CochraneUK
Deze blog is geschreven door Saul Crandon, een Academic Foundation Doctor bij Oxford University Hospitals NHS Foundation Trust en een van de leden van de Cochrane UK & Ireland Trainees Advisory Group (CUKI-TAG). De blog legt uit wat we bedoelen met – en hoe te berekenen – ‘gevoeligheid’, ‘specificiteit’, ‘positief voorspellende waarde’ en ‘negatief voorspellende waarde’ in de context van het diagnosticeren van ziekte.
Het diagnostisch proces is een cruciaal onderdeel van de medische praktijk. Sommigen beschouwen het diagnoseproces als een kunst, zoals beschreven door de Merriam Webster definitie; “de kunst of handeling om een ziekte vast te stellen aan de hand van de tekenen en symptomen” (1).
Om tot een diagnose te komen moet men een groot aantal gegevens in ogenschouw nemen, vaak in de vorm van de anamnese (die de symptomen beschrijft die de patiënt ervaart) en een klinisch onderzoek (dat de verschijnselen in verband met het ziekteproces aan het licht brengt). Dit levert gewoonlijk een zinnige lijst van differentiële diagnoses op, die kunnen worden bevestigd of weerlegd met behulp van diagnostische tests. Dit kan zijn in de vorm van een bloedafname, radiologische beeldvorming, urineonderzoek en meer.
Hier zit de crux; tests zijn nooit 100% accuraat. We moeten rekening houden met de statistieken rond het testen om te bepalen wat een goede test maakt en wat een niet-zo-goede test maakt.
Kijkt u eens naar het volgende voorbeeld:
Een bedrijf maakt een bloedtest voor Ziekte X.
| Heeft ziekte X | Heeft ziekte X niet | |
| Bloedtest POSITIEF | True Positives (TP) | False Positieven (FP) |
| Bloedtest NEGATIEF | Valse Negatieven (FN) | True Negatieven (TN) |
Nu kijken we naar dezelfde tabel, met enkele waarden om mee te werken.
| heeft ziekte X | heeft geen ziekte X | |
| Bloedtest POSITIEF | 134 | 7 |
| Bloedtest NEGATIEF | ||
| Bloedtest test NEGATIEF | 11 | 245 |
Gevoeligheid
Gevoeligheid is het percentage mensen MET ZIEKTE X dat een POSITIEVE bloedtest heeft. Een test die 100% gevoelig is, betekent dat alle zieke personen correct als ziek worden geïdentificeerd, d.w.z. dat er geen valse negatieven zijn. Belangrijk is dat, aangezien de berekening alle patiënten met de ziekte betreft, zij niet wordt beïnvloed door de prevalentie van de ziekte.
“Als ik ziekte X heb, hoe groot is dan de kans dat ik er positief op test?”
Mathematisch wordt dit uitgedrukt als:
Gevoeligheid = True Positives / (True Positives + False Negatives)
Met andere woorden, de bloedtest van het bedrijf identificeerde 92,4% van degenen MET ZIEKTE X.
Een gevoelige test wordt gebruikt voor het uitsluiten van een ziekte, omdat deze zelden degenen MET een ziekte verkeerd indeelt als zijnde gezond. Een voorbeeld van een zeer gevoelige test is D-dimeer (gemeten met een bloedtest). Bij patiënten met een lage pretestkans kan een negatieve D-dimeertest een trombus (bloedklonter) accuraat uitsluiten.
Specificiteit
Specificiteit is het percentage mensen ZONDER ZIEKTE X die een NEGATIEVE bloedtest hebben. Een test die 100% specifiek is, betekent dat alle gezonde personen correct als gezond worden geïdentificeerd, d.w.z. dat er geen vals-positieven zijn.
“Als ik ziekte X niet heb, hoe groot is dan de kans dat ik er negatief op test?”
Mathematisch wordt dit uitgedrukt als:
Specificiteit = Ware Negatieven / (Ware Negatieven + Valse Positieven)
Met andere woorden, de bloedtest van het bedrijf identificeerde 97,2% van de mensen ZONDER ZIEKTE X.
