Alle laboratoriumanalyses hebben een doel, meestal om bij te dragen aan een klinische beslissing. De proceduredrempel kan worden gedefinieerd als een drempelwaarde voor de klinische beslissing die men moet nemen. HbA1c heeft bijvoorbeeld verschillende actielimieten:
- HbA1c 42-47 mmol / mol duidt op een hoog risico op het ontwikkelen van diabetes (ontwikkelen).
- HbA1c ≥ 48 mmol / mol in twee monsters voor de diagnose van diabetes mellitus.
- H.BA1c <53 mmol / mol is een veelvoorkomend doelwit van behandeling.
eenKsDe iongrens kan gerelateerd zijn aan de referentiegrens van de component, maar dat hoeft niet zo te zijn. Het referentiebereik voor HbA1c is bijvoorbeeld ongeveer 20-40 mmol / mol, ruim onder de actielimieten. Zoals de bovenstaande bepaling illustreert, kunnen er verschillende procedurebeperkingen zijn. Men kan bijvoorbeeld een procedurelimiet hebben om een conditie veilig te detecteren, een procedurelimiet om een conditie veilig uit te sluitenHet tweede is een grijs gebied tussen bedrijfsgrenzen, waar men nader onderzoek moet doen om het af te kunnen ronden.
Diagnostische nauwkeurigheid tot op het punt van de procedure
Wanneer een proceduredrempel wordt gebruikt om zieke en gezonde mensen (of mensen die al dan niet een bepaalde aandoening hebben) van elkaar te onderscheiden, bestaat de kans op classificatiefouten. De ene riskeert vals-positieven (gezonde mensen geclassificeerd als ziek) en vals-negatieven (patiënten geclassificeerd als gezond). In de praktijk moet men ofwel de grenzen van acties kiezen die ofwel vals-positieven ofwel vals-negatieven vermijden (bijvoorbeeld als de test moet worden gebruikt om een aandoening op betrouwbare wijze te detecteren of uit te sluiten), ofwel moet men de grenzen van de procedure kiezen die vinden een acceptabel evenwicht tussen het voorkomen van valse positieven en valse negatieven. Hiervoor moet men rekening houden met verschillende factoren, waaronder gevolgen en kosten. Hier beperken we ons tot het maken van enkele eenvoudige waarschijnlijkheidsbeoordelingen.
We kijken naar een dummy-voorbeeld waarbij een (goedkope) test wordt gebruikt om onderscheid te maken tussen een patiënt en een gezond persoon, afhankelijk van of het testresultaat positief of negatief is. Er is een (dure) gouden standaard die zeker onderscheid maakt tussen gezond en ziek. Eén studie vergeleek de test met de gouden standaard en vond de volgende verdeling van testresultaten:
| Positieve test | Negatieve test | |
| erg ziek | 43 | 5 |
| Echt vers | 12 | 124 |
We kunnen nu de gevoeligheid en specificiteit berekenen, dat wil zeggen de kans dat patiënten of anderszins gezonde mensen respectievelijk de juiste testresultaten zullen ontvangen (het woord “correct” betekent hier dat het testresultaat de juiste classificatie voor de patiënt geeft). In dit geval zijn beide ongeveer 90%. We kunnen deze getallen niet zomaar gebruiken om de voorspellende waarde van een testantwoord te berekenen, d.w.z. de waarschijnlijkheid dat het testantwoord correct zal zijn. Daarom moeten we ook iets weten over de kans dat iemand ziek wordt. Dit kan bijvoorbeeld de prevalentie van ziekten zijn in de populatie die we onderzoeken of de waarschijnlijkheid inschatten hoe plausibel de patiënt is.
Als de kans groot is dat een patiënt ziek wordt, zal de voorspellende waarde van een positief testresultaat erg hoog zijn, terwijl de voorspellende waarde van een negatief testresultaat relatief laag zal zijn, zelfs als de test een goede score heeft.Gevoeligheid en privacy. En vice versa als het onwaarschijnlijk is dat de patiënt ziek wordt. De onderstaande figuur laat zien hoe de voorspellende waarde afhangt van de waarschijnlijkheid of prevalentie van de pretest in ons voorbeeld:
Gedetailleerde uitleg
gevoeligheid
Een allergie is de kans dat een zieke persoon een positieve test krijgt. We kunnen dit berekenen als P (positieve test | patiënt) = (aantal patiënten met positieve test) / (totaal aantal patiënten), wat in ons voorbeeld 43 / (43 + 5) ≈ 90% is. Dit betekent dat ongeveer 9 op de 10 patiënten een positief resultaat zullen hebben, terwijl 1 op de 10 patiënten een vals negatief resultaat zal hebben (verkeerd geïnterpreteerd als gezond).
