Gevoeligheid vs Specificiteit en Voorspellende Waarde

Inhoud:

1. Wat is Gevoeligheid (True Positive Rate)?
2. Wat is Specificiteit (True Negative Rate)?
3. Positieve Voorspelde Waarden
4. Negatieve Voorspelde Waarden

Wat is een Gevoelige Test?

De gevoeligheid van een test (ook wel het werkelijke positieve percentage genoemd) wordt gedefinieerd als het percentage mensen met de ziekte dat een positief resultaat zal hebben. Met andere woorden, een zeer gevoelige test is een test die patiënten met een ziekte correct identificeert. Een test die 100% gevoelig is, identificeert alle patiënten die de ziekte hebben. Het is uiterst zeldzaam dat een klinische test 100% gevoelig is. Een test met een gevoeligheid van 90% identificeert 90% van de patiënten die de ziekte hebben, maar mist 10% van de patiënten die de ziekte hebben.

Een zeer gevoelige test kan nuttig zijn om een ziekte uit te sluiten als een persoon een negatief resultaat heeft. Een negatief resultaat bij een uitstrijkje betekent bijvoorbeeld waarschijnlijk dat de betrokkene geen baarmoederhalskanker heeft. Het veelgebruikte acroniem is SnNout (hooggevoelig, negatief resultaat = uitsluiten).
Terug naar boven

Wat is een specifieke test?

De specificiteit van een test (ook wel het True Negative Rate genoemd) is het percentage mensen zonder de ziekte die een negatief resultaat zullen krijgen. Met andere woorden, de specificiteit van een test geeft aan hoe goed een test patiënten identificeert die een ziekte niet hebben. Een test met een specificiteit van 100% identificeert 100% van de patiënten die de ziekte niet hebben. Een test met een specificiteit van 90% identificeert 90% van de patiënten die de ziekte niet hebben.

Tests met een hoge specificiteit (een hoog percentage waar-negatieve uitslagen) zijn het nuttigst wanneer het resultaat positief is. Een zeer specifieke test kan nuttig zijn voor het uitsluiten van patiënten die een bepaalde ziekte hebben. Het acroniem is SPin (high Specificity, rule in).

Wat is een “hoog” bereik?

Wat als “hoge” gevoeligheid of specificiteit geldt, verschilt per test. Bijvoorbeeld de cut-offs voor Deep Vein Thrombosis en Pulmonary Embolism testen variëren van 200-500 ng/dL (Pregerson, 2016).
Terug naar boven

Hoge sensitiviteit/lage specificiteit voorbeeld

Een mammografie is een test met hoge sensitiviteit/lage specificiteit.

In het algemeen hebben tests met hoge sensitiviteit een lage specificiteit. Met andere woorden, ze zijn goed voor het opsporen van echte ziektegevallen, maar ze gaan ook gepaard met een vrij hoog percentage fout-positieven. Mammogrammen zijn een voorbeeld van een test die over het algemeen een hoge gevoeligheid (ongeveer 70-80%) en een lage specificiteit heeft. De gevoeligheid is afhankelijk van de grootte van de tumor, de leeftijd van de patiënt en andere factoren. Volgens Cancer.gov heeft de test ook een vrij hoog vals-positief percentage: de helft van de vrouwen die in de Verenigde Staten gedurende 10 jaar elk jaar een mammografie krijgen, krijgt een vals-positief resultaat.

Lage gevoeligheid/hoge specificiteit voorbeeld

Een voorbeeld van dit type test is de nitraat dipstick test die wordt gebruikt om te testen op urineweginfecties bij gehospitaliseerde patiënten (bijv.bijv. 27% gevoelig, 94% specifiek).
Back to Top

Wat is een Positieve voorspellende waarde?

De positieve voorspellende waarde (PPV) is de waarschijnlijkheid dat een positief resultaat in een hypothesetest betekent dat er een echt effect is. Het is de waarschijnlijkheid dat patiënten met een positief testresultaat daadwerkelijk de ziekte hebben. Het wordt vaak gebruikt bij medische tests waar een “positief” resultaat betekent dat u de ziekte daadwerkelijk hebt. Laten we bijvoorbeeld zeggen dat u getest bent op een vorm van kanker en dat de test een PPV van 15,2% had. Dat betekent dat als je test positief is, je een kans van 15,2% hebt dat je daadwerkelijk kanker hebt. Met andere woorden, een positief testresultaat betekent niet noodzakelijk dat je een bepaalde ziekte hebt. Een positief testresultaat op een mammografie kan bijvoorbeeld betekenen dat de kans dat u borstkanker hebt (d.w.z. de positieve voorspellende waarde) slechts tien procent is.

Een positief voorspellende waarde is een manier (samen met specificiteit, sensitiviteit en negatief voorspellende waarden) om het succes van een screeningtest te evalueren.

