TEAMTHINK

Teil 1:
Übersicht und Erklärungen der relevanten Begriffe

Für Ihr bevorstehendes TEAMTHINK-Seminar werden ein paar Vorkenntnisse benötigt, die bereits Teil Ihrer vorklinischen Lehre waren. Mit diesem Tutorial möchten wir Ihnen die Möglichkeit bieten, dieses Wissen in Ruhe zu wiederholen.
Dabei stehen folgende Begriffe und ihre Anwendungen im Fokus:

  • Sensitivität
  • Spezifität
  • Positiver Prädiktiver Wert
  • Negativer Prädiktiver Wert

Diese Kriterien werden in der medizinischen Diagnostik als Gütekriterien herangezogen und sollen die Aussagekraft eines Tests bewerten - sei es ein Labortest, eine bestimmte körperliche Untersuchung oder andere Diagnoseinstrumente.
Für den klinischen Alltag sind diese Maße wichtig, um klinische Informationen einschätzen und fundierte Entscheidungen treffen zu können.

Kenngrößen

Sie können sich durch die Erklärungen für die verschiedenen Begriffe durchklicken und am Ende die Übungsaufgaben lösen, um Ihr Wissen zu überprüfen.

Sensitivität

Die Sensitivität ist eine Kenngröße, die beschreibt, wieviel Prozent der Erkrankten ein positives Testergebnis erhalten - also auch die Diagnose “krank”.
Liegt die Sensitivität bei 1 oder 100%, erkennt dieser Test alle Kranke, die getestet werden; liegt die Sensitivität beispielsweise bei 0,8 oder 80%, erkennt er 80% der Kranken und 20% der Kranken erhalten dagegen ein falsch negatives Testergebnis.

Die Fragestellung lautet also: Wie wahrscheinlich ist ein positives Testergebnis, wenn jemand erkrankt ist?

Spezifität

Die Spezifität beschreibt, wieviel Prozent der Gesunden ein negatives Testergebnis erhalten - also die korrekte Diagnose “gesund”.
Liegt die Spezifität bei 1 oder 100%, werden alle Gesunde als solche erkannt; liegt sie beispielsweise bei 0,8 oder 80%, erkennt der Test 80% der Gesunden und 20% der Gesunden erhalten dagegen ein falsch positives Testergebnis.

Die Fragestellung lautet also: Wie wahrscheinlich ist ein negatives Testergebnis, wenn jemand gesund ist?

Positiver Prädiktiver Wert

Der Positive Prädiktive Wert besagt, wie hoch die Wahrscheinlichkeit bei einem positiven Testergebnis ist, auch erkrankt zu sein - hier hat man also eine Betrachtungsweise vom Testergebnis ausgehend:

Die Fragestellung lautet: Wenn jemand ein positives Testergebnis erhalten hat, wie hoch ist die Wahrscheinlichkeit, dass der-/diejenige wirklich erkrankt ist?

Negativer Prädiktiver Wert

Der Negative Prädiktive Wert besagt anders herum, wie hoch die Wahrscheinlichkeit bei einem negativen Testergebnis ist, tatsächlich gesund zu sein.

Hier wird daher gefragt: Wenn jemand ein negatives Testergebnis erhalten hat, wie hoch ist die Wahrscheinlichkeit, dass der-/diejenige wirklich gesund ist?

Teil 1:
Übungsaufgaben


Frage 1
75% der Gesunden erhalten ein negatives Testergebnis.
Welche Kenngröße wird hier beschrieben?






Frage 2
12% der Kranken erhalten ein negatives Testergebnis.
Wie hoch ist die Sensitivität?
[Bitte geben Sie Ihre Antwort als Dezimalzahl mit zwei Nachkommastellen an. Beachten Sie, dass das System nur Kommata, keine Punkte erkennt.]



Frage 3.1
Von 20 positiven Testergebnissen, sind 12 valide positiv. Welche Kenngröße wird hier beschrieben?





Frage 3.2
Und wie hoch ist der entsprechende Wert?
[Bitte geben Sie Ihre Antwort als Dezimalzahl mit zwei Nachkommastellen an. Beachten Sie, dass das System nur Kommata, keine Punkte erkennt.]



Teil 2:
Der Zusammenhang zwischen Positivem Prädiktiven Wert und Prävalenz

Um den Positiven Prädiktiven Wert zu bestimmen, ist die Beachtung der Prävalenz wichtig. Den Grund dafür kann man mittels eines Baumdiagramms verdeutlichen:


Bei einer Stichprobe von 1000 Menschen und einer Erkrankung, die 20% der Menschen betrifft, sind von diesen 1000 Menschen 200 erkrankt und 800 gesund.
Angenommen, ein Test soll die Erkrankung detektieren und besitzt eine Sensitivität von 90% und eine Spezifität von 85%, dann bedeutet dies, dass von den 200 Kranken 180 positiv getestet werden und von den 800 Gesunden 680 negativ getestet.
Dies ergibt eine Gesamtsumme von 300 positiven Testergebnissen (180 valide positiv aus der Gruppe der Kranken + 120 falsch positiv aus der Gruppe der Gesunden). Von diesen 300 positiven Ergebnissen sind 180 wirklich krank:

Der Positive Prädiktive Wert beträgt 180/300, also 60% oder 0,6.

Die Wahrscheinlichkeit für einen Patienten oder eine Patientin, bei positivem Testergebnis wirklich krank zu sein, liegt bei 60%.

Was passiert nun mit dem Positiven Prädiktiven Wert, wenn wir eine Prävalenz von 2% annehmen?


Bei einer Stichprobe von 1000 Menschen ergibt das 20 erkrankte und 980 gesunde Menschen. Unter Annahme derselben Sensitivität und Spezifität wie zuvor erhalten 18 der 20 Kranken ein positives und 833 der 980 Gesunden ein negatives Testergebnis.

Betrachten wir nun wieder die Summe der positiven Testergebnisse, ergibt sich dieses mal eine Gesamtanzahl von 165 positiven Tests. Von diesen 165 positiv getesteten Personen sind 18 wirklich erkrankt, sodass ein Positiver Prädiktiver Wert von 18/165 entsteht, also in etwa 10,9% oder 0,109.

Die Wahrscheinlichkeit für einen Patienten oder eine Patientin, bei positivem Testergebnis wirklich krank zu sein, liegt in diesem Fall bei ca. 10,9%.

Teil 2:
Übungsaufgaben

Gehen Sie wieder von einer Stichprobe von 1000 Menschen aus und stellen sich eine Erkrankung mit einer Prävalenz von 5% vor. Der diagnostische Test hat eine Sensitivität von 80% und eine Spezifität von 86%.
Zeichnen Sie für sich ein Baumdiagramm und beantworten dann die folgenden Fragen:
1: Wenn ein Patient ein positives Testergebnis erhält: Wie hoch ist die Wahrscheinlichkeit, dass er wirklich erkrankt ist?
[Bitte geben Sie Ihre Antwort als Dezimalzahl auf drei Nachkommastellen gerundet an. Beachten Sie, dass das System nur Kommata, keine Punkte erkennt.]


2: Wie hoch ist die Wahrscheinlichkeit bei einem negativen Testergebnis, tatsächlich gesund zu sein?
[Bitte geben Sie Ihre Antwort als Dezimalzahl auf drei Nachkommastellen gerundet an. Beachten Sie, dass das System nur Kommata, keine Punkte erkennt.]







Bildquellen:
Cartoons:
“Doctor with Nurse Cartoon.svg”: from Wikimedia Commons by Videoplasty.com, CC-BY-SA 4.0
“Doctor Thumbs Up Cartoon.svg”: Videoplasty.com / CC BY-SA (https://creativecommons.org/licenses/by-sa/4.0)
Icons:
“Team work icon.svg”: Subhashish Panigraphi / CC BY-SA (https://creativecommons.org/licenses/by-sa/4.0)
Icon Wissen: “Noun Project knowledge icon 1677705 cc.svg” Becris / CC BY-SA (https://creativecommons.org/licenses/by-sa/3.0)
Icon Übungsaufgaben: “Noun Project test icon 2404407 (1).svg” Adrien Coquet / CC BY (https://creativecommons.org/licenses/by/3.0)
GIF:
“Albert Einstein teaching.gif” Aidenl9 / CC BY-SA (https://creativecommons.org/licenses/by-sa/4.0)