Laboratorisk statistik Flashcards
Hur många % av alla friska omfattar det normala referensintervallet på prov-värden?
-Om man tar 20 friska personer, vad innebär detta?
95%
Om man tar 20 friska individer betyder detta att 1 av dessa kommer att hamna utanför referensintervallet
Om man tar medelvärdet + 2 SD. Hur många % av befolkningen omfattas?
Medelvärdet + 1 SD?
95%
67%
Vad innebär diagnostisk sensitivitet? Beskriv detta då sensitiviteten är 90%
Diagnostisk specificitet? Förklara om denna är 90%
Sensitivitet: hur bra ett test är på att identifiera de sjuka. Med en sensitivitet på 90% innebär detta att 9/10 sjuka patienter är + för denna markör och därmed kommer testet att upptäcka 9/10 sjuka
Specificitet: hur bra ett test är på att friskförklara de friska. Om specificiteten är 90 % innebär detta att 9/10 friska kommer få ett - provsvar och kunna friskförklaras. Tyvärr kommer 1/10 friska individer få ett + värde trots att dom är friska.
Vad innebär ett positivt prediktivt värde?
Ett negativt prediktivt värde?
Positivt prediktivt värde: Om patienten får ett (+) provsvar, hur stor är då sannolikheten att patienten verkligen är sjuk? (Hur många som har sj.d / hur många (+) provsvar)
Negativt prediktivt värde: Om patienten får ett (-) provsvar, hur stor är då sannolikheten att patienten verkligen är frisk? (Hur många som är friska/ hur många som fick ett (-) provsvar)
Hur påverkas de prediktiva värdena av prevalensen av sjukdommen?
Vid låg prevalens av en sjukdom så får vi ett sjunkande positivt prediktivt värde.
Vid hög prevalens så får vi ett högre positivt prediktivt värde (hög andel sjuka bland de friska)
Undantag: om ett prov har en 100 % specificitet innebär detta att alla friska får ett (-) provsvar. Detta innebär att alla som får ett (+) provsvar är sjuka. Detta ger ett pos. pred. värde på 100%. Neg pred går ej att räkna ut utan prevalens
Samma sak gäller 100 % sensitivitet. Alla sjuka får ett (+) provsvar. Detta innebär att alla som får ett (-) provsvar är friska. ==> 100 % negativt prediktivt värde.
Hur påverkas sensitiviteten respektive specificiteten om man sänker en åtgärdsgräns?
Om man höjer en åtgärdsgräns?
Sensitiviteten ökar (vi hittar flera sjuka) medan specificiteten minskar ( fler friska får ett (+) provsvar). Om vi minskar åtgärdsgränsen så vi får en sensitivitet på 100% så får vi även ett negativt prediktivt värde på 100%
Höjer man en åtgärdsgräns så får du lägre sensitivitet (hittar inte alla sjuka) medans du får en högre specificitet (kan friskförklara fler friska). Om vi höjer gränsen så att vi får en specificitet på 100 % så innebär detta att vi får ett positivt prediktivt värde på 100%
Vad avgör egentligen metodens användbarhet? Sens/spec eller prediktiva värdena?
De prediktiva värdena. Dessa varierar med prevalensen av sjukdommen
Vad är odds? Vad är odds ratio?
Odds är ett annat uttryck för sannolikhet (p). = sannolikheten för att något ska hända / sannolikheten över att något inte ska hända) ==> p/1-p
Odds ratio beskriver hur mycket oddsen har förbättrats/försämrats = Odds före / Odds efter
Man kan även beräkna OR= sens/1-spec (hur många sjuka upptäcks/ hur många friska som sjukförklaras)
OR>2-3 är bra! Odds ratio är oberoende av prevalensen! Medan pos pred och neg pred beror på prevalensen!
Vad är intraindividuell variation? Hur kan den uttryckas?
Variationen av värden inom en och samma individ. Kan antingen uttryckas som SD (ex. 0,20 mmol/L) eller som CV (variationskoefficient) % av medelvärdet (ex. 5%—intraindividuell variation på 10 %)
Hur beräknas den intraindividuella kritiska skillnaden (för att ett värde ska vara signifikant) på ett värde vid:
en förändring?
en ökning eller minskning?
Kritiska skillnaden vid en förändring : 2,8 x SD
Ökning/minskning: 2,3 x SD
ex. kolesterolvärde där SD är 0,35mmol/L
För att en minskning ska vara signifikant måste kolesterolvärdet ha MINSKAT 2,3 x 0,35 mmol/L
På vilka två sätt jämför man bäst två metoder med varandra?
ROC analys: ju mindre yta i övre vänstra hörnet desto bättre. Ju högre specificitet och sensitivitet
Odds Ratio: visar vilken metod som är bäst
