Diagnostiske tester og prevalens

Modellen

Bayes' teorem i sin kliniske form. Sensitivitet og spesifisitet er egenskaper ved TESTEN; prediktive verdier er egenskaper ved testen OG populasjonen. Det er derfor den samme testen skifter karakter når den flyttes fra akuttmottaket til en screeningpopulasjon.

Likelihood-ratioen er det som gjør teoremet brukbart ved sengekanten: den multipliserer oddsen og er uavhengig av prevalensen. LR+ over 10 eller LR− under 0,1 endrer håndteringen; mellom 0,5 og 2 gjør en test sjelden noen nytte i det hele tatt.

Rutenettet viser naturlige frekvenser i stedet for prosent. De samme tallene presentert som andeler får de fleste til å regne feil, mens personer i en kohort får både leger og pasienter til å regne riktig.

LR+ = Se / (1 − Sp) LR− = (1 − Se) / Spodds etter = odds før · 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 risiko med D-dimer ved høy risiko. Testen er identisk. Ved lav pretestsannsynlighet utelukker et negativt svar lungeemboli; ved høy gjør det ikke det. Konklusjonen: testen skal ikke tas når pretestsannsynligheten er høy.
• Ta Screening, uvanlig sykdom og les av falske alarmer per funnet tilfelle. En test med 90 % sensitivitet og 95 % spesifisitet gir ni friske utredet per syk som blir funnet — og det er en god test.
• Dra spesifisiteten fra 95 til 99 % i samme situasjon. Positiv prediktiv verdi mer enn firedobles. Ved screening er det spesifisiteten som avgjør om programmet er gjennomførbart, ikke sensitiviteten.
• Følg kurven og legg merke til at PPV faller bratt allerede under ti prosents prevalens, mens NPV knapt beveger seg. Det er asymmetrien bak nesten alle feiltolkede testsvar.
• Still inn en test med LR+ omkring 2 og se hvor lite oddsen endres. En slik test kan være statistisk signifikant i en studie og likevel aldri endre en beslutning.