Hur ska ett testresultat tolkas?

Ett testresultat för autoimmunitet innefattar flera värden. De viktigaste prestandavärdena som ska tolkas i autoimmundiagnos är:

1.  Sensitivitet och specificitet

2.  ROC-kurva

3.  Positivt och negativt prediktivt värde

4.  Positiv och negativ sannolikhetsgrad

 

1. Sensitivitet och specificitet

Sensitivitet är antalet sant positiva testresultat.

 

TP

 

Antal sant positiva testresultat

Sensitivitet =

----------

=

-------------------------------------

 

TP + FN

 

alla patienter med sjukdomen

(TP = True positives, FN = False negatives)

 

Specificitet är antalet negativa resultat för personer som inte har sjukdomen (sant negativa i kontrollgruppen).

 

TN

 

Antal sant positiva testresultat

Specificitet =

----------

=

-------------------------------------

 

TN + FP

 

alla patienter utan sjukdom

(TN = True negatives, FP = False positives)

Kontrollgruppen kan vara en population friska individer. Men för att realistiskt kunna utvärdera ett tests specificitet bör kontrollpopulationen bestå av patienter med sjukdomar som är viktiga för differentiell diagnos. Specificiteten för ett test för celiaki bör t.ex. utvärderas mot en population av patienter med andra mag-tarmsjukdomar som inflammatoriska tarmsjukdomar, gastrointestinella infektioner osv.

Exempel:

Prevalensen för reumatoid artrit (RA) i den testade populationen är 2 %. Därför kommer 100 av 5 000 testade individer ha reumatoid artrit. 4 900 är friska eller har andra sjukdomar men inte reumatoid artrit.

Med testet i detta exempel visade sig 73 av 100 RA-patienter ha ett positivt testresultat (sant positivt). 27 detekterades inte och hade därför ett negativt testresultat (falskt negativa). I kontrollgruppen på 4 900 individer som inte har RA visades 73 positiva (falskt positiva) och 4 827 negativa (verkligt negativa).

 Positivt testNegativt testTotalt
RA 73 27 100
Icke-RA 73 4 827 4 900
Totalt 146 4 854 5 000

Sensitiviteten för detta test är 0,73 eller 73 % (antal sant positiva = 73/antal patienter = 100) och specificiteten är 0,985 eller 98,5 % (antal sant negativa = 4 827/antal kontrollgruppsindivider = 4 900).

Specificitetens relevans

I exemplet ovan skulle 73 av 5 000 individer få ett falskt positivt resultat. Detta innebär att 73 individer remitteras till en specialist eller, i värsta fall, behandlas med giftig medicin.

Om testet har en lägre specificitet, t.ex. 92 % (vilket fortfarande låter ganska rimligt) ökar de falskt positiva resulteten dramatiskt.

 Positivt testNegativt testTotalt
RA 73 27 100
Icke-RA 392 4 508 4 900
Totalt 465 4 535 5 000

Det finns här en risk för felaktig RA-diagnos av 392 individer, vilket är mer än fem gånger fler individer än med en specificitet på 98,5 %.

Tillbaka till början 

 

2. ROC-kurva

Sensitiviteten för ett test blir högre när ett lågt cut-off-värde väljs. Ett lågt cut-off-värde leder direkt till en lägre specificitet. Cut-off-värdet för autoimmuna tester är alltid en balansgång mellan sensitivitet och specificitet. Båda dessa värden korrelerar omvänt med varandra och varje sensitivitetsvärde motsvarar ett specificitetsvärde. Detta förhållande kan illustreras i en ROC-kurva.

Definition:

I signaldetektionsteori är en ROC-kurva (receiver operating characteristic) ett diagram över sensitiviteten eller sant positiva jämfört med (1 – specificitet), eller falskt positiva.

Exempel:

I en studie med Bizzarro et al. (Clin Chem 2007; 53:1527-33) jämfördes 11 tester för detektion av antikroppar associerade med reumatoid artrit. Med den serumpanel som testades togs följande ROC-kurva fram för EliA CCP:

ROC CCP

Ett optimalt cut-off-värde väljs där både sensitivitet och specificitet är så höga som möjligt. För EliA CCP ger det optimala cut-off-värdet en specificitet på 98,5 % och en sensitivitet på 73 %.

ROC RF

I samma studie med samma serum jämfördes ett klassiskt RF-test. Med det rekommenderade cut-off-värdet var sensitiviteten och specificiteten 54 % respektive 86,1 %.

För optimal jämförbarhet mellan olika tester kan specificiteten fastläggas till ett specifikt värde och de respektive sensitiviteterna beräknas med hjälp av en ROC-kurva. I detta exempel jämfördes respektive sensitiviteter vid definierade specificitetsvärden på 99 %, 98 % och 97 %.

