kap 3 fletcher: sensitivitet, specificitet, likelihood ratios

1. Diagnos
Kap 3. Jonas Ludvigsson
Fletcher et al
2008

2. Nytta av ett test
Bekräfta - att en patient har en viss diagnos
Förkast - att en patient har en viss diagnos

3. Förhållande: test-sjukdom
Sjukdom
Sjuk Frisk
Pos Sant positiv Falskt positiv
Test
Neg Falskt neg Sant neg

4. Förhållande: test-celiaki 1
Celiaki
Sjuk Frisk
PPV = 13/17= 76%
Pos 13 4 NPV = 443/446=
99.3%
Ema
Neg 3 443
Hadithi

5. Förhållande: test-celiaki 2
Celiaki
Sjuk Frisk
PPV = 13/17= 76%
Pos 13 4 NPV = 443/446=
99.3%
Ema
Neg 3 443
Hadithi

6. Förhållande: test-celiaki 3
Celiaki
Sjuk Frisk
PPV = 16/208= 8%
Pos 16 192 NPV = 255/255=
100%
HLA DQ2 or 8
“Celiakitest förenligt
Neg 0 255 med celiaki”
(journal)

7. Gold standard 1
Enkla: halsodling
Komplicerad: Biopsi (lungcancer)
Criterion standard
Komplicerad: Biopsi (kardiomyopati)
Reference standard
Alternativ: Follow-up: rätt längd...

8. Gold standard 2
Föredra enklare test: Rtg
Varför inte lungbiopsi?
Men acceptera viss -Omständligt
felklassificering... -Farligt
-Dyrt

9. Problem - diagnostiska tester
“Driver inte utredningen vidare om
celiakitest är neg...
(kostnad, risker, etiska aspekter)
Innebörd av negativa test?
Alltså vet vi ganska litet
om neg testresultat...

10. Värdera negativa test
Ett sätt att värdera nyttan av ett negativt test: Prostata-Ca
Analysera tidigare sera

11. Vad visar testet hos friska
Vad visar MR ryggmärg hos patienter utan ryggsmärta?

12. Objektiva sjukdomskriterier saknas
Angina Pectoris - anamnes
Colon irritabile
Jonas kompis

13. Dålig gold standard...
Problem när man prövar ett nytt test:
•Hittar nya fall
•Hittar inte vissa gamla fall..

14. Sensitivitet - Specificitet
Sensitivitet: Andel av de sjuka som hittas (pos. test)
Specificitet: Andel av de friska som friskförklaras (neg. test)

15. Val av test
Måste hitta alla: PKU-test, Tb, HIV inför att ge blod
NYTTA: testet är negativt
Sensitivitet: Andel av de sjuka som hittas (pos. test)
Specificitet: Andel av de friska som friskförklaras (neg. test)

16. Val av test
Sensitivitet: Andel av de sjuka som hittas (pos. test)
Specificitet: Andel av de friska som friskförklaras (neg. test)
Bekräfta att någon är sjuk: Benmärgsbiopsi inför cytostatikabehandl.
NYTTA: testet är positivt

17. Trade-off (myntets baksida)
2
ROC-kurva
15
Cut-off var???
Lågt gränsvärde 2 = “få med friska”
Högt gränsvärde 15 = “missa sjuka”

18. Trade-off (myntets baksida)
2
ROC-kurva
15
Cut-off var???
Lågt gränsvärde 2 = “få med friska”
Högt gränsvärde 15 = “missa sjuka”

19. Varför nya tester framstår som så bra!
Entusiastisk testare (vill publicera i bra tidskrift)
I vilken patientgrupp man kört testet
Bias när man tolkar testet

20. Patientgrupper
Testas bland tydliga patientfall: uttalad sjukdom, långdragen
sjukdom
Annorlunda i den vanliga befolkningen...

21. Bias när sensitiv/spec. mäts 1
fler sant positiva
Om testet positivt: Leta vidare efter sjukdom: “du hittar den!”
Om testet negativt: Ej leta vidare efter sjukdom: “hittas inte”
färre sant positiva

22. Bias när sensitiv/spec. mäts 2
Testet som utvärderas, ej påverka risken för diagnos.
Alltså: Diagnosen ställas oberoende av testet!
“Eftergranska bilderna” = fördel/nackdel

23. Slump när sensitiv/spec. mäts
Sensitivitet och specificitet utvärderas på bas av små material
Publication bias: Ett test med hög spec/sens - lättare publiceras
Men hur får vi en sensitivitet på 75% av 10 pat..:-)

24. Prediktivt värde
Före test: Hur stor andel av de sjuka hittar testet?
Före test: Hur stor andel av de friska friskförklaras?
Efter test: Hur stor andel av de EMA+ har celiaki?
Efter test: Hur stor andel av de EMA- har inte celiaki

25. Prediktivt värde 2
Prediktivt värde = posterior/posttest probability
Accuracy = andel sanna (sant pos + sant neg)
Prevalens = prior / pretest probability*
Befolkningen: 1%
Inremitt. för endoskopi: 4%

26. Prediktivt värde 3
Hög sensitivitet = Bättre negativt prediktivt värde
Hög specificitet = Bättre positivt prediktivt värde
låg specificitet (90%):
många falskt positiva:
lägre andel av de med
pos test är verkligen sjuka!

27. Prediktivt värde 4
Malaria snabbtest: bara testa bland infödda svenskar i Sverige
Extremt låg prevalens
Alla positiva = falskt positiva.
Positivt prediktiva värdet närmar sig “0”!

28. Prediktivt värde: Testa vem?
HIV-test: OK att screena riskgrupper
HIV-test: screena alla?
Vad händer om vi screenar hela Sveriges befolkning för
celiaki?
Prevalens avgörande för pos pred värde!

29. Uppskatta prevalensen
Kliniker överskattar prevalensen...”jag hade en Kawasaki förra
veckan”...
Stora databaser

30. Att öka prevalensen
Inremitterade patienter fler diagnost. test
Vissa demografiska grupper 65årig man: angina...
Symptom/tecken/anamnes rökare m. anginasmärta

31. Likelihood ratio
Probability = sensitivitet, specificitet, prediktivt värde (andelar)
Odds = kvot = sannolikhet av event / (1-sannolikhet)
Likelihood ratios: Hur många gånger mer sannolikt att positivt
hos sjuka än hos friska.
Celiaki: EMA: LR+ = 91
(91 ggr mer sannolikt att pos test hos celiakipat än hos frisk)

32. Likelihood ratio
Sensit. 1-spec.
Röd=befolkn.
Grön=Hadithi
(13/16) / (4/443) = 90
13 4
3 443

33. Lieklihood ratio 2
Sensitivitet = andel av alla med sjukdom
Likelihood = hur bra ett test är på att hitta en sjuk
•Rule o thumb:
•LR+ 1 = ingen ökad risk för sjd
•LR+ 10 = 50% ökad risk för sjd

34. Parallel vs. serial testing
Många tester samtidigt: Öka sensitivitet (inremitt. patienter /
provsvep)
Ett test i taget: Öka specificiteten eftersom bara den som är
upprepat positiv går vidare. Ökat PPV: högre andel av de med
tre efterföljande test är positiva har verkligen sjukdom!
Dyra, riskabla test: ex. amniocentes