Een specifieke test wordt gebruikt om een ziekte uit te sluiten, omdat hij zelden mensen ZONDER ziekte als ziek aanmerkt. Een perfect specifieke test betekent dus dat geen gezonde personen als ziek worden geïdentificeerd.
Aanvullende maatregelen
We kunnen nog een stap verder gaan. De voorspellende waarde van tests kan met soortgelijke statistische concepten worden berekend. Om het eenvoudig te houden, blijven we het bovenstaande voorbeeld gebruiken met betrekking tot een bloedtest voor ziekte X.
Positieve voorspellende waarde
Positieve voorspellende waarde (PPV) is het percentage mensen met een POSITIEVE bloedtest die ziekte X hebben.
“Als ik een positieve test heb, wat is dan de waarschijnlijkheid dat ik ziekte X heb?”
PPV = True Positives / (True Positives + False Positives)
Met andere woorden, de bloedtest identificeerde 95% van degenen met een POSITIEVE bloedtest, als hebbende Ziekte X.
Aangezien de berekening voor PPV en NPV individuen met en zonder de ziekte omvat, wordt deze beïnvloed door de prevalentie van de ziekte in kwestie. Daarom moet u ervoor zorgen dat dezelfde populatie wordt gebruikt (of dat de incidentie van de ziekte bij de populaties gelijk is) wanneer u PPV en NPV voor verschillende tests vergelijkt.
Negatieve voorspellende waarde
Negatieve voorspellende waarde (NPV) is het aandeel van degenen met een NEGATIEF bloedonderzoek die niet de ziekte X hebben.
“Als ik een negatieve test heb, hoe groot is dan de kans dat ik Ziekte X niet heb?”
NPV = Ware Negatieven / (Ware Negatieven + Valse Negatieven)
Met andere woorden, de bloedtest identificeerde 95,7% van degenen met een NEGATIEF bloedonderzoek, als geen Ziekte X.
Noot
Het voorbeeld dat in dit artikel wordt gebruikt, geeft een fictieve test weer met een zeer hoge sensitiviteit, specificiteit, positieve en negatieve voorspellende waarden. In echte scenario’s is het vaak een uitdaging om een test te maken met maximale precisie op alle vier de gebieden en vaak zijn verbeteringen op één gebied onderworpen aan het opofferen van nauwkeurigheid op andere gebieden.
Samenvatting
Diagnostisch testen is een fundamenteel onderdeel van een effectieve medische praktijk. U zou zich nu vertrouwd moeten voelen met de concepten achter binaire klinische tests. Zowel sensitiviteit en specificiteit als positieve en negatieve voorspellende waarden zijn belangrijke parameters bij het bespreken van tests. Als u zich verder in dit onderwerp wilt verdiepen, raden wij u aan te beginnen met Receiver Operating Characteristic (ROC) curven. Dit concept valt buiten het bestek van dit artikel, maar gedetailleerde uitleg is hier te vinden (2).
Als je dit artikel nuttig vond, voel je vrij om het te delen en houd een oogje in het zeil voor andere blogs van de Cochrane UK and Ireland Trainee Group (CUKI-TAG).
1. Merriam-Webster.com. Diagnose . Beschikbaar via: https://www.merriam-webster.com/dictionary/diagnosis
2. Abdul Ghaaliq Lalkhen, Anthony McCluskey, Clinical tests: sensitivity and specificity, Continuing Education in Anaesthesia Critical Care & Pain, Volume 8, Issue 6, December 2008, Pages 221-223. https://doi.org/10.1093/bjaceaccp/mkn041
De auteur: Saul Crandon
Saul is als Academic Foundation Doctor verbonden aan de Oxford University Hospitals NHS Foundation Trust. Hij heeft een grote belangstelling voor medische beeldvorming en het bevorderen van evidence-based medicine, met name bij studenten en andere artsen in opleiding. Hij hoopt deze interesse te vergroten door zitting te nemen in de commissie voor de Cochrane UK & Ireland Trainees Advisory Group (CUKI-TAG). Lees deze volledige biografie, en de biografieën van de andere leden van de CUKI-TAG, hier.