Känslighet vs specificitet och prediktivt värde

Innehåll:

2. Vad är sensitivitet (sant positivt tal)?
4. Vad är specificitet (sant negativt tal)?
5. Positiva förutsedda värden
6. Negativa förutsedda värden

Vad är ett känsligt test?

Känsligheten hos ett test (även kallad sant positiv andel) definieras som andelen personer med sjukdomen som kommer att få ett positivt resultat. Med andra ord är ett högkänsligt test ett test som korrekt identifierar patienter med en sjukdom. Ett test som är 100 % känsligt identifierar alla patienter som har sjukdomen. Det är ytterst sällsynt att något kliniskt test är 100 % känsligt. Ett test med 90 % känslighet identifierar 90 % av patienterna som har sjukdomen, men missar 10 % av patienterna som har sjukdomen.

Ett högkänsligt test kan vara användbart för att utesluta en sjukdom om en person har ett negativt resultat. Till exempel innebär ett negativt resultat på ett paputstryk förmodligen att personen inte har livmoderhalscancer. Den akronym som används allmänt är SnNout (high Sensitivity, Negative result = rule out).
Back to Top

Vad är ett specifikt test?

Specificiteten hos ett test (även kallad True Negative Rate) är andelen personer utan sjukdomen som får ett negativt resultat. Med andra ord avser ett tests specificitet hur väl ett test identifierar patienter som inte har en sjukdom. Ett test som har 100 % specificitet identifierar 100 % av de patienter som inte har sjukdomen. Ett test som är 90 % specifikt identifierar 90 % av patienterna som inte har sjukdomen.

Tester med hög specificitet (hög sant negativ andel) är mest användbara när resultatet är positivt. Ett högspecifikt test kan vara användbart för att avgöra vilka patienter som har en viss sjukdom. Akronymen är SPin (hög specificitet, rule in).

Vad är ett ”högt” intervall?

Vad som räknas som ”hög” sensitivitet eller specificitet varierar beroende på testet. Till exempel varierar gränsvärdena för tester för djup ventrombos och lungemboli från 200-500 ng/dL (Pregerson, 2016).
Back to Top

Exempel på hög sensitivitet/låg specificitet

En mammografi är ett test med hög sensitivitet/låg specificitet.

I allmänhet har tester med hög sensitivitet låg specificitet. Med andra ord är de bra för att fånga upp faktiska fall av sjukdomen, men de kommer också med en ganska hög andel falska positiva resultat. Mammografi är ett exempel på ett test som i allmänhet har hög känslighet (cirka 70-80 %) och låg specificitet. Känsligheten beror på tumörstorlek, patientens ålder och andra faktorer. Enligt Cancer.gov har testet också en ganska hög andel falskt positiva resultat: hälften av de kvinnor som får årliga mammografier varje år i tio år i USA kommer att få ett falskt positivt resultat.

Exempel på låg känslighet/hög specificitet

Ett exempel på den här typen av test är nitratdippstickstestet som används för att testa urinvägsinfektioner hos sjukhuspatienter (t.ex.t.ex. 27 % känslig, 94 % specifik).
Tillbaka till början

Vad är ett positivt prediktivt värde?

Det positiva prediktiva värdet (PPV) är sannolikheten för att ett positivt resultat i ett hypotesprövningstest innebär att det finns en verklig effekt. Det är sannolikheten för att patienter som har ett positivt testresultat faktiskt har sjukdomen. Det används ofta vid medicinska tester där ett ”positivt” resultat innebär att man faktiskt har sjukdomen. Låt oss till exempel säga att du testades för en typ av cancer och att testet hade en PPV på 15,2 %. Det innebär att om testet var positivt hade du 15,2 % chans att faktiskt ha cancer. Med andra ord betyder ett positivt testresultat inte nödvändigtvis att du har en viss sjukdom. Ett positivt testresultat på en mammografi kan till exempel betyda att dina chanser att få bröstcancer (dvs. det positiva prediktiva värdet) endast är tio procent.

Ett positivt prediktivt värde är ett sätt (tillsammans med specificitet, känslighet och negativt prediktivt värde) att utvärdera hur lyckat ett screeningtest är.