De positief voorspellende waarde wordt beïnvloed door hoe vaak de ziekte voorkomt in de geteste populatie; als de ziekte zeer vaak voorkomt, is de kans groter dat iemand met een positief testresultaat de ziekte ook echt heeft dan wanneer iemand een positieve test heeft in een populatie waar de ziekte zelden voorkomt.

Berekening van de positief voorspellende waarde

De positief voorspellende waarden kunnen op verschillende manieren worden berekend. Twee van de meest gebruikelijke zijn:

Positieve voorspellende waarde = aantal echte positieven / aantal echte positieven + aantal valse positieven
of
Positieve voorspellende waarde = gevoeligheid x prevalentie / gevoeligheid x prevalentie + (1- specificiteit) x (1-prevalentie)

De gevoeligheid is het percentage mensen met de ziekte die een positief testresultaat zullen hebben.

De voorspellende waarde kan worden berekend met behulp van een 2×2 contingentietabel, zoals deze:

De twee stukjes informatie die je nodig hebt om de positieve voorspellende waarde te berekenen zijn omcirkeld: het percentage waar-positieven (cel a) en het percentage vals-positieven (cel b).
Met de formule:
Positief voorspellende waarde = True Positive Rate / (true positive rate + false positive rate)*100
Voor deze specifieke gegevensverzameling:
Positief voorspellende waarde = a / (a + b) = 99 / (99 + 901) * 100 = (99/1000)*100 = 9,9%. Dat betekent dat als u deze specifieke test heeft gedaan, de kans dat u daadwerkelijk de ziekte heeft 9,9% is.

Een goede test zal lagere getallen hebben in de cellen b (vals-positief) en c (vals-negatief). Dat is logisch, want een perfecte test heeft alleen getallen in de echt positieve en de echt negatieve cellen. In werkelijkheid bestaan er echter geen perfecte tests. Bovendien wordt PPV beïnvloed door de prevalentie van de ziekte in de bevolking. Hoe meer mensen de ziekte hebben, hoe beter de PPV in het voorspellen van kansen.

Het volgende plaatje (met dank aan Wikipedia) laat een PPV zien van slechts 10%, verkregen door de ware positieven (20) te delen door de ware positieven (20) en de vals positieven (180). Dat betekent dat deze test het risico van een hoog vals-positief percentage in zich draagt.

Positief voorspellende waarden kunnen worden berekend aan de hand van elke contingentietabel. De online validiteitsberekenaar op deze BU.EDU-pagina (scroll naar de onderkant van de pagina) berekent de positief voorspellende waarde met behulp van een contingentietabel.

Positief voorspellende waarde vs. gevoeligheid van een test

De definitie van de positief voorspellende waarde lijkt op die van de gevoeligheid van een test en de twee worden vaak verward. Echter, PPV is nuttig voor de patiënt, terwijl gevoeligheid nuttiger is voor de arts. De positief voorspellende waarde zegt u hoe groot de kans is dat u een ziekte hebt als het resultaat positief is. Dit kan nuttig zijn om u te laten weten of u al dan niet in paniek moet raken. Anderzijds wordt de gevoeligheid van een test gedefinieerd als het percentage mensen met de ziekte die een positief resultaat zullen hebben. Dit feit is erg nuttig voor artsen bij het beslissen welke test te gebruiken, maar is van weinig waarde voor u als u positief test.
Terug naar boven

Negatieve voorspellende waarde

De negatieve voorspellende waarde is de waarschijnlijkheid dat mensen die een negatief testresultaat krijgen, de ziekte echt niet hebben. Met andere woorden, het is de waarschijnlijkheid dat een negatief testresultaat accuraat is.

De formule om de negatief voorspellende waarde te vinden is:
Negatief voorspellende waarde = True Negative Rate / (true negative rate + false negative rate)*100

Voor de bovenstaande gegevensverzameling:
Negatief voorspellende waarde = d / (c + d) = 43123 / (32 + 4323) * 100 = (43123/43155)*100 = 99.9%. Dat betekent dat als u deze specifieke test hebt gedaan en een negatief resultaat hebt gekregen, de waarschijnlijkheid dat u de ziekte niet hebt 99,9% is.

Beyer, W. H. CRC Standard Mathematical Tables, 31st ed. Boca Raton, FL: CRC Press, pp. 536 en 571, 2002.
Dodge, Y. (2008). De Beknopte Encyclopedie van de Statistiek. Springer.
Everitt, B. S.; Skrondal, A. (2010), The Cambridge Dictionary of Statistics, Cambridge University Press.
Kotz, S.; et al., eds. (2006), Encyclopedia of Statistical Sciences, Wiley.

——————————————————————————

Heb je hulp nodig bij een huiswerk of toetsvraag? Met Chegg Study kunt u stap-voor-stap oplossingen voor uw vragen krijgen van een expert op dit gebied. Uw eerste 30 minuten met een Chegg-leraar zijn gratis!