Basisbegrippen medische testeigenschappen
Voor een goed begrip van de relevantie van een medische test uitslag aangaande het stellen van een diagnose is het bekend zijn met bepaalde concepten van groot belang. Termen zoals bijvoorbeeld sensitiviteit en specificiteit beschrijven de meerwaarde en beperkingen die een test kan bieden. Voorafgaande aan de test kan men zich op basis van bijvoorbeeld de prevalentie of incidentie een beeld vormen over de kans van aanwezigheid. Hierna kan men middels de ‘likelihood ratio’ een berekening uitvoeren waarmee men een uitspraak kan doen over de posttestwaarschijnlijkheid van de ziekte (‘posttest probability’). Een diagnostische test vormt vaak een middel om een pre- in een posttestwaarschijnlijkheid te verwerken.
Inhoudsopgave
Welke soorten testuitslagen bestaan er?
Een medisch diagnostische test uitslag maakt in het algemeen het onderscheid tussen ‘ziek’ en ‘niet ziek’. Met een negatieve testuitslag wordt de afwezigheid van de aandoening naar aanleiding van het testresultaat beschreven. Met een positieve testuitslag wordt de aanwezigheid van de ziekte volgens het testresultaat geduid. Bij een groot deel van de medische tests is de uitslag echter niet 100 procent betrouwbaar. De ziekte kan bijvoorbeeld, ondanks een negatieve uitslag, toch aanwezig zijn. Hierdoor kan het resultaat terecht of fout worden benoemd.
Terecht negatief
Bij een terecht negatieve testuitslag is de ziekte niet aanwezig en is de testuitslag negatief.
Fout negatief
Bij een fout negatieve testuitslag is de ziekte wel aanwezig, maar is de testuitslag negatief. De uitslag correleert dus niet met de daadwerkelijke situatie. In deze situatie wordt de diagnose dus gemist. Hierdoor kan men bijvoorbeeld onterecht door gaan met een ongezonde levensstijl zoals roken. Daarnaast kan een teleurstelling ontstaan op het moment dat de ziekte wel tot uiting komt.
Terecht positief
Bij een terecht positieve testuitslag is de ziekte aanwezig en is de testuitslag positief.
Fout positief
Bij een fout positieve testuitslag is de ziekte afwezig maar is de testuitslag negatief. De testuitslag correleert dus niet met de daadwerkelijke situatie. Hierbij wordt men onterecht verdacht van een diagnose en mogelijk ook hiervoor behandeld.
Wat zijn sensitiviteit en specificiteit?
Sensitiviteit en specificiteit beschrijven de kans op een terechte testuitslag bij de aan- of afwezigheid van een aandoening, oftewel de kans dat een testuitslag overeenkomt met de werkelijke situatie.
Sensitiviteit
De sensitiviteit beschrijft de kans dat een test terecht positief is in een groep met daadwerkelijk ziekte personen. Men verkrijgt dit percentage door het aantal mensen met een terecht positieve testuitslag te delen door de totale groep mensen met een aandoening. Bij een test met een hoge sensitiviteit zijn er in de groep met een ziekte veel mensen met een positief testresultaat.
Specificiteit
De specificiteit beschrijft de kans dat een test terecht negatief is in de groep met de daadwerkelijk niet-zieke personen. Om dit percentage te verkrijgen deelt men het aantal mensen met een terecht negatieve testuitslag door het totale aantal mensen zonder de aandoening. Bij een test met een hoge specificiteit zijn er onder de mensen met de daadwerkelijke afwezigheid van de aandoening veel mensen met een terecht negatieve testuitslag.
Ideale test en gouden standaard
Een ideale test heeft een sensitiviteit van 100% (niemand met de aanwezigheid van de aandoening wordt negatief bevonden) en een specificiteit van 100% (niemand met de afwezigheid van de aandoening heeft een positief testresultaat). Soortgelijke testen komen in de medische wereld zeer weinig voor. Vaak wordt een test qua resultaten vergeleken met een zogenaamde gouden standaard, hiermee wordt in het algemeen de op dat moment beste diagnostiek beschreven. Middels de vergelijking met de gouden standaard is het mogelijk om de foute/terechte positieve en negatieve testuitslagen te beschrijven.
Praktijkvoorbeelden
Een voorbeeld van een test waarbij mijn streeft naar een hoge sensitiviteit is bijvoorbeeld een screeningsonderzoek op de aanwezigheid van HIV bij een transfusiedonor. Hierbij wil men absoluut geen enkel geval missen en accepteert men vrijwel geen fout negatieve uitslagen. Deze zouden hypothetisch een infectiebron kunnen vormen. Een relatief hogere aantal fout positieve testresultaten kan men in een tweede fase middels bijvoorbeeld een tweede en specifiekere test aantonen ofwel uitsluiten.
