Praktisk epidemiologi för allmänläkare 90% sensitivitet och 90% specificitet men 90% med positivt test är inte sjuka Hur går det ihop??? Praktisk epidemiologi för allmänläkare 2004-04-13 Karin Lindhagen
Tze-Wey Loong Understanding sensitivity and specificity with the right side of the brain BMJ, Sep 2003; 327: 716 - 719. http://bmj.bmjjournals.com 2004-04-13 Karin Lindhagen
Hypotetisk population. Prevalens av sjukdomen 30%. 2004-04-13 Karin Lindhagen
Diagnostiskt test - utfall m l 2004-04-13 Karin Lindhagen
l m Beteckningar: frisk sant positiv sjuk sant negativ positivt test positivt test falskt positiv negativt test falskt negativ 2004-04-13 Karin Lindhagen
Sensitivitet – att hitta de sjuka 24 / 30 = 80% av de sjuka är rätt identifierade l 2004-04-13 Karin Lindhagen
Specificitet – att hitta enbart de sjuka och inte få med några friska som får pos test: 56 / 70 = 80% av de friska rätt identifierade m 2004-04-13 Karin Lindhagen
Positivt prediktivt värde 24 / 38 = 63% med positivt test är faktiskt sjuka l 2004-04-13 Karin Lindhagen
Negativt prediktivt värde 56 / 62 = 90% med negativt test är faktiskt friska l 2004-04-13 Karin Lindhagen
sjuka friska A B C D A+C B+D Grundbegrepp sjuka friska pos test A B A+B neg test C D C+D A+C B+D 2004-04-13 Karin Lindhagen
Prevalens = Grundbegrepp sjuka friska pos A B A+B neg C D C+D A+C B+D andel sjuka av samtliga = (A+C) / (A+B+C+D) 2004-04-13 Karin Lindhagen
Sensitivitet = Grundbegrepp sjuka friska pos A B A+B neg C D C+D A+C B+D Sensitivitet = andel sjuka som har positivt test = A / (A +C) 2004-04-13 Karin Lindhagen
Specificitet = Grundbegrepp sjuka friska pos A B A+B neg C D C+D A+C B+D Specificitet = andel friska som har negativt test = D / (B + D) 2004-04-13 Karin Lindhagen
Positivt prediktivt värde Grundbegrepp sjuka friska pos A B A+B neg C D C+D A+C B+D Positivt prediktivt värde andel med positivt test som faktiskt är sjuka = A / (A+B) 2004-04-13 Karin Lindhagen
Negativt prediktivt värde Grundbegrepp sjuka friska pos A B A+B neg C D C+D A+C B+D Negativt prediktivt värde andel med negativt test som faktiskt är friska = D / (C + D) 2004-04-13 Karin Lindhagen
Loong, exempel 1. Prevalens 30% sjuka friska pos 24 14 38 positivt prediktivt värde 63% neg 6 56 62 negativt prediktivt värde 90% 30 70 100 sens spec 80% 2004-04-13 Karin Lindhagen
Prevalens 10% istället för 30% m l 2004-04-13 Karin Lindhagen
Positivt prediktivt värde: 8 / 26 = 31% m l 2004-04-13 Karin Lindhagen
Negativt prediktivt värde: 72 / 74 = 97% m l 2004-04-13 Karin Lindhagen
SLE, prevalens 33 per 100 000 ANA sensitivitet 94%specificitet 97% 2004-04-13 Karin Lindhagen
2004-04-13 Karin Lindhagen
Loong exempel med SLE Prevalens 33 per 100 000 sjuka friska pos 31 3067 3098 pos pred 1% neg 2 96900 96902 neg pred 100% 33 99967 100000 sens spec 94% 97% 2004-04-13 Karin Lindhagen
Lek med siffror – Prevalens 1% Sensitivitet och specificitet 90% sjuka friska pos 9 98 107 pos pred ?% neg 1 892 893 neg pred 10 990 1000 sens spec 90% 2004-04-13 Karin Lindhagen
Lek med siffror – Prevalens 1% Sensitivitet och specificitet 90% sjuka friska pos 9 98 107 pos pred 8% neg 1 892 893 neg pred 100% 10 990 1000 sens spec 90% 2004-04-13 Karin Lindhagen
Lek med siffror - Prevalens 1% Känsligare test – s&s c:a 95% sjuka friska pos 95 400 495 pos pred ?% neg 5 9500 9505 neg pred 100 9900 10 000 sens spec 95% 96% 2004-04-13 Karin Lindhagen
Lek med siffror - Prevalens 1% Känsligare test – s&s c:a 95% sjuka friska pos 95 400 495 pos pred 19% neg 5 9500 9505 neg pred 100% 100 9900 10 000 sens spec 95% 96% 2004-04-13 Karin Lindhagen
Lek med siffror - Prevalens 1% Ännu känsligare test - s&s 99% sjuka friska pos 99 100 199 pos pred ?% neg 1 9800 9801 neg pred 9900 10 000 sens spec 99% 2004-04-13 Karin Lindhagen
Lek med siffror - Prevalens 1% Ännu känsligare test - s&s 99% sjuka friska pos 99 100 199 pos pred 50% neg 1 9800 9801 neg pred 100% 9900 10 000 sens spec 99% 2004-04-13 Karin Lindhagen
prevalensen Sensitivitet och specificitet säger ingenting Sensmoral 1: Sensitivitet och specificitet säger ingenting om man inte vet något om prevalensen 2004-04-13 Karin Lindhagen
Sensmoral 2: Ett test som är utmärkt för diagnos bland patienter med symtom som ger stark misstanke på en sjukdom, kan vara oanvändbart för screening för samma sjukdom bland symtomfria personer. 2004-04-13 Karin Lindhagen