Toelichting op de waarde van sensibiliteitsonderzoek (sensitivit

Afhankelijk van de reden waarom een test wordt aangevraagd – uitsluiten of aantonen van de aandoening – is een test met een hoge sensitiviteit (vrijwel alle mensen met de aandoening hebben een afwijkende testuitslag) of juist hoge specificiteit (vrijwel alle mensen zonder de aandoening hebben een normale testuitslag) noodzakelijk. De waarden van sensitiviteit en specificiteit bij een bepaalde afkapwaarde van een test worden grafisch weergegeven in een receiver operating characteristics (ROC)-curve (figuur 1). Een area under the curve (AUC) van 0,5 (blauwe lijn) betekent dat de test geen onderscheidend vermogen heeft tussen mensen met en mensen zonder de aandoening. Naarmate de curve meer naar links ligt (rode en groene lijn), wordt het onderscheidend vermogen groter. ROC-curves worden dan ook veel gebruikt om het onderscheidende vermogen van twee of meer tests (bij dezelfde patiënten gemeten) met elkaar te vergelijken. In publicaties wordt echter vaak alleen de afkapwaarde vermeld bij een zo hoog mogelijk diagnostische efficiëntie: dat is de optimale combinatie van zo hoog mogelijke sensitiviteit en zo hoog mogelijke specificiteit.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Figuur 1. ROC-curve

 

Een nadeel van de ROC-curve en de AUC van een test is dat deze niet tot een direct klinisch toepasbare maat leiden. Ze geven een gemiddelde waarde weer voor het onderscheidende vermogen van de test in zijn geheel, maar niet de kans op aanwezigheid van de aandoening bij een bepaalde testuitslag. Bovendien is men vaak niet geïnteresseerd in de ROC-curve van een enkele test, maar wil men juist de voorspellende waarde van de testuitslag weten in combinatie met andere testuitslagen (bijvoorbeeld de anamnestische gegevens).

 

Voor de klinische praktijk zijn daarom de positief en negatief voorspellende waarden van groter belang. De NVW is de kans op het niet hebben van de aandoening bij een normale (negatieve) uitslag. De PVW is de kans op het hebben van de aandoening bij een afwijkende (positieve) uitslag. Beide waarden zijn echter sterk afhankelijk van de prevalentie (‘pre-test probability’) van de aandoening in de populatie die getest wordt.

 

Een test die in een derdelijnspopulatie, met bijvoorbeeld een prevalentie van de aandoening van ongeveer 50%, een PVW van 80% heeft, heeft in een eerstelijnspopulatie, met een lagere prevalentie, waarschijnlijk een lagere PVW. Om onafhankelijk van de prevalentie van de aandoening bij een individuele patiënt de kans op de ziekte te berekenen, kunnen positieve en negatieve likelihood ratios (LR+ en LR-) gebruikt worden (figuur 2). De LR is de verhouding tussen het percentage met de testuitslag (positieve of negatieve testuitslag) onder de zieken en het percentage met de testuitslag onder de niet-zieken. De LR van een testuitslag kan theoretisch van 0 tot oneindig zijn. De waarde 1 houdt in dat de twee percentages gelijk zijn en dat er evenveel zieken als niet-zieken zijn met die testuitslag; de testuitslag discrimineert niet tussen aan- en afwezigheid van de aandoening. Een LR > 1 betekent dat de testuitslag meer pleit voor aanwezigheid van aandoening (hoe groter, hoe sterker) en een LR < 1 voor de afwezigheid ervan (hoe kleiner, hoe sterker). Omdat de LR+ en LR- onafhankelijk zijn van de prevalentie van de aandoening in de onderzochte populatie, kunnen deze maten bij uitstek worden gebruikt om verschillende studies met elkaar te vergelijken. In de praktijk blijkt echter dat voor verschillende patiënten subgroepen eenzelfde test verschillende LR’s kan hebben.

 

Sensitiviteit, specificiteit, positief voorspellende waarde en negatief voorspellende waarde

	Allergie +	Allergie – (tolerant)
SPT/sIgE +	A (echt positieve)	B (fout-positieve)
SPT/sIgE –	C (fout-negatieve)	D (echt positieve)

Sensitiviteit = A / (A+C)

Specificiteit = D / (B+D)

Positief voorspellende waarde = A / (A+B)

Negatief voorspellende waarde = D / (C+D)

 

Figuur 2. Nomogram voor probabilities en likelihood ratios