Hoe weet ik of een coronatest betrouwbaar is?

Sensitiviteit en specifiteit uitgelegd

...

Momenteel wordt er druk gezocht naar een screeningstest die het coronavirus binnen enkele minuten betrouwbaar en goedkoop kan aantonen. Geen enkele test is echter perfect. Een test kan iemand die het virus heeft onterecht als gezond bestempelen (fout-negatieve uitslag). Het omgekeerde kan ook: de test geeft een positieve uitslag bij een gezond persoon (fout-positieve uitslag). De kwaliteit van de test wordt afgemeten aan zijn sensitiviteit en specificiteit. Deze begrippen worden door studenten vaak door elkaar gehaald. In deze blog leggen we je uit hoe het zit!

In het kort: de definities

Sensitiviteit: de kans dat iemand met de aandoening een positieve uitslag heeft op de test. De sensitiviteit is 100% als de test alle mensen met corona correct herkent, dus geen fout-negatieve uitslagen.


Specificiteit: de kans dat iemand zonder de aandoening een negatieve uitslag heeft op de test. De specificiteit is 100% als de test alle gezonde mensen correct herkent, dus geen fout-positieve uitslagen.


Positief voorspellende waarde: de kans dat iemand met een positieve uitslag de aandoening heeft.


Negatief voorspellende waarde: de kans dat iemand met een negatieve uitslag de aandoening niet heeft.

Voorbeeld corona-sneltest

We zullen de begrippen sensitiviteit en specificiteit duidelijk maken aan de hand van een fictief voorbeeld over een corona-sneltest die we hebben ontwikkeld. We testen 1000 mensen in een populatie waarvan we weten dat de prevalentie van corona op dat moment 5% is. Dat betekent dat 50 op de 1000 mensen het virus hebben. We vinden de volgende resultaten:

  Corona aanwezig Corona afwezig  
Sneltest positief 45 250 295
Sneltest negatief 5 700 705
  50 950 1000

 

Hoe interpreteer je deze tabel?

We zien dat 45 van de 50 mensen met corona door de test correct worden herkend. De sensitiviteit is dus 45 / 50 * 100% = 90%. Oftewel, 90% van de mensen met het coronavirus heeft een positieve uitslag, 10% is dus fout-negatief. Verder zien we dat 700 van de 950 mensen zonder corona een correct negatieve uitslag hebben. De specificiteit is dus 700 / 950 * 100% = 74%, dat wil dus zeggen dat 74% van de gezonde mensen een negatieve uitslag hebben. Een groot deel (26%) krijgt dus een fout-positieve uitslag.

Hoe groot is dan de kans dat iemand met een positieve testuitslag echt corona heeft?

Om deze vraag te beantwoorden, kun je sensitiviteit helaas niet gebruiken. Sensitiviteit geeft namelijk alleen maar de kans aan dat iemand met de ziekte een positieve uitslag heeft. Precies andersom dus. Daarom gebruiken we hiervoor de positief voorspellende waarde. Die bereken je als volgt met bovenstaande tabel: 45 / 295 * 100% = 15% (aantal echt positieven / totaal aantal positieven). De kans dat iemand met een positieve uitslag de ziekte echt heeft, is dus maar 15%. 

Effect van prevalentie op de positief voorspellende waarde

Stel dat we onze test nu gebruiken in een andere populatie waar de prevalentie van corona 40% is, dus 400 op de 1000. De sensitiviteit en specificiteit blijven hetzelfde, maar omdat er veel meer zieke mensen in deze populatie zitten is de kans op een correct positieve uitslag groter geworden. Dit zie je in de volgende tabel.

  Corona aanwezig Corona afwezig  
Sneltest positief 360 158 518
Sneltest negatief 40 442 482
  400 600 1000


De positief voorspellende waarde is nu: 360 / 518 * 100% = 69%. In onze vorige populatie was deze waarde maar 15%! Het hangt dus sterk af van de prevalentie of we een uitspraak kunnen doen over de kans dat iemand met een positieve uitslag echt ziek is. 

Ezelsbruggetje voor sensitiviteit en specificiteit

Als we een screeningstest hebben, willen we zeker weten dat we geen mensen missen die de ziekte hebben. We willen geen coronapatiënten missen om het verspreiden van het virus tegen te gaan. Daarom moet de test zo min mogelijk fout-negatieve uitslagen hebben, dus een zo hoog mogelijke sensitiviteit. Hiermee kunnen we namelijk met grote zekerheid zeggen dat een negatieve uitslag ook écht negatief is, en kunnen we deze mensen uitsluiten. Vandaar het ezelsbruggetje:


SnNout: hoge Sensitiviteit en een Negatief resultaat sluit de diagnose uit (ruling out).


En precies andersom voor specificiteit, als we écht zeker willen weten dat iemand corona heeft en we de diagnose willen bevestigen met een zo laag mogelijke kans op een fout-positieve uitslag:


SpPin: hoge Specificiteit en een Positief resultaat bevestigt de diagnose (ruling in). 


3 april 2020

Schakel de hulptroepen in!

Meld je nu aan voor scriptiebegeleiding of hulp met statistiek/SPSS.

Aanmelden