Takk igjen til Arne Høiseth for muligheten til å utdype om testers nøyaktighet og nytte. Jeg er verken lege eller radiolog, så jeg skal ikke si noe om den praktiske diagnostikken, men bare om den generelle diagnostiske rasjonaliteten.
Jeg skal avgrense meg til å kommentere en av Høiseths mange påstander: «Det er først og fremst testens sensitivitet som bør tillegges betydning» (1). Sensitiviteten til en test sier noe om hvor god en test er til å identifisere de som er syke i en populasjon. Det vil si hvis vi bruker en gitt test med sensitivitet på 0,75 på en gruppe på 100 mennesker med en gitt sykdom, så klarer testen å identifisere 75 av disse.
Klinikerens problem er ikke hvor mange i en syk befolkning som testen klarer å identifisere, men hvorvidt hen kan stole på testresultatet som vedkommende har fått for en gitt pasient. Sett at testresultatet for en pasient er positivt, hvor sannsynlig er det at dette testresultatet er sant? Det vil si hvor høy er testens positive prediktive verdi (PPV)?
Dersom pasienten har klare symptomer for sykdommen som testresultatet indikerer, øker det sannsynligheten for at testresultatet er korrekt. Men ved tilfeldige funn (som definert i litteraturen) (2), så har vi ingen slike symptomer.
Derimot kan (det positive) testresultatet være feil, det vil si at vi kan få et falskt positivt testresultat. I Høiseths eksempel, med en spesifisitet på 0,96, vil en få fire falskt positive testresultater om en undersøker 100 personer som ikke har den aktuelle tilstanden. Radiologen, som gjør et tilfeldig funn, har undersøkt mange hundre personer, og må spørre seg om det aktuelle funnet er en av disse falske positive testresultatene.
Hen vet at dersom forekomsten av den aktuelle tilstanden er lav, er sannsynligheten for å gjøre et positivt testfunn lav. Hen vet også at sannsynligheten for feilaktig å gjøre et positivt funn er 4%. Det vil si at hen må være forberedt på å finne et falskt positivt funn for hver 25. person uten tilstanden som testes. Radiologen vet også at hen har undersøkt veldig mange personer uten å få et positivt funn for denne tilstanden. Det er derfor meget godt mulig at akkurat dette funnet er et falskt positivt testresultat.
Hvor sannsynlig dette er, sier PPV noe om. Om vi antar at forekomsten av tilstanden er på 1% (slik Høiseth beskriver), får vi følgende:
PPV = sensitivitet*prevalens/[sensitivitet*prevalens + (1-spesifistet)*(1-prevalens)] = 0,75*0,01/[0,75*0,01 + (1-0,96)*(1-0,01)] = 0,1592
Det vil si at vi har en PPV på nær 16%, som tilsier at det er 84% sannsynlighet for at den positive testen er feil – altså at det tilfeldige funnet er et falskt positivt funn. Det er lav prevalens, og derved lav PPV, som gjør at det stilles særlig strenge krav til screeningtester (3).
Jeg skal være den første til å innrømme at dette ikke er enkelt å forstå, men NRK har laget en god fremstilling (4).
Ved tilfeldige funn er pretestsannsynligheten lik prevalensen. Hvis prevalens er lav, er PPV lav, og testresultatet er ikke til å stole på (5). Da er det en betydelig sjanse for at pasienten sendes på unødvendige diagnostiske odysseer.
Derfor bør man ikke stirre blindt på testens sensitivitet når man tar en test.
Hvor sikker kan jeg være? B. Hofmann svarer A. Høiseth
Takk igjen til Arne Høiseth for muligheten til å utdype om testers nøyaktighet og nytte. Jeg er verken lege eller radiolog, så jeg skal ikke si noe om den praktiske diagnostikken, men bare om den generelle diagnostiske rasjonaliteten.
Jeg skal avgrense meg til å kommentere en av Høiseths mange påstander: «Det er først og fremst testens sensitivitet som bør tillegges betydning» (1). Sensitiviteten til en test sier noe om hvor god en test er til å identifisere de som er syke i en populasjon. Det vil si hvis vi bruker en gitt test med sensitivitet på 0,75 på en gruppe på 100 mennesker med en gitt sykdom, så klarer testen å identifisere 75 av disse.
Klinikerens problem er ikke hvor mange i en syk befolkning som testen klarer å identifisere, men hvorvidt hen kan stole på testresultatet som vedkommende har fått for en gitt pasient. Sett at testresultatet for en pasient er positivt, hvor sannsynlig er det at dette testresultatet er sant? Det vil si hvor høy er testens positive prediktive verdi (PPV)?
Dersom pasienten har klare symptomer for sykdommen som testresultatet indikerer, øker det sannsynligheten for at testresultatet er korrekt. Men ved tilfeldige funn (som definert i litteraturen) (2), så har vi ingen slike symptomer.
Derimot kan (det positive) testresultatet være feil, det vil si at vi kan få et falskt positivt testresultat. I Høiseths eksempel, med en spesifisitet på 0,96, vil en få fire falskt positive testresultater om en undersøker 100 personer som ikke har den aktuelle tilstanden. Radiologen, som gjør et tilfeldig funn, har undersøkt mange hundre personer, og må spørre seg om det aktuelle funnet er en av disse falske positive testresultatene.
Hen vet at dersom forekomsten av den aktuelle tilstanden er lav, er sannsynligheten for å gjøre et positivt testfunn lav. Hen vet også at sannsynligheten for feilaktig å gjøre et positivt funn er 4%. Det vil si at hen må være forberedt på å finne et falskt positivt funn for hver 25. person uten tilstanden som testes. Radiologen vet også at hen har undersøkt veldig mange personer uten å få et positivt funn for denne tilstanden. Det er derfor meget godt mulig at akkurat dette funnet er et falskt positivt testresultat.
Hvor sannsynlig dette er, sier PPV noe om. Om vi antar at forekomsten av tilstanden er på 1% (slik Høiseth beskriver), får vi følgende:
PPV = sensitivitet*prevalens/[sensitivitet*prevalens + (1-spesifistet)*(1-prevalens)] = 0,75*0,01/[0,75*0,01 + (1-0,96)*(1-0,01)] = 0,1592
Det vil si at vi har en PPV på nær 16%, som tilsier at det er 84% sannsynlighet for at den positive testen er feil – altså at det tilfeldige funnet er et falskt positivt funn. Det er lav prevalens, og derved lav PPV, som gjør at det stilles særlig strenge krav til screeningtester (3).
Jeg skal være den første til å innrømme at dette ikke er enkelt å forstå, men NRK har laget en god fremstilling (4).
Ved tilfeldige funn er pretestsannsynligheten lik prevalensen. Hvis prevalens er lav, er PPV lav, og testresultatet er ikke til å stole på (5). Da er det en betydelig sjanse for at pasienten sendes på unødvendige diagnostiske odysseer.
Derfor bør man ikke stirre blindt på testens sensitivitet når man tar en test.
Litteratur:
1. Høiseth A. Prevalens avgjør ikke et bifunns betydning. Tidsskr Nor Legeforen. https://tidsskriftet.no/2024/09/kommentar/prevalens-avgjor-ikke-et-bifunns-betydning Lest 15.09.2024.
2. Hofmann B. Hvorfor spørre når man vet svaret? Hofmann svarer Høiseth. Tidsskr Nor Legeforen. https://tidsskriftet.no/2024/07/kommentar/hvorfor-sporre-nar-man-vet-svaret-hofmann-svarer-hoiseth Lest 15.09.2024.
3. Wilson JMG, Jungner G. Principles and practice of screening for disease. Geneve: World Health Organization (WHO), 1968.
4. Folkeopplysningen. 2020, episode: Kroppen på service. Tv-program. NRK TV 7.9.2020. https://tv.nrk.no/serie/folkeopplysningen/2020/KMTE50003120/avspiller
5. Kraemer HC. Evaluating medical tests: Objective and quantitative guidelines. Newbury Park, CA: Sage publications, 1992.