Analyssens. vid rekommenderat cut-offspec. vid rekommenderat cut-offsens. vid 99 % spec.sens. vid 98 % spec.sens. vid 97 % spec.
EliA CCP 73 % 98,5 % 69 % 74 % 74 %
RF 54 % 86,1 % 13 % 17 % 17 %

 

Tillbaka till början

 

3. Positivt och negativt prediktivt värde

Definition:

Det positivt prediktiva värdet (PPV), eller precisionen eller sannolikheten för sjukdomen, är den andel patienter med positiva testresultat som verkligen har sjukdomen. Prediktivt värde är relaterat till sensitiviteten och specificiteten för testet eller screeningmetoden.

 

TP

 

Antal positiva patienter

PPV =

----------

=

-------------------------------------

 

 TP+FP

 

alla positiva resultat

(TP = True positives, FP = False positives)

 

Det negativa prediktiva värdet (PPV) är den andel kontrollpatienter med negativa testresultat som diagnostiserats korrekt.

 

TN

 

Antal negativa kontrollgruppspersoner

NPV =

----------

=

-------------------------------------

 

 TN+FN

 

alla negativa resultat

(TN = True negatives, FN = False negatives)

Exempel:

 Positivt testNegativt testTotalt
RA 73 27 100
Icke-RA 73 4 827 4 900
Totalt 146 4 854 5 000

Med samma exempel som i stycket ovan om sensitivitet och specificitet (se ovan) för ett test av reumatoid artrit (RA) är PPV 50 % (73 TP/146 P). NPV är 99 % (4 827 TN/4 854 N).

Med denna population måste läkaren vara medveten om att hälften av de positiva resultaten är individer som inte har RA. Ett positivt resultat förutsäger sjukdomen med en probabilitet på 50 %. Å andra sidan avgör ett negativt resultat med 99 % säkerhet att sjukdomen inte förekommer.

Prevalensberoende

De prediktiva värdena är starkt beroende av prevalensen, som i detta exempel är endast 2 %. Om prevalensen var 10 % (t.ex. eftersom det är ett specialiserat reumatologilaboratorium) skulle uppgifterna ändras enligt följande:

 Positivt testNegativt testTotalt
RA 370 130 500
Icke-RA 60 3 940 4 000
Totalt 430 4 570 5 000

Testets prestanda eller markörens kliniska egenskaper förändras inte efter prevalensen. Därför är testets sensitivitet och specificitet relativt fixerade. Det positivt prediktiva värdet ökar dock med fem gånger större prevalens från 50 % till 86 % (370 TP/430 P) och det negativt prediktiva värdet minskade från 99 % till 86 % (3 940 TN/4 570 N).

Tillbaka till början

 

4. Positiv och negativ sannolikhetsgrad

Definition:

Sannolikhetsgraden omfattar både sensitiviteten och specificiteten för testet och ger en direkt uppskattning på hur mycket ett testresultat kommer att ändra sannolikheten för sjukdomen.

Sannolikhetsgraden för ett positivt resultat (positiv LR=likelihood ratio) anger hur mycket sannolikheten för sjukdomen ökar om ett test är positivt.

 

TP / (TP + FN)

 

Sensitivitet

pos LR =

-----------------

=

---------------

 

FP / (FP + TN)

 

1 - Specificitet

(TP = True positives, TN = True negatives, FP = False positives, FN = False negatives)

Sannolikhetsgraden för ett negativt resultat (negativ LR=likelihood ratio) anger hur mycket sannolikheten för sjukdomen minskar om ett test är negativt.

 

FN / (TP + FN)

 

1 - Sensitivitet

neg LR =

-----------------

=

-------------------

 

TN / (FP + TN)

 

Specificitet

(TP = True positives, TN = True negatives, FP = False positives, FN = False negatives)

Exempel:

 Positivt testNegativt testTotalt
RA 73 27 100
Icke-RA 73 4 827 4 900
Totalt 146 4 854 5 000

Med samma exempel som ovan för ett test av reumatoid artrit (RA) är den positiva sannolikhetsgraden (LR) mycket hög med (73/100)/(73/4 900) = 50. Om testresultatet är positivt är sannolikheten mycket hög att patienten har RA. Negativ LR är (27/100) / (4 827/4 900) = 0,27.

Tolkning av sannolikhetsgrad:

 Negativ LRPositiv LR
inget kliniskt värde = testet har för låg kvalitet för att användas 1 1
liten skillnad som kan vara relevant 0,2 – 0,5 2 – 5
måttlig, men påtaglig skillnad 0,1 – 0,2 5 – 10
kliniskt viktig skillnad = testet har hög kvalitet och kan användas <0,1> >10

 

Markören i exemplet ovan har en mycket hög positiv sannolikhetsgrad på 50. Därför indikerar ett positivt resultat hög probabilitet för sjukdomen. Ett negativt resultat utesluter dock inte sjukdomen. Med en negativ sannolikhetsgrad på 0,27 är den kliniska användbarheten endast liten.

Tillbaka till början