Fagan Nomogramı Hesaplayıcı
Model İstatistik CRO · Hekim araştırmacılar için açık erişimli klinik hesaplayıcılar
Test öncesi olasılık ve likelihood ratio’dan test sonrası olasılığı hesaplayın ve nomogram üzerinde görün.
Bu Araç Nedir ve Kimin İçin?
Fagan nomogramı (Fagan, 1975), bir tanısal testin sonucunu Bayes teoremine göre yorumlamayı görselleştiren bir grafiktir: test öncesi olasılık ile testin likelihood ratio değeri birleştirilerek test sonrası olasılık elde edilir. Bu araç hem nomogramı çizer hem de test sonrası olasılığı sayısal hesaplar; likelihood ratio’yu doğrudan girebilir veya duyarlılık ve özgüllükten hesaplatabilirsiniz. Kanıta dayalı tıp uygulayan hekimler, tanısal doğruluk çalışması yürüten araştırmacılar ve tıp eğitimcileri için tasarlanmıştır.
Bayes Teoremi
Odds formu
İki Giriş Modu
LR veya sens/spes
Görsel Nomogram
Çizim + sayısal
Bu araç klinik karar destek ve eğitim amaçlıdır. Test sonrası olasılık, girilen test öncesi olasılık ve likelihood ratio değerlerinin doğruluğuna bağlıdır. Tanısal kararlar klinik bağlamla birlikte verilmelidir.
Hastalığın ön olasılığı — 0 ile 100 arası
LR>1 olasılığı artırır, LR<1 azaltır
Fagan Nomogramı
Fagan Nomogramı: Kapsamlı Rehber
Kaynak künyeli, biyoistatistik ve klinik araştırma perspektifiyle hazırlanmıştır.
Bu araç ne yapar?
Fagan nomogramı, bir tanısal testin sonucunu Bayes teoremine göre yorumlamayı görselleştiren klasik bir grafiktir. Terrence Fagan tarafından 1975’te tanıtılmıştır. Test öncesi olasılık ile testin likelihood ratio (olabilirlik oranı) değeri birleştirilerek test sonrası olasılık elde edilir. Bu araç hem nomogramı çizer hem de test sonrası olasılığı sayısal olarak hesaplar.
Neden önemlidir?
Bir testin "pozitif" veya "negatif" çıkması tek başına yeterli değildir; sonucun anlamı, hastalığın test öncesi olasılığına bağlıdır. Aynı test, düşük ve yüksek ön olasılıklı hastalarda çok farklı sonuçlar üretir. Fagan nomogramı, kanıta dayalı tıbbın merkezindeki bu Bayesyen akıl yürütmeyi somutlaştırır ve gereksiz testleri ya da yanlış güven duygusunu azaltır.
Kimler için?
Kanıta dayalı tıp uygulayan hekimler, acil ve dahili branşlar, tıp eğitimcileri ve tanısal doğruluk çalışması yürüten araştırmacılar için tasarlanmıştır. Tanısal testlerin klinik değerini sunmada ve öğretmede özellikle yararlıdır.
Nasıl kullanılır?
Test öncesi olasılığı yüzde olarak girin. Ardından ya doğrudan likelihood ratio değerini girin ya da testin duyarlılık ve özgüllüğünü girerek LR+ ve LR−’yi hesaplatın. Hesapla tuşuna bastığınızda test sonrası olasılık hem sayısal olarak hem de nomogram üzerinde çizilen doğru ile gösterilir.
Sonuç nasıl yorumlanır?
Jaeschke ve arkadaşları (1994) kaba eşikler önermiştir: LR+ >10 veya LR− <0,1 test sonrası olasılıkta büyük ve çoğunlukla belirleyici değişiklik yaratır; 5–10 (veya 0,1–0,2) orta düzey; 2–5 (veya 0,2–0,5) küçük ama bazen önemli; 1–2 (veya 0,5–1) nadiren önemli değişiklik sağlar. LR = 1 testin hiçbir bilgi katmadığı anlamına gelir.
