WikiDer > Test (Medizin)

EIN Prüfung ist in der Medizin ein Werkzeug, um zu untersuchen, ob eine Person ein bestimmtes Erkrankung hast. Wenn der Test zeigt, dass diese Person die Krankheit haben würde, gilt das Testergebnis als positiv. Zeigt der Test dies nicht an, ist das Ergebnis negativ.

Tests in der Medizin geben in der Regel keine vollständige Sicherheit. Ist der Test binär, dh mit dem Ergebnis nur die beiden Möglichkeiten 'ja' und 'nein', dann ist das Ergebnis eindeutig positiv oder negativ. Die meisten Tests sind jedoch nicht binär, sondern liefern ein Ergebnis auf einer gleitenden Skala, zum Beispiel a Konzentration von a Staub im Blut. Ein solcher Test kann binär gemacht werden, indem man a Schwellwert oberhalb oder unterhalb dessen das Testergebnis als positiv gilt.

Will man in einer bestimmten Population wissen, welche Individuen eine bestimmte Krankheit haben (z.B. weil es sich um eine Risikogruppe handelt), dann kann man zu a Screening dieser Bevölkerung für diese Krankheit.

Viele medizinische Tests, wie z Allergie-Testen und Bluttests, werden in medizinischen Labore.

Einige medizinische Tests dienen nicht dazu, eine Krankheit zu erkennen, sondern den aktuellen Zustand der Testperson zu messen. Zum Beispiel, um den Verlauf einer bereits bekannten Krankheit (verbessert, verschlimmert oder geheilt) zu bestimmen oder die Belastbarkeit des Körpers zu messen (z Sportinspektion, eine Eignungsprüfung für einen bestimmten Beruf oder eine Fahrprüfung für eine bestimmte Risikogruppe).

Sensitivität und Spezifität

Jeder Test hat eine bestimmte Empfindlichkeit und eine gewisse Besonderheit. Die Sensitivität bezieht sich auf die Wahrscheinlichkeit eines positiven Ergebnisses bei Vorliegen der Krankheit, während sich die Spezifität auf die Wahrscheinlichkeit bezieht, dass der Test ohne die Krankheit negativ ausfällt. Die Wahl eines Schwellenwerts beeinflusst die Sensitivität und Spezifität.

Gute Tests sind nicht nur sensitiv, sondern auch spezifisch. Ein Beispiel ist das Schwangerschaftstest, die in beiden Punkten rund 99% erreicht. Ein schlechter Test ist beispielsweise der Rheumatest, der an beiden Punkten bei ca. 70 % hängenbleibt. Die Chance, dass ein Patient mit positivem Ergebnis auch Rheuma hat, ist gering a priori- Chance ist auch nach so einem Test noch sehr gering (siehe Beispiel im Artikel Satz von Bayes Bay). Auch der serologische Test auf eine Infektion mit den Bakterien Borrelien burgdorferic, Erreger der Borreliose, hat sowohl eine niedrige Sensitivität als auch eine niedrige Spezifität.

Falsch positiv und falsch negativ

Wenn die Sensitivität eines Tests zu gering ist, besteht eine gute Chance, dass der Test anzeigt, dass die Person nicht an der Krankheit leidet, obwohl dies in Wirklichkeit der Fall ist. Das Ergebnis ist dann Falsch negativ.

Ist die Spezifität hingegen zu gering, besteht eine gute Chance, dass der Test anzeigt, dass der Proband die Krankheit hat, obwohl dies in Wirklichkeit nicht der Fall ist. Das Ergebnis des Tests ist dann falsch positiv.

Schaltplan

Ein binärer Test, also ein Test, der nur die Ergebnisse 'positiv' (der Test deutet auf das Vorliegen einer Bedingung) und 'negativ' (der Test deutet auf das Fehlen einer Bedingung) hin, kann mit der 2×2-Tabelle durchgeführt werden unten modelliert werden, wobei die betroffene Population als doppelt beschrieben wird Dichotomie dargestellt mit der Dichotomie 'krank'(${Anzeigestil Z}$) oder 'nicht krank' (${displaystyle {ar {Z}}}$) und Testergebnis positiv ( ) oder negativ (–). Die Zahlen in den vier Kategorien sind mit den Buchstaben A, B, C und D gekennzeichnet. Bitte beachten Sie, dass es sich um die gesamte Grundgesamtheit und nicht um die untersuchte Stichprobe handelt.