Een test met hoge specificiteit is er met name op gericht om relatief zo veel mogelijk terecht negatieve testuitslagen te krijgen in de groep waarbij de aandoening aanwezig is. Een voorbeeld hiervan vormt bijvoorbeeld een test naar de aanwezigheid van suikerziekte waarbij een zeer hoge afkapwaarde betreffende de in het bloed aanwezige glucose na de maaltijd wordt genomen. Hierdoor zullen zich onder de mensen zonder suikerziekte zeer weinig vals positief testen. In tegenstelling tot een lage afkapwaarde voor de in het bloed aanwezige glucose, op dat moment zullen er in de groep zonder suikerziekte een relatief groot aantal als fout positief worden gediagnosticeerd. Frequent zijn zowel specificiteit als sensitiviteit afhankelijk van de afkapwaarde ('cut off point').
Voorbeelden van testuitslagen
| Ziek | Niet ziek |
Positief testresultaat | Terecht positief (A) | Fout positief (B) |
Negatief testresultaat | Fout negatief (C) | Terecht negatief (D) |
Berekening sensitiviteit, specificiteit en positieve/ negatieve waarschijnlijkheidsratios
Begrip | Berekening |
Sensitiviteit | Aantal terecht positief / (Terecht positief + Fout negatief) = A / (A+C) |
Specificiteit | Aantal terecht negatief / (Fout positief + Terecht negatief) = D / (B+D) |
Positieve waarschijnlijkheidsratio | Sensitiviteit / (1 - Specificiteit) |
Negatieve waarschijnlijkheidsratio | Specificiteit / (1 - Sensitiviteit) |
De waarschijnlijkheidsratio
Wanneer de aantallen betreffende terecht/fout negatief en terecht/fout positief bekend zijn kan men de waarschijnlijkheidsratio (‘likelihood ratio’) berekenen. Wanneer men de pretestwaarschijnlijkheid vermenigvuldigt met de positieve ofwel negatieve waarschijnlijkheidsratio ontstaat het posttestwaarschijnlijkheidspercentage. Middels dit getal kan men zich een beeld vormen van de kans op de aanwezigheid van de aandoening en tevens van de meerwaarde van de test om de diagnose te bevestigen ofwel uit te sluiten. Het gebruik van het nomogram van Fagan is een eenvoudig hulpmiddel hierbij.
Beperkingen
Uiteindelijk zijn er altijd een aantal beperkingen aanwezig waarmee men rekening dient te houden bij het gebruik van een diagnostische test. Ten eerste kan het bijzonder lastig zijn een beeld te vormen van de pre-testwaarschijnlijkheid van een bepaalde aandoening. Een tweede is de beperkte betrouwbaarheid van de informatie betreffende de testuitslag vergeleken met de gouden standaard. Vaak zijn de onderzoeken waarop deze resultaten zijn gebaseerd van kleine omvang of is de gouden standaard zelf een meetinstrument van dubieuze betrouwbaarheid.
Nomogram van Fagan, klik voor vergroting /
Bron: Mikael Häggström, Wikimedia Commons (Publiek domein)
Het
normogram van Fagan vormt een hulpmiddel om op basis van de pretestwaarschijnlijkheid middels de waarschijnlijkheidsratio de posttestwaarschijnlijkheid te bepalen. Klik eerst voor een vergroting. Neem dan, uitgaande van de linkerzijde, de pretestwaarschijnlijkheid en trek een rechte lijn door het waarschijnlijkheidsratio. Het getal resulterende aan de rechterzijde vormt de resulterende posttestwaarschijnlijkheid.
- Om de kans op de aanwezigheid van de aandoening na een positief testresultaat te berekenen gebruikt men de positieve waarschijnlijkheidsratio.
- Om de kans op afwezigheid na een negatief testresultaat te berekenen gebruikt men de negatieve waarschijnlijkheidsratio.
Des te dichter de (positieve of negatieve) waarschijnlijkheidsratio bij de 1,0 ligt, des te minder voegt de test iets toe aan de diagnosevorming.
Een voorbeeld: De pre-testwaarschijnlijkheid is 3%. De positieve waarschijnlijkheidsratio is 10. Bij een positieve testuitslag resulteert dit in een posttestwaarschijnlijkheid volgens het nomogram van ongeveer 25%. Het bepalen van de posttestwaarschijnlijkheidsratio middels een formule is eveneens mogelijk, meer informatie is vindbaar op de
Engelse wikipedia pagina.