Hjem » Epidemiologi og statistik » Oversigt over begreber til evaluering af diagnostiske test
Oversigt over begreber til evaluering af diagnostiske test
Det følgende er en oversigt over begreber, man kan bruge til at evaluere diagnostiske tests. Hvis du vil læse mere uddybende om grundlæggende medicinsk statistik, skal du læse her. Her er der også videre links til begrebsgennemgang med eksempler.
Følgende defineres:
- Prævalens
- Præ-test / a priori sandsynlighed
- Sensitivitet
- (1 – sensitivitet)
- Specificitet
- (1 – specificitet)
- Positiv likelihood ratio (LR+)
- Negativ likelihood ratio (LR-)
- Positiv prædiktiv værdi (PPV)
- Negativ præditiv værdi (NPV)
- Post-test sandsynlighed
En basal kontingenstabel
Nedenfor er en basal kontingenstabel. Det er en basal krydstabel af to kategoriske variable. Den ene variabel hedder testresultat og har to udfald: positiv eller negativ; den anden variabel hedder sygdomsstatus og har to udfald: syg eller rask.
| Syg | Rask | Total | |
| Positiv | Sandt positiv (SP) | Falsk positive (FP) | Alle positive |
| Negativ | Falsk negativ (FN) | Sandt negativ (SN) | Alle negative |
| Total | Alle syge | Alle raske |
Ud fra krydstabellen kan man udlede en del begreber og den står her ovenfor som didaktisk støtte.
Definition af begreber udledt af kontingenstabellen
Prævalens af sygdom
Sygdomsprævalensen er ikke udledt af kontingenstabellen, men angiver sandsynligheden for sygdom i en population. Kan også kaldes a priori-sandsynlighed, fordi det er sandsynligheden for sygdom før test.
Præ-test sandsynlighed
Præ-test sandsynligheden for sygdom er den samme som prævalensen af sygdom i en population.
Sensitivitet
Sensitiviteten er sandsynligheden for, at en test identificerer en syg patient korrekt. Kan skrives sådan her formelt.:
Sensitivitet = Sandt positive / (Sandt positive + Falsk negative)
Sensitivitet = Sandt positive / Alle syge
(1- sensitivitet)
(1 – sensitivitet) er sandsynligheden for, at en test identificerer en syg patient som rask.
Specificitet
Specificitet = Sandt negative / (Sandt negative + falsk positive)
Specificitet = Sandt negative / Alle raske
(1 - specificitet)
(1 – specificitet) er sandsynligheden for, at en test identificerer en rask patient som syg.
Positiv likelihood ratio (LR+)
Forholdet mellem sandsynligheden for, at en syg patient har et positivt testresultat og sandsynligheden for at en rask patient har et positivt testresultat. Formelt set:
LR+ = Sensitivitet / (1 – specificitet)
Negativ likelihood ratio (LR-)
Forholdet mellem sandsynligheden for, at en syg patient har et negativt testresultat og sandsynligheden for at en rask patient har et negativt testresultat. Formelt set:
LR- = (1 – sensitivitet) / specificitet
Positiv prædiktiv værdi (PPV)
Positiv prædiktiv værdi = Antal sandt positive i populationen / (Antal sandt positive i populationen + antal falsk positive i populationen)Hvor de sandt positive i populationen ikke er det samme som de sandt positive som angivet i kontingenstabellen ovenfor. Det kan også skrives med Bayes’ teorem:
Negativ prædiktiv værdi (NPV)
Sandsynligheden for, at en patient med en negativ test fra en given population faktisk er rask. Formelt set er det altså:
Negativ prædiktiv værdi = Antal sandt negative i populationen / (Antal sandt negative i populationen + antal falsk negative i populationen)
Hvor de sandt negative i populationen ikke er det samme som de sandt negative kontingenstabellen ovenfor. Med Bayes:
Post-test sandsynlighed
Det samme som positive eller negative prædiktive værdier.
Kilder
Altman DG, Bland JM. Diagnostic tests. 1: Sensitivity and specificity. BMJ. 1994 Jun 11;308(6943):1552. doi: 10.1136/bmj.308.6943.1552. PMID: 8019315; PMCID: PMC2540489.
Altman DG, Bland JM. Diagnostic tests 2: Predictive values. BMJ. 1994 Jul 9;309(6947):102. doi: 10.1136/bmj.309.6947.102. PMID: 8038641; PMCID: PMC2540558.
Deeks JJ, Altman DG. Diagnostic tests 4: likelihood ratios. BMJ. 2004 Jul 17;329(7458):168-9. doi: 10.1136/bmj.329.7458.168. PMID: 15258077; PMCID: PMC478236.