là rác, nhưng còn phụ thuộc thư rác chiếm bao nhiêu trong hộp thư của bạn.
Trong đời thường, khi nghe một tin có vẻ gây sốc, hãy hỏi trước: chuyện này vốn hiếm hay phổ biến. Chuyện càng hiếm thì càng cần bằng chứng mạnh mới nên tin.
Câu đố nhỏ: với ví dụ ở trên, nếu một người có kết quả âm tính, khả năng người đó thật sự khoẻ là bao nhiêu. Hãy đếm lại trên mười nghìn người để trả lời.
Câu hỏi thường gặp
Dương tính giả là gì?
Dương tính giả là khi người không mắc bệnh nhưng xét nghiệm lại báo dương tính. Ngược lại, âm tính giả là khi người mắc bệnh nhưng xét nghiệm báo âm tính.
Định lý Bayes là gì nói đơn giản?
Đó là quy tắc tính lại khả năng một điều đúng khi có thêm bằng chứng mới, có tính tới việc điều đó vốn phổ biến hay hiếm. Cách dễ hiểu nhất là đếm trên một nhóm người giả định như trong bài.
Có nên tự đọc kết quả xét nghiệm rồi kết luận không?
Không nên. Kết quả xét nghiệm cần được bác sĩ đọc cùng với triệu chứng, tiền sử và các xét nghiệm khác. Bài này chỉ giúp hiểu vì sao bác sĩ thường không kết luận từ một con số duy nhất.
Vì sao sàng lọc đại trà dễ có nhiều dương tính giả?
Vì khi xét nghiệm cả cộng đồng, phần lớn người được xét nghiệm là người khoẻ, tỉ lệ nền của bệnh thấp. Một tỉ lệ báo nhầm nhỏ nhân với rất nhiều người khoẻ tạo ra số dương tính giả đáng kể.
Độ nhạy và độ đặc hiệu, cái nào quan trọng hơn?
Tuỳ mục đích. Khi bỏ sót bệnh rất nguy hiểm thì cần độ nhạy cao. Khi báo động nhầm gây hại lớn, như dẫn tới can thiệp không cần thiết, thì cần độ đặc hiệu cao. Người quyết định là các chuyên gia y tế.
