Gevoeligheid en specifiteit berekenen

Voor elke test die bij een bepaalde populatie wordt afgenomen, is het belangrijk om de sensiviteit^[1]XBron, specificiteit^[2]XBron, positieve voorspellende waarde^[3]XBron, en negatieve voorspellende waarde^[4]XBron te berekenen, om te bepalen hoe nuttig de test is bij het bepalen van de sporen van een ziekte of karakteristiek van de gegeven populatie. Als we een test willen gebruiken om een specifiek kenmerk van een steekproef te bepalen, dan zouden wij graag het volgende willen weten:

Hoe waarschijnlijk is het dat de test de aanwezigheid een kenmerk aangeeft bij iemand met het kenmerk (gevoeligheid)?
Hoe waarschijnlijk is het dat de test de afwezigheid van een kenmerk aangeeft bij iemand zonder het kenmerk (specificiteit )?
Hoe waarschijnlijk is het dat iemand met een positieve testuitslag wel degelijk het kenmerk (positief voorspellende waarde ) heeft?
Hoe waarschijnlijk is het dat iemand met een negatieve test resultaat eigenlijk het kenmerk (negatief voorspellende waarde) niet heeft?

Deze waarden zijn zeer belangrijk om te berekenen, om te bepalen of een test nuttig is voor het meten van een specifiek kenmerk van een bepaalde populatie. Dit artikel zal demonstreren hoe je deze waarden kunt berekenen.

Methode 1

Methode 1 van 1:

De berekening uitvoeren

Pdf downloaden

Definieer de ziekte of het kenmerk waar je in geïnteresseerd bent, bijvoorbeeld syfilis.
Ga uit van een betrouwbare 'gouden standaard' als test ter bepaling van de prevalentie van de ziekte of het kenmerk, bijvoorbeeld donkerveldmicroscopie-documentatie over de aanwezigheid van de bacterie Treponema pallidum uit schraapsel van een syfiliszweer, in samenhang met klinische bevindingen. Gebruik de gouden standaard om vast te stellen wie de kenmerken vertoond en wie niet. Laten we bijvoorbeeld stellen dat dit bij 100 mensen wel het geval is en bij 900 niet.
Kies een test waarin je geïnteresseerd bent voor het bepalen van de gevoeligheid, specificiteit, positief voorspellende waarde en negatief voorspellende waarde voor deze populatie bepalen, en test iedereen binnen de gekozen populatie. Bijvoorbeeld, stel het gaat om een test op een 'rapid plasma reagin' (RPR) om te screenen op de aanwezigheid van syfilis. Gebruik het om 1000 personen binnen de populatie te testen.
Voor mensen die het kenmerk hebben (zoals bepaald door de gouden standaard), registreer je het aantal mensen dat positief is getest en het aantal mensen dat negatief is getest. Doe hetzelfde voor mensen die het kenmerk niet hebben (zoals bepaald door de gouden standaard). Je zal uiteindelijk vier getallen hebben. Mensen met het kenmerk EN een positieve test zijn de echte positieven (TP). Mensen met het kenmerk EN een negatieve test zijn de valse negatieven (FN). Mensen zonder het kenmerk EN een positieve test zijn de valse positieven (FP). Mensen zonder het kenmerk EN een negatieve test zijn de echte negatieven (TN). Stel je hebt bij 1000 patiënten een RPR-test afgenomen. Onder de 100 patiënten met syfilis hebben 95 positief getest en 5 negatief. Onder de 900 patiënten zonder syfilis hebben 90 positief getest en 810 negatief. In dit geval, TP = 95, FN = 5, FP = 90 en TN = 810.
In het geval hierboven wordt dat 95/(95+5) = 95%. De gevoeligheid vertelt ons hoe groot de kans is dat de test een positief resultaat geeft bij iemand die het kenmerk vertoont. Welk percentage mensen met het kenmerk zal positief testen? 95% gevoeligheid is vrij goed.
In het bovenstaande geval wordt dat dus 810/(90+810) = 90%. De specificiteit vertelt ons hoe waarschijnlijk het is dat de test een negatief resultaat zal geven als iemand niet over het kenmerk beschikt. Welk percentage van alle mensen zonder het kenmerk zal negatief testen? 90% specificiteit is vrij goed.
In het geval hierboven wordt dat 95/(95+90) = 51,4%. De positief voorspellende waarde vertelt ons hoe waarschijnlijk het is dat iemand met het kenmerk positief uit de test komt. Welk deel van alle positief geteste mensen vertoont daadwerkelijk de kenmerken? Een PVW van 51,4% betekent dat als je positief uit de test komt, je een kans hebt van 51,4% dat je daadwerkelijk de ziekte hebt.
In het geval hierboven wordt dat 810/(810+5) = 99,4%. De negatief voorspellende waarde vertelt ons hoe waarschijnlijk het is dat iemand het kenmerk niet heeft als de test negatief uitvalt. Welk deel van alle mensen die negatief testen heeft het kenmerk echt niet? Een NVW van 99,4% betekent dat als je test negatief uitvalt, dat je een kans hebt van 99,4% op het niet hebben van de ziekte.
Advertentie

Tips

Nauwkeurigheid of efficiëntie, is het percentage van testresultaten dat correct door de test is geïdentificeerd, oftewel (echte positieven + echte negatieven) / totaal van de testresultaten = (TP+TN)/(TP+TN+FP+FN).
Goede screeningtests hebben een hoge gevoeligheid, omdat je iedereen met het kenmerk wilt kunnen aanduiden. Tests met een zeer hoge gevoeligheid zijn nuttig om ziekten of kenmerken uit te sluiten als de uitkomst negatief is. ("SNOUT": SeNsitivity-rule OUT)
Teken een 2 x 2-tabel om een en ander gemakkelijker te maken.
Weet dat gevoeligheid en specificiteit intrinsieke eigenschappen zijn van een bepaalde test, en niet afhankelijk zijn van de gegeven populatie, dat wil zeggen dat deze twee waarden hetzelfde moeten zijn als dezelfde test wordt toegepast op verschillende populaties.
Goede bevestigingstests hebben een hoge specificiteit, omdat je wilt dat de test specifiek is en niet iemand zonder het kenmerk als positief verkeerd duidt. Tests met een zeer hoge specificiteit zijn nuttig om zeker te zijn van ziekten of kenmerken als die positief zijn. ("SPIN": SPecificity-rule IN)
Aan de andere kant zijn de positieve voorspellende waarde en negatief voorspellende waarde afhankelijk van de prevalentie van het kenmerk in een bepaalde populatie. Hoe zeldzamer de karakteristiek, hoe lager de positief en hoe hoger de negatief voorspellende waarde (omdat de waarschijnlijkheid van de voortest laag is bij een zeldzame karakteristiek). Omgekeerd geldt dat hoe vaker een kenmerk zich voordoet, hoe hoger de positief voorspellende waarde en hoe lager de negatief voorspellende waarde (omdat de waarschijnlijkheid van de voortest hoog is bij een meer algemeen kenmerk).
Probeer deze concepten goed te begrijpen.

Advertentie