Vaak wordt beweerd dat de gevoeligheid onafhankelijk is van de ziekteverspreiding. Dit is de helft van de waarheid, omdat ziekteactiviteit (mate van ziekte) allergieën kan beïnvloeden. Dit komt doordat het testresultaat meestal meer scheef is bij een meer voor de hand liggende ziekte dan bij een minder voor de hand liggende ziekte.
Kwaliteit
Privacy is de kans dat een gezond persoon een negatieve test krijgt. We kunnen dit berekenen als P (negatieve test | gezond) = (aantal gezonde proefpersonen met negatieve test) / (totale gezonde populatie), wat in ons voorbeeld 124 / (124 + 12) ≈ 91% is. Dit betekent dat ongeveer 9 op de 10 gezonde mensen een negatieve test zullen krijgen, terwijl 1 op de 10 gezonde mensen een vals positief resultaat zal hebben (verkeerd geïnterpreteerd als ziek).
Vaak wordt beweerd dat specificiteit onafhankelijk is van ziekteverspreiding. Dit is de helft van de waarheid, omdat de verspreiding van ziekten in een populatie de testspecificiteit kan beïnvloeden. Veronderstel dat een toestand die “gezond genoeg” is ook een positief testresultaat geeft, maar “gezonde” patiënten moeten als in goede gezondheid worden geclassificeerd. Dan neemt de specificiteit van de test af als de prevalentie van “voldoende recent” toeneemt.
Positieve voorspellende waarde
Een positief voorspellende waarde is de kans dat een persoon die een positieve test heeft ondergaan ook daadwerkelijk ziek is. We kunnen dit berekenen als (# test positief) / (# test positief), wat in ons voorbeeld staat 43 / (43 + 12) ≈ 78%. Nee, zo eenvoudig is het niet. De voorspellende waarde van het testresultaat hangt af van de kans op pretest of ziekteverspreiding, en de tabel geeft nauwelijks de juiste prevalentie weer.
Als de prevalentie (of pre-testkans) 5% is, worden 50 op de 1.000 mensen ziek, en in ons geval zijn er ongeveer 45 positieve tests. Van de overige 950 hadden er ongeveer 84 positieve tests, dus de positief voorspellende waarde is 45 / (45 + 84) ≈ 35%. Dit betekent dat ongeveer 2 van de 3 positieve tests onjuist zijn! Aan de andere kant, als de prevalentie (of waarschijnlijkheid van pretest) 75% is, dan zal de positief voorspellende waarde ongeveer 97% zijn.
Negatieve voorspellende waarde
Een negatief voorspellende waarde is de kans dat een persoon die een negatieve test heeft ondergaan, daadwerkelijk in goede gezondheid verkeert. We kunnen dit berekenen als (# gezond met negatieve test) / (# negatieve tests), wat in ons voorbeeld 124 / (124 + 5) ≈ 96% is. Nee, zo eenvoudig is het niet. De voorspellende waarde van het testresultaat hangt af van de kans op pretest of ziekteverspreiding, en de tabel geeft nauwelijks de juiste prevalentie weer.
Als de prevalentie (of kans op pretesting) 5% is, dan worden 50 op de 1.000 mensen ziek en in ons geval zijn er ongeveer 5 negatieve tests. Van de overige 950 waren er ongeveer 866 negatieve tests, dus de negatief voorspellende waarde is 866 / (866 + 5) »99%. Dit betekent dat bijna alle negatieve tests correct zijn. Aan de andere kant, als de prevalentie (of pretestkans) 75% is, zal de negatief voorspellende waarde ongeveer 74% zijn.
Beperkingen bij het gebruik van gevoeligheid en privacy
Bij het gebruik van gevoeligheid en specificiteit moet ervoor worden gezorgd dat de onderzochte populatie exact dezelfde is als de onderzochte populatie toen de gevoeligheid en specificiteit oorspronkelijk werden bepaald. Dit komt doordat de mate van ziekte en de verspreiding van ziekten in een populatie de gevoeligheid en specificiteit kunnen beïnvloeden.
Gevoeligheid en specificiteit betekenen dat het wordt vergeleken met een gouden standaard of (solide) eindpunt. Als de gouden standaard slecht is, kan ironisch genoeg een goede test als slecht worden beoordeeld. Integendeel, als een test de gouden standaard heeft (of bevat), kan deze worden geclassificeerd als een nepartikel.
“Amateur music practitioner. Lifelong entrepreneur. Explorer. Travel buff. Unapologetic tv scholar.”
More Stories
Snuiftabak, Molde University College | Pas op voor politici in laboratoriumjassen!
Gezondheid, Nordlandsekhoset | Er wordt gebruik gemaakt van een heel bijzondere uitvinding: de eerste ter wereld
Er is behoefte aan verbetering van de geestelijke gezondheid van studenten