SENSITIVITET (känslighet)

Vetenskaplig utveckling
Läkarprogrammet KI HT 2010 termin 4
Moment 2
Lisen Arnheim Dahlström, Fredrik Wiklund & Robert Karlsson
Institutionen för medicinsk epidemiologi och biostatistik
Diagnostiska test
 Viktiga för att upptäcka sjukdomar hos individer
 Exempel
 Mammografi för att upptäcka bröstcancer
 PSA för att upptäcka prostatacancer
 Blodvärden
 Fostervattenprov
 Genetiska test
 Gynekologisk cellprovstagning
 Osv
Gynekologisk screening
• Organiserad screening infördes på 60-talet. Reducerat
cancerfallen med över 50%.
• Kvinnor mellan 23-50 år kallas vart 3 år, 51-60 år vart 5 år.
• Täckningsgraden är 77% och 83%, för resp åldersgrupp.
Gynekologisk screening
Incidens
Mortailitet
Mammografi
•
•
•
•
Startade i Sverige 1986, sedan 1997 i hela Sverige.
Trippelundersökning: palpation, röntgen, biospi
Skall erbjudas alla kvinnor i åldrarna 40 - 75 år (Socialstyrelsen)
1.5 till 2 år mellan undersökningar
• Sänker dödligheten i bröstcancer med ca 20%
Diagnostiska test - egenskaper
 Givet att en person är sjuk vill vi att testet ska klassa personen
som sjuk
 Testet ska ha hög SENSITIVITET
 Givet att en person är frisk vill vi att testet ska klassa personen
som frisk
 Testet ska ha hög SPECIFICITET
Illustration
 100 personer
 Svart prick representerar sjuk
person (30st)
 Ej fylld prick representerar frisk
person (70st)
 Grön färg representerar
personer vilka klassats som
friska (62st)
 Rosa färg representerar
personer vilka klassats som
sjuka (38st)

frisk

sant positiv

sjuk

sant negativ

positivt test

falskt positiv

negativt test

falskt negativ
SENSITIVITET (känslighet)






Sensitivitet = sannolikheten att en sjuk person klassas som sjuk av testet
Endast sjuka personer betraktas
30 sjuka personer
24 klassas som sjuka av testet
Sensitiviteten = 24/30 = 0.8
Testets sensitivitet är 80%
Känsligheten på ett test är definierat som proportionen av människor
med sjukdomen som också har ett positivt resultat av testet
Exempel på hög känslighet


Om alla som har en viss sjukdom (t ex huvudvärk) har ett givet
symtom (att ha ett huvud) blir känsligheten 100%.
Vi får alltså inga falskt negativa.
Exempel på låg känslighet
QuickVue Influenza A+B test (utvärdering)
10 positiva i testet utav 31 med symtom = 32%
Totalt
= 67
Symtom
Ej
symtom
Positiv
10
1
11
Negativ
21
35
56
31
36
Vi får många falskt negativa
SPECIFICITET






Specificitet = sannolikheten att en frisk person klassas som frisk av testet
Endast friska personer betraktas
70 friska personer
56 klassas som friska av testet
Specificiteten = 56/70 = 0.8
Testets specificitet är 80%
Exempel på låg specificitet


Om få har huvudvärk men många har symtom (att ha ett huvud) blir
specificiteten låg.
Vi får alltså många falskt positiva.
Exempel på hög specificitet
QuickVue Influenza A+B test (utvärdering)
35 negativa i testet utav 36 utan symtom = 97%
Totalt
= 67
Symtom
Ej
symtom
Positiv
10
1
11
Negativ
21
35
56
31
36
Vi får få falskt positiva
POSITIVT PREDIKTIVT VÄRDE (PPV)
NEGATIVT PREDIKTIVT VÄRDE (NPV)












PPV = sannolikheten att en person som testats positiv är
sjuk
Både friska och sjuka personer betraktas
38 personer har testats positiva
24 av dessa personer är sjuka
PPV = 24/38 = 0.63
Testets PPV är 63%
NPV = sannolikheten att en person som testats negativ
är frisk
Både friska och sjuka personer betraktas
62 personer har testats negativa
56 av dessa personer är friska
NPV = 56/62 = 0.90
Testets NPV är 90%
 PPV= 10 som har influensa / 11 som testats positiva = 90%
 Det är alltså en 90% sannolikhet att de som testats positiva
verkligen har influensa.
Totalt
= 67
Symtom
Ej symtom
Positiv
10
1
11
Negativ
21
35
56
31
36
 NPV= 35 friska/ 56 som testats negativa = 63%
 Det är alltså en 63% sannolikhet att de som testats negativa
verkligen är friska
PPV och NPV och sjukdomens
prevalens
Prevalens 20%
Prevalens 1%
Sjuk
Frisk
Pos
180
80
260
Neg
20
720
740
200
800
1000
Sjuk
Frisk
Pos
9
99
108
Neg
1
891
892
10
990
1000
Sensitivitet 180/200=90%
Specificitet 720/800=90%
Sensitivitet 9/10=90%
Specificitet 891/990=90%
PPV=180/260=69%
NPV=720/740=97%
PPV=9/108=8%
NPV=891/892=100%
PPV och NPV vs prevalens
 Generellt gäller att:
 Om prevalensen minskar så
 Minskar PPV
 Ökar NPV
 Om prevalensen ökar så
 Ökar PPV
 Minskar NPV
 Ett tests egenskaper kan
även bero på andra faktorer
 Ålder
 Etnicitet
 Kön
 Provkvalitet
Sensmoral diagnostiska test
 Sensitivitet och specificitet säger ingenting om man
inte vet något om prevalensen
 Ett test som är utmärkt för diagnos bland patienter
med symtom som ger stark misstanke på en sjukdom
(hög prevalens), kan vara oanvändbart
för screening för samma sjukdom bland symtomfria
personer
Konfidensintervall
 Sensitivitet och specificitet är skattningar, baserade
på till exempel kliniska prövningar
 Inbyggd osäkerhet eftersom vi bara testar ett
stickprov
 Osäkerheten kan uppskattas med ett
konfidensintervall
Konfidensintervallets bredd påverkas av
storleken på stickprovet
 Få deltagare i studien → bredare konfidensintervall
 Många deltagare → smalare konfidensintervall
Exempel
 För ett visst diagnostiskt test vet vi att sensitiviteten är exakt
90%. Alltså upptäcker testet 90% av alla sjuka som testas.
 Vi simulerar några olika stora studier på samma test
Antal sjuka
Upptäcks
av testet
Sensitivitet
(i studien)
95% CI
4
4
100%
40% - 100%
10
7
70%
35% - 93%
50
46
92%
81% - 98%
100
92
92%
85% - 96%
1000
899
90%
88% - 92%
Sensmoral konfidensintervall
 Sensitivitet, specificitet, PPV och NPV är skattningar
 Alltså har de en inbyggd osäkerhet
 Undersök hur stor osäkerheten är innan ni litar på
förträffligheten hos ett test.