Yöntem ve geçerlilik
Bayes teoremi bahis (odds) formunda uygulanır: test öncesi olasılık bahse çevrilir (bahis = p/(1−p)), likelihood ratio ile çarpılarak test sonrası bahis elde edilir, tekrar olasılığa çevrilir. LR+ = duyarlılık/(1−özgüllük); LR− = (1−duyarlılık)/özgüllük. Hesaplama sunucu tarafında yürütülür.
Sınırlamalar ve dikkat edilecekler
Test sonrası olasılık, girilen test öncesi olasılık ve likelihood ratio değerlerinin doğruluğuna bağlıdır. Test öncesi olasılık genellikle klinik yargı ve prevalansa dayalı bir tahmindir; hatalı tahmin sonucu doğrudan etkiler. Likelihood ratio’lar çalışma popülasyonuna ve spektrumuna göre değişebilir. Tanısal kararlar klinik bağlamla birlikte verilmelidir.
Araştırma notu
Tanısal doğruluk çalışmalarında duyarlılık/özgüllük, likelihood ratio, ROC/AUC, karar eşiği optimizasyonu ve örneklem büyüklüğü hesabında biyoistatistik desteği sunuyoruz.
Fagan Nomogramı Hakkında
Fagan nomogramı, bir tanısal testin sonucunu Bayes teoremine göre yorumlamayı görselleştiren klasik bir grafiktir. Terrence Fagan tarafından 1975’te tanıtılmıştır. Üç eksenden oluşur: solda test öncesi olasılık, ortada testin likelihood ratio (olabilirlik oranı) değeri ve sağda test sonrası olasılık. İlk iki noktayı birleştiren düz bir doğru, sağ eksende test sonrası olasılığı verir.
Nomogramın altında yatan hesap Bayes teoreminin bahis (odds) formudur: test öncesi bahis, likelihood ratio ile çarpılarak test sonrası bahse dönüştürülür. Aynı test farklı test öncesi olasılıklarda çok farklı sonuçlar üretebileceğinden, tanısal testin yorumu her zaman klinik bağlama bağlıdır. Likelihood ratio yorumu için Jaeschke ve arkadaşlarının (1994) eşikleri yaygın olarak kullanılır.
Sıkça Sorulan Sorular
Fagan nomogramı nedir?
Fagan nomogramı, bir tanısal testin sonucunu Bayes teoremine göre yorumlamayı görselleştiren bir grafiktir. Terrence Fagan tarafından 1975’te New England Journal of Medicine’de tanıtılmıştır. Test öncesi olasılık (hastalığın ön olasılığı) ile testin likelihood ratio (olabilirlik oranı) değeri birleştirilerek test sonrası olasılık elde edilir. Bu araç, hem nomogramı çizer hem de test sonrası olasılığı sayısal olarak hesaplar.
Likelihood ratio (LR) nedir ve nasıl hesaplanır?
Likelihood ratio, bir test sonucunun hastalığı olan ve olmayan kişilerde görülme olasılıklarının oranıdır. Pozitif LR = duyarlılık / (1 − özgüllük); negatif LR = (1 − duyarlılık) / özgüllük. LR+ ne kadar büyükse (>10) pozitif test hastalığı o kadar güçlü destekler; LR− ne kadar küçükse (<0,1) negatif test hastalığı o kadar güçlü dışlar. Bu araçta LR’yi doğrudan girebilir veya duyarlılık ve özgüllükten hesaplatabilirsiniz.
Test öncesi olasılık (pre-test probability) nedir?
Test öncesi olasılık, test yapılmadan önce hastanın ilgili hastalığa sahip olma olasılığıdır. Klinik bağlama, prevalansa, hastanın öyküsü ve muayene bulgularına göre tahmin edilir. Aynı test, farklı test öncesi olasılıklarda çok farklı test sonrası olasılıklar üretir; bu nedenle testin yorumu her zaman klinik bağlama bağlıdır.
Test sonrası olasılık nasıl hesaplanır?
