4 Diagnostische Verfahren ✅

= Verfahren zur Aufdeckung einer bestimmten Krankheit

• oft werden binäre Entscheidungen (krank/gesund) getroffen

= Anteil der Kranken in einer Population

= A-priori-Wahrscheinlichkeit (vor Test)

= Vorkommen der Krankheit in einer Stichprobe

• sind stichprobenunabhängig

• Qualitätsmerkmale eines Tests

• sind unabhängig von der Größe der Stichprobe

Sensitvität

• = Wie viele der tatsächlich Kranken (alle richtig-positiven & falsch-negativen) werden vom Test erkannt (richtig positiv)?

• also Wahrscheinlichkeit, dass der Test bei Kranken positiv ausfällt

• Anteil der Test-positiven unter den Kranken

• richtig positiv / (richtig-positiv + falsch-negativ)

Spezifität

• Wie viele der tatsächlich Gesunden (alle richtig-negativen & falsch-positiven) werden vom Test erkannt (richtig negativ)?

• also Wahrscheinlichkeit, dass der Test bei Gesunden negativ ausfällt

• Anteil der Test-Negativen unter den Gesunden

• richtig-negativ / (richtig-negativ + falsch-positiv)

Einsatz

sensitive Tests

-> wenn kein Krankheitsfall übersehen werden darf

-> wenn Krankheiten ausgeschlossen werden sollen (Auschluss-Test)

spezifische Tests

-> wenn kein Gesunder falschen Verdacht erhalten soll

-> wenn der Verdacht auf eine Krankheit bestätigt werden soll (Bestätigungstest)

• sind stichprobenabhängig

• hängen also von der Prävalent ab

• bei steigender Prävalenz

  • sinkt der NPV

  • steigt der PPV

Positiver Prädiktionswert

• Wie viele mit einem positiven Testwert (richtig-positiv & falsch-positiv) sind wirklich krank (richtig-positiv)?

• also Wahrscheinlichkeit, dass bei einem positiven Test tatsächlich die Krankheit vorliegt

• richtig-positiv / (richtig-positiv + falsch-positiv)

Negativer Prädiktionswert

• Wie viele mit einem negativen Testwert (richtig-negativ & falsch-negativ) sind wirklich gesund (richtig-negativ)

• also Wahrscheinlichkeit, dass bei einem negativen Test wirklich Gesundheit vorliegt

• richtig-negativ / (richtig-negativ + falsch-negativ)

Festlegen von Schwellenwerten

= grafische Darstellung

• des Anteils der richtig-positiven (Sensitivität)

• gegen den Anteil der falsch positiven (1-Spezifität)

• bei variierendem Schwellenwert

AUC (Area under curve)

-> Fläche unter der Kurve entspricht der Qualität des diagnostischen Tests

• 1= der perfekte diagnostische Test

• 0,5 eher rein zufällige Entscheidung

-> die ROC Kurve muss der linken oberen Ecke der Grafik am nächsten liegen

• das ist der optimale Schwellenwert für einen diagnostischen Test

• entspricht hoher Sensitivität (= viele richtig positive, wenig falsch-positive)

Ausschlusstest

-> es soll auf einen hohen negativen Vorhersagewert & eine hohe Sensitivität geachtet werden

Bestätigungstests

-> es soll auf einen hohen positiven Vorhersagewert & eine hohe Spezifität geachtet werden