	Zustand Z vorhanden	Bedingung Z fehlt	gesamt
positiv testen ( )	ein	C	Ein C
Test negativ (–)	B	d	B D
gesamt	A B	C D	A B C D

Folgende Mengen sind wichtig:

• die Vortestwahrscheinlichkeit, oder Häufigkeit: der Anteil der Menschen, die an Z leiden (die Wahrscheinlichkeit, dass die Krankheit Z in der untersuchten Population auftritt)

${displaystyle P(Z)={frac {A B}{A B C D}}}$

• die Sensitivität des Tests: die (bedingte) Chance auf ein positives Ergebnis bei Patienten mit Z

${displaystyle P( |Z)={frac {A}{A B}}}$

• die Spezifität des Tests: die (bedingte) Chance eines negativen Ergebnisses bei denen, die nicht an Z . leiden

${displaystyle P(-|{ ar {Z}})={frac {D}{C D}}}$

• die Post-Test-Wahrscheinlichkeit mit positivem Ergebnis: die (bedingte) Wahrscheinlichkeit der Erkrankung bei denen, die ein positives Ergebnis erhalten würden

${displaystyle P(Z| )={frac {A}{A C}}}$

• die Posttest-Wahrscheinlichkeit bei negativem Ergebnis: die (bedingte) Wahrscheinlichkeit der Erkrankung bei denen, die ein negatives Ergebnis erhalten würden

${displaystyle P(Z|-)={frac {B}{B D}}}$

Darüber hinaus gilt:

• das Komplement der Sensitivität, also die (bedingte) Wahrscheinlichkeit eines negativen Ergebnisses bei Z-Erkrankten, ist

${Anzeigestil P(-|Z)=1-P( |Z)={frac {B}{A B}}}$

• das Komplement der Spezifität, d. h. die (bedingte) Wahrscheinlichkeit eines positiven Ergebnisses bei denen, die nicht an Z leiden, ist

${displaystyle P( |{ ar {Z}})=1-P(-|{ ar {Z}})={frac {C}{C D}}}$

Für die Post-Test-Wahrscheinlichkeit für ein positives Ergebnis kann man mit dem Satz von Bayes schreiben:

${displaystyle P(Z| )={frac {P( |Z)P(Z)}{P( |Z)P(Z) P( |{ ar {Z}})P({ ar {Z}}) }}={frac {P(Z)}{P(Z) {frac {P( |{ ar {Z}})}{P( |Z)}}P({ar {Z}})}}}$

weil ${Anzeigestil P(Z) P({ ar {Z}})=1}$, kann daraus geschlossen werden, dass der Test einen positiven Vorhersagewert hat, wenn der Quotient ${Anzeigestil P( |{ ar {Z}})/P( |Z)<1}$. Der Kehrwert dieses Quotienten wird positiv Wahrscheinlichkeitsverhältnis erwähnt:

${displaystyle { ext{LR}}_{ }={frac {P( |Z)}{P( |{ ar {Z}})}}={frac { ext{Empfindlichkeit}}{1-{ ext{Spezifität }}}}}$

Wenn die positive Likelihood-Quote gleich 1 ist, also ${Anzeigestil P( |Z)=P( |{ ar {Z}})=P( )}$, hat der Test keinen prädiktiven Wert. Ein Test mit einem guten positiven Vorhersagewert hat ein positives Likelihood-Verhältnis von deutlich über 1.

Wenn der Test experimentell an mehreren Probanden durchgeführt wurde, werden die Nummern a, b, c und d in den verschiedenen Kategorien in einer Tabelle ähnlich der obigen aufgeführt. Die Verhältnisse zwischen den beobachteten Zahlen sind Schätzwerte für die verschiedenen Wahrscheinlichkeiten in der Grundgesamtheit, definiert durch die unbekannten Zahlen A, B, C und D in der Grundgesamtheit.

	Zustand Z vorhanden	Bedingung Z fehlt
positiv getestet	ein EP (wirklich positiv, zu Recht alarmiert)	b FP (falsch positiv, falscher Alarm)
Test negativ	c FN (falsch negativ, verpasste Fälle)	d UND (wirklich negativ, zu Recht abgelehnt)

Sensitivität und Spezifität eines solchen Tests werden geschätzt durch:

${displaystyle { ext{Sensibilität}}={frac { ext{die Anzahl der wahrhaft positiven Ergebnisse}}{ ext{die Anzahl der wahrhaft positiven Ergebnisