Immunodays 2014

Im Rahmen der von Thermo Fisher Scientific veranstalteten Immunodays 2014 hielt Dr. Michael Benesch einen Vortrag zum Thema “Kann ich meinem Laborbefund vertrauen? Ein Ausflug in die Statistik”.

Beinahe alle Menschen lassen sich von hohen Sensitivitäts- und Spezifitätswerten in die Irre führen – das gilt genauso für Personen aus den Gesundheitsberufen, die regelmäßig mit Laborbefunden zu tun haben. Eine realistischere Abschätzung der Trefferquoten samt deren Konsequenzen ist möglich, wenn man neben der Sensitivität (“richtig positiv”) und der Spezifität (“richtig negativ”) die Prävalenzrate mitberücksichtigt, also den Anteil an Erkrankungen in der Zielgruppe. Anhand eines Baumdiagrammes kann unter Zuhilfenahme der absoluten Häufigkeiten die Wahrscheinlichkeit, krank zu sein, wenn das Testergebnis positiv ist, leicht ausgerechnet werden, wie folgendes Beispiel zeigt:

chart

Sensitivität und Spezifität sind Kriterien, welche die Güte von diagnostischen Test wiedergeben. Diese beiden Werte korrelieren invers miteinander und für jeden Sensitivitätswert gibt es einen entsprechenden Spezifitätswert. Dieser Zusammenhang kann in einer ROC-Kurve (Receiver Operating Characteristics) dargestellt werden. Die ROC-Kurve ermöglicht es u.a. die Cut-Off Bereiche zu optimieren. Dabei wird die berechnete Sensitivität für jeden Cut-point auf der y-Achse aufgetragen und die 1 – Spezifität auf der x-Achse. Eine ROC-Kurve nahe der Diagonalen deutet auf einen Zufallsprozess hin. Die ideale ROC-Kurve steigt zunächst senkrecht an (die Trefferquote liegt nahe bei 100 %, während die Fehlerquote anfangs noch nahe bei 0 % bleibt), erst danach steigt die Falsch-Positiv-Rate an.

Wichtig ist zu beachten, dass Sensitivität und Spezifität prävalenzunabhängige Größen sind, während der Vorhersagewert durch die Prävalenz entscheidend beeinflusst wird. Der Vorhersagewert gibt an, wie viele Personen, bei denen eine bestimmte Krankheit mittels eines Testverfahrens festgestellt wurde, auch tatsächlich krank sind (Positiver Vorhersagewert). Je geringer die Prävalenz ist, umso niedriger wird auch der Positive Vorhersagewert (PPV) und umgekehrt steigt mit geringerer Prävalenz der Negative Vorhersagewert (NPV). Eine Möglichkeit zur anschaulichen Darstellung und Herleitung für eigene Zwecke dazu bieten Baumdiagramme.

Immunodays 2014 Programm