Bayes teoremi bahis (odds) formunda uygulanır: önce test öncesi olasılık bahse çevrilir (bahis = p / (1 − p)), bu bahis likelihood ratio ile çarpılarak test sonrası bahis elde edilir, sonra tekrar olasılığa çevrilir (olasılık = bahis / (1 + bahis)). Nomogram bu hesabı, üç eksen arasında çizilen düz bir doğru ile görselleştirir.
Fagan nomogramı hangi durumlarda kullanılır?
Fagan nomogramı, kanıta dayalı tıpta tanısal testlerin yorumlanmasında, klinik karar verme eğitiminde ve tanısal doğruluk çalışmalarının sunumunda kullanılır. Bir testin farklı klinik senaryolarda (farklı test öncesi olasılıklarda) ne kadar bilgi kattığını göstermek için özellikle yararlıdır.
LR değeri ne zaman klinik olarak anlamlıdır?
Jaeschke ve arkadaşları (1994) kaba eşikler önermiştir: LR+ >10 veya LR− <0,1 test sonrası olasılıkta büyük ve çoğunlukla belirleyici değişiklik yaratır; 5–10 (veya 0,1–0,2) orta düzey; 2–5 (veya 0,2–0,5) küçük ama bazen önemli; 1–2 (veya 0,5–1) nadiren önemli değişiklik sağlar. LR = 1 testin hiçbir bilgi katmadığı anlamına gelir.
Bilimsel Kaynaklar
- Fagan TJ. Letter: Nomogram for Bayes theorem. N Engl J Med. 1975. PMID: 1143310
- Jaeschke R, Guyatt GH, Sackett DL. Users’ guides to the medical literature. III. How to use an article about a diagnostic test. B. What are the results and will they help me in caring for my patients? JAMA. 1994. PMID: 8309035
- Deeks JJ, Altman DG. Diagnostic tests 4: likelihood ratios. BMJ. 2004. PMID: 15258077
Bu aracın kaynak gösterimi
Çalışmanızda önce skorun ya da yöntemin özgün kaynağını göstermenizi öneririz. Aracı da belirtmek isterseniz şu biçimi kullanabilirsiniz:
Model İstatistik CRO. Fagan Nomogramı Hesaplayıcı [İnternet]. Kayseri: Model İstatistik CRO; 2026 [erişim tarihi: GG.AA.YYYY]. Erişim adresi: https://modelistatistik.com/araclar/fagan-nomogrami
Sorumluluk Reddi ve Yasal Uyarı
Bu hesaplayıcı klinik karar destek ve eğitim aracıdır; yalnızca bilgilendirme amacı taşır. Test sonrası olasılık, girilen test öncesi olasılık ve likelihood ratio değerlerinin doğruluğuna bağlıdır. Tanısal kararlar klinik tablo, ek testler ve klinisyen değerlendirmesiyle birlikte verilmelidir. Model İstatistik CRO, bu aracın kullanımına dayalı kararlardan sorumluluk kabul etmez.
Diğer Hesaplayıcılar
Bu hesaplayıcıyla birlikte kullanabileceğiniz araçlar
İlgili Yazılar
Bu aracı daha iyi kullanmanıza yardımcı olacak rehberler
İlgili Hizmetler
Biyoistatistik Analiz
Verilerinizi doğru testlerle analiz ediyor, yayın formatında raporluyoruz. Yöntem seçiminden hakem yanıtına kadar yanınızdayız.
Hizmeti inceleyinGüç Analizi ve Örneklem Hesaplama
Klinik çalışmanız için gereken minimum örneklem büyüklüğünü hesaplıyoruz.
Hizmeti inceleyinBiyoistatistik Danışmanlığı
Tasarımdan yöntem seçimine ve sonuçların yorumuna kadar çalışmanızın istatistik kararlarında baştan sona yanınızdayız.
Hizmeti inceleyinTanısal doğruluk çalışmanızda likelihood ratio ve olasılık analizine mi ihtiyacınız var?
Duyarlılık, özgüllük, likelihood ratio, ROC/AUC ve karar eşiği analizleri dahil tanısal doğruluk çalışmalarında biyoistatistik desteği sunuyoruz.