Positiva prediktiva värden påverkas av hur vanlig sjukdomen är i den population som testas; om sjukdomen är mycket vanlig är det mer sannolikt att en person med ett positivt testresultat faktiskt har sjukdomen än om en person har ett positivt test i en population där sjukdomen är sällsynt.

Beräkning av det positiva prediktiva värdet

Positiva prediktiva värden kan beräknas på flera sätt. Två av de vanligaste är:

Positivt prediktivt värde = antal sant positiva / antal sant positiva + antal falskt positiva
eller
Positivt prediktivt värde = Känslighet x prevalens / Känslighet x prevalens + (1- specificitet) x (1-prevalens)

Känslighet är andelen personer med sjukdomen som får ett positivt testresultat.

Det prediktiva värdet kan beräknas från en 2×2-kontingenstabell, som denna:

De två uppgifter som du behöver för att beräkna det positiva prediktiva värdet är inringade: den sant positiva andelen (cell a) och den falskt positiva andelen (cell b).
Med hjälp av formeln:
Positivt prediktivt värde = Sann positiv frekvens / (sann positiv frekvens + falsk positiv frekvens)*100
För den här specifika uppsättningen data:
Positivt prediktivt värde = a / (a + b) = 99 / (99 + 901) * 100 = (99/1000)*100 = 9,9 %. Det betyder att om du tar just detta test är sannolikheten att du faktiskt har sjukdomen 9,9 %.

Ett bra test kommer att ha lägre siffror i cellerna b (falskt positiva) och c (falskt negativa). Detta är logiskt, eftersom ett perfekt test endast kommer att ha siffror i de sant positiva och sant negativa platserna. I verkligheten finns dock inte perfekta test. Dessutom påverkas PPV av sjukdomens prevalens i befolkningen. Ju fler människor som har sjukdomen, desto bättre är PPV när det gäller att förutsäga oddsen.

Den följande bilden (med tillstånd från Wikipedia) visar ett PPV på endast 10 %, som erhålls genom att dela de sant positiva (20) med sant positiva (20) och falskt positiva (180). Det innebär att det här testet innebär en risk för en hög andel falskt positiva.

Positiva prediktiva värden kan beräknas från vilken kontingenstabell som helst. Online Validity Calculator på denna BU.EDU-sida (scrolla till botten av sidan) beräknar positiva prediktiva värden med hjälp av en contingencytabell.

Positivt prediktivt värde vs. ett tests känslighet

Definitionen av positivt prediktivt värde liknar definitionen av ett tests känslighet och de två förväxlas ofta. PPV är dock användbart för patienten, medan känsligheten är mer användbar för läkaren. Positivt prediktivt värde talar om oddsen för att du har en sjukdom om du har ett positivt resultat. Detta kan vara användbart för att låta dig veta om du bör få panik eller inte. Å andra sidan definieras ett tests känslighet som andelen personer med sjukdomen som kommer att få ett positivt resultat. Detta faktum är mycket användbart för läkare när de beslutar vilket test som ska användas, men är av ringa värde för dig om du får ett positivt test.
Tillbaka till början

Negativt prediktivt värde

Det negativa prediktiva värdet är sannolikheten för att personer som får ett negativt testresultat verkligen inte har sjukdomen. Med andra ord är det sannolikheten för att ett negativt testresultat är korrekt.

Formeln för att hitta det negativa prediktiva värdet är:
Negativt prediktivt värde = sant negativt värde / (sant negativt värde + falskt negativt värde)*100

För ovanstående uppsättning data:
Negativt prediktivt värde = d / (c + d) = 43123 / (32 + 4323) * 100 = (43123/43155)*100 = 99.9%. Det betyder att om du tog just detta test och fick ett negativt resultat är sannolikheten att du inte har sjukdomen 99,9 %.

Beyer, W. H. CRC Standard Mathematical Tables, 31st ed. Boca Raton, FL: CRC Press, s. 536 och 571, 2002.
Dodge, Y. (2008). The Concise Encyclopedia of Statistics. 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.

——————————————————————————

Behövs hjälp med en läx- eller provfråga? Med Chegg Study kan du få steg-för-steg-lösningar på dina frågor från en expert inom området. Dina första 30 minuter med en Chegg-handledare är gratis!