vetenskaplig utveckling läkarprogrammet ki ht 2010 termin 4
DESCRIPTION
Vetenskaplig utveckling Läkarprogrammet KI HT 2010 termin 4. Moment 2 Lisen Arnheim Dahlström, Fredrik Wiklund & Robert Karlsson Institutionen för medicinsk epidemiologi och biostatistik. Diagnostiska test. Viktiga för att upptäcka sjukdomar hos individer Exempel - PowerPoint PPT PresentationTRANSCRIPT
Vetenskaplig utveckling Läkarprogrammet KI HT 2010 termin 4Moment 2
Lisen Arnheim Dahlström, Fredrik Wiklund & Robert Karlsson
Institutionen för medicinsk epidemiologi och biostatistik
Diagnostiska test
Viktiga för att upptäcka sjukdomar hos individer
Exempel Mammografi för att upptäcka bröstcancer PSA för att upptäcka prostatacancer Blodvärden Fostervattenprov Genetiska test Gynekologisk cellprovstagning Osv
Gynekologisk screening
• Organiserad screening infördes på 60-talet. Reducerat cancerfallen med över 50%.
• Kvinnor mellan 23-50 år kallas vart 3 år, 51-60 år vart 5 år.
• Täckningsgraden är 77% och 83%, för resp åldersgrupp.
Gynekologisk screening
Incidens Mortailitet
Mammografi
• Startade i Sverige 1986, sedan 1997 i hela Sverige.• Trippelundersökning: palpation, röntgen, biospi• Skall erbjudas alla kvinnor i åldrarna 40 - 75 år (Socialstyrelsen)• 1.5 till 2 år mellan undersökningar
• Sänker dödligheten i bröstcancer med ca 20%
Diagnostiska test - egenskaper
Givet att en person är sjuk vill vi att testet ska klassa personen som sjuk Testet ska ha hög SENSITIVITET
Givet att en person är frisk vill vi att testet ska klassa personen som frisk Testet ska ha hög SPECIFICITET
Beräkningar
Exempel mammografi
(Resultat från australiensisk studie)
Exempel cellprov cervix
Sensitivitet = 51% (37 - 84%)
Specificitet = 98% (86 - 100%)
(meta analys, 1999)
Cut-off
• Test ofta “kontinuerliga”
• Man måste betämma en cut-off för vad som är ett positivt test - när säger testet att personen är sjuk?
Cut-off
Genom att variera cut-off kan vi påverka testets sensitivitet och specificitet
POSITIVT PREDIKTIVT VÄRDE (PPV)NEGATIVT PREDIKTIVT VÄRDE (NPV)
PPV = sannolikheten att en person som testats positiv är sjuk
När vi vill mäta hur bra ett test är på att förutsäga att patienten är sjuk
NPV = sannolikheten att en person som testats negativ är frisk
När vi vill mäta hur bra ett test är på att förutsäga att patienten är frisk
Beräkningar
Exempel mammografi
(Resultat från australiensisk studie)
PPV och NPV och sjukdomens prevalens
Prevalens 20% Prevalens 1%
Sensitivitet 180/200=90%Specificitet 720/800=90%
PPV=180/260=69%NPV=720/740=97%
Sjuk Frisk
Pos 180 80 260
Neg 20 720 740
200 800 1000
Sjuk Frisk
Pos 9 99 108
Neg 1 891 892
10 990 1000
Sensitivitet 9/10=90%Specificitet 891/990=90%
PPV=9/108=8%NPV=891/892=100%
PPV och NPV vs prevalens
Generellt gäller att:
Om prevalensen minskar så Minskar PPV Ökar NPV
Om prevalensen ökar så Ökar PPV Minskar NPV
Ett tests egenskaper kan även bero på andra faktorer
Ålder Etnicitet Kön Provkvalitet
Sensmoral diagnostiska test
Sensitivitet och specificitet säger ingenting om man inte vet något om prevalensen
Ett test som är utmärkt för diagnos bland patienter med symtom som ger stark misstanke på en sjukdom (hög prevalens), kan vara oanvändbart för screening för samma sjukdom bland symtomfria personer
Konfidensintervall
Sensitivitet och specificitet är skattningar, baserade på till exempel kliniska prövningar
Inbyggd osäkerhet eftersom vi bara testar ett stickprov
Osäkerheten kan uppskattas med ett konfidensintervall
Konfidensintervallets bredd påverkas av storleken på stickprovet
Få deltagare i studien → bredare konfidensintervall
Många deltagare → smalare konfidensintervall
Exempel
För ett visst diagnostiskt test vet vi att sensitiviteten är exakt 90%. Alltså upptäcker testet 90% av alla sjuka som testas.
Vi simulerar några olika stora studier på samma test
Antal sjuka Upptäcks av testet
Sensitivitet (i studien)
95% CI
4 4 100% 40% - 100%
10 7 70% 35% - 93%
50 46 92% 81% - 98%
100 92 92% 85% - 96%
1000 899 90% 88% - 92%
Sensmoral konfidensintervall
Sensitivitet, specificitet, PPV och NPV är skattningar
Alltså har de en inbyggd osäkerhet
Undersök hur stor osäkerheten är innan ni litar på förträffligheten hos ett test.