Diagnostische Tests und Prävalenz

Das Modell

Der Satz von Bayes in seiner klinischen Form. Sensitivität und Spezifität sind Eigenschaften des TESTS; prädiktive Werte sind Eigenschaften des Tests UND der Population. Deshalb wechselt derselbe Test seinen Charakter, wenn er von der Notaufnahme in eine Screening-Population verlegt wird.

Das Likelihood-Verhältnis ist das, was den Satz am Krankenbett brauchbar macht: es multipliziert die Odds und ist von der Prävalenz unabhängig. Ein LR+ über 10 oder ein LR− unter 0,1 ändert das Vorgehen; zwischen 0,5 und 2 nützt ein Test selten überhaupt etwas.

Das Raster zeigt natürliche Häufigkeiten statt Prozent. Dieselben Zahlen als Anteile dargestellt bringen die meisten zum Verrechnen, während Personen in einer Kohorte sowohl Ärzte als auch Patienten richtig rechnen lassen.

LR+ = Se / (1 − Sp) LR− = (1 − Se) / SpNachtest-Odds = Vortest-Odds · LRPPV = Se·P / (Se·P + (1 − Sp)·(1 − P))NPV = Sp·(1 − P) / (Sp·(1 − P) + (1 − Se)·P)

Tipps

• D-Dimer bei niedrigem Risiko mit D-Dimer bei hohem Risiko vergleichen. Der Test ist identisch. Bei niedriger Vortestwahrscheinlichkeit schließt ein negatives Ergebnis die Lungenembolie aus; bei hoher tut es das nicht. Die Schlussfolgerung: der Test soll nicht abgenommen werden, wenn die Vortestwahrscheinlichkeit hoch ist.
• Screening, seltene Krankheit wählen und die Fehlalarme pro gefundenem Fall ablesen. Ein Test mit 90 % Sensitivität und 95 % Spezifität führt zu neun abgeklärten Gesunden pro gefundenem Kranken — und das ist ein guter Test.
• In derselben Lage die Spezifität von 95 auf 99 % ziehen. Der positiv prädiktive Wert steigt auf mehr als das Vierfache. Beim Screening entscheidet die Spezifität, ob das Programm durchführbar ist, nicht die Sensitivität.
• Der Kurve folgen und bemerken, dass der PPV schon unterhalb von zehn Prozent Prävalenz steil abfällt, während sich der NPV kaum bewegt. Das ist die Asymmetrie hinter fast allen fehlgedeuteten Testergebnissen.
• Einen Test mit einem LR+ um 2 einstellen und sehen, wie wenig sich die Odds ändern. Ein solcher Test kann in einer Studie statistisch signifikant sein und trotzdem nie eine Entscheidung ändern.