Diagnostiske test og prævalens

Modellen

Bayes' sætning i sin kliniske form. Sensitivitet og specificitet er egenskaber ved TESTEN; prædiktive værdier er egenskaber ved testen OG populationen. Det er derfor, den samme test skifter karakter, når den flyttes fra akutmodtagelsen til en screeningpopulation.

Likelihood ratio er det, der gør sætningen brugbar ved sengekanten: den ganger oddset og er uafhængig af prævalensen. LR+ over 10 eller LR− under 0,1 ændrer håndteringen; mellem 0,5 og 2 gør en test sjældent nogen nytte overhovedet.

Gitteret viser naturlige frekvenser i stedet for procent. De samme tal præsenteret som andele får de fleste til at regne forkert, mens personer i en kohorte får både læger og patienter til at regne rigtigt.

LR+ = Se / (1 − Sp) LR− = (1 − Se) / Spoddsefter = oddsfør · LRPPV = Se·P / (Se·P + (1 − Sp)·(1 − P))NPV = Sp·(1 − P) / (Sp·(1 − P) + (1 − Se)·P)

Tips

• Sammenlign D-dimer ved lav PE-risiko med D-dimer ved høj PE-risiko. Testen er identisk. Ved lav prætestsandsynlighed udelukker et negativt svar lungeemboli; ved høj gør det ikke. Konklusionen: testen skal ikke tages, når prætestsandsynligheden er høj.
• Tag Screening, sjælden sygdom og aflæs antallet af falske alarmer pr. fundet tilfælde. En test med 90 % sensitivitet og 95 % specificitet giver ni raske udredt pr. syg fundet — og det er en god test.
• Træk Specificitet fra 95 til 99 % i samme situation. Den positive prædiktive værdi mere end firedobles. Ved screening er det specificiteten, der afgør, om programmet er gennemførligt, ikke sensitiviteten.
• Følg kurven og læg mærke til, at PPV falder stejlt allerede under ti procents prævalens, mens NPV næppe rører sig. Det er asymmetrien bag næsten alle fejltolkede testsvar.
• Indstil en test med LR+ omkring 2 og se, hvor lidt oddset ændrer sig. En sådan test kan være statistisk signifikant i et studie og alligevel aldrig ændre en beslutning.