Sensitivitet och specificitet Flashcards
Sensitivitet
Sensitivitet är förmågan hos ett test att identifiera ”sant positiva”, det vill säga personer som genom mätinstrumentet identifierats som personer med problem och som i ”verkligheten” också har problem.
Specificitet
Specificitet är förmågan hos ett test att identifiera ”sant negativa”, det vill säga personer som genom mätinstrumentet identifierats som personer utan problem och som i ”verkligheten” inte har problem.
Vad innebär höga värden av Specificitet och Sensitivitet?
Sensitivitet och specificitet varierar från 0 till 1 där högre värden innebär bättre sensitivitet och specificitet
Standardisering
Standardisering av ett test på det sättet att man använder det på en grupp personer som i fråga om alla relevanta egenskaper (kön, ålder, utbildning, erfarenhet osv) är representativ för dem som testet sedan ska användas för.
Normering
Man överför testpoäng till standardpoäng, så kallad normering, vilket gör att testresultaten kan tolkas på det sättet att man får veta om dem som genomgått testningen befinner sig över eller under genomsnittet och hur mycket i den kategori personer (eller djur) som de tillhör.
Normer
Beskriver hur något i allmänhet är, t.ex normer för barns språkutveckling, människors vikt/läng. Bygger på insamlad referensdata från relevant population (med information om medelvärde och standardavvikelse). Beskriver hur hur långt från medelvärdet en individs testresultat ligger (t.ex. med z-poäng)
Gränsvärde/cut-offs
Definierar brytpunkt mellan meningsfulla tillstånd (sjuk/frisk, tillräcklig kunskap/otillräcklig kunskap). Gränsvärden behövs för att exempelvis kunna tolka om en individs testresultat är högt eller lågt, om det betyder att individen har symptom på klinisk nivå.
Hur tar man fram ett gränsvärde?
Dessa gränsvärden kan tas fram antingen baserat på
Hur distributionen ser ut i populationen (distrubution based/norm- referenced)
En bedömning av vad som anses vara en rimlig gräns (anchor based/criterion-referenced).
Problemet är att det alltid kommer vara en grupp som ligger högt ex två sd → inte alltid meningsfullt (vet inte om individerna, bara för att de är två sd över, faktiskt har något).
Konsekvenser av olika gränsvärden
Gränsvärde vid A fångar få cases och få (inga) non-cases.
B fångar fler case och några non-cases.
C fångar nästan alla case men också många non-cases.
Eftersom grupperna överlappar kommer vi att få med både cases och non-cases i princip oavsett var vi sätter gränsen.
Vad ska olika test diskriminera mellan?
Screeningtest – ska skilja ut de som är i riskzon att utveckla svårigheter från de som inte är det.
Diagnostiskt test – ska diskriminera mellan de som sannolikt uppfyller kriterier för en klinisk diagnos från de som inte gör det.
ROC-kurvan
Ett mått på area (AUC) under kurvan. Den cut-off som minimerar antal fel kategoriserade finner man närmast vänstra övre hörnet. Den skärningspunkten kallas Youden’s index J (Sensitivitet + Specificitet) - 1. Ju större yta under kurvan desto bättre förmåga att diskriminera mellan case och non-case (kallas Area Under Curve (AUC) eller D’).
Diagonalen representerar yta på 0.5 (=slump)
Lågt: .5-.7; Moderat: .7-.9; Högt > .9
Betydelse av prestanda hos olika tester
Test som ger höga andelar falskt positiva – kan leda till att friska utsätts för onödiga undersökningar och onödig oro.
Test som ger höga andelar falskt negativa – patienter som är sjuka identifieras inte och får inte den vård de behöver.
Hur hög känslighet och träffsäkerhet behöver ett formulär som ska identifiera depression ha, för att det ska fungera som stöd? SBU rekommenderar:
Intervjuformulär: minst 80% sensitivitet och specificitet
Formulär för riktad screening: viktigast med hög sensitivitet
Ge ett konkret exempel på PPV, NPV och gränsvärde
Exempel:
Låt oss säga att ett test för cancer har ett positivt prediktivt värde på 90 %. Det innebär att 90 % av de personer som testar positivt för cancer verkligen har sjukdomen. Testet har också ett negativt prediktivt värde på 99 %. Det innebär att 99 % av de personer som testar negativt för cancer inte har sjukdomen.
Låt oss också säga att gränsvärdet för testet är 200. Det innebär att en person som testar över 200 anses ha cancer.
En person som testar positivt för cancer har en sannolikhet på 90 % att verkligen ha sjukdomen. En person som testar negativt för cancer har en sannolikhet på 99 % att inte ha sjukdomen.
Positivt Prediktivt Värde (PPV)
För praktiskt bruk kan dessa mått snarare än sensitivitet och specificitet vara att föredra.
PPV anger sannolikheten för att de som kommer att få ett positivt testresultat verkligen kommer att ha tillståndet eller behovet.
PPV och NPV relaterar till den förväntade prevalensen av ett tillstånd i olika verksamheter.
Negativt Prediktivt Värde (NPV)
För praktiskt bruk kan dessa mått snarare än sensitivitet och specificitet vara att föredra.
NPV anger sannolikheten för att de som kommer att få ett negativt testresultat inte kommer att ha tillståndet eller behovet.
PPV och NPV relaterar till den förväntade prevalensen av ett tillstånd i olika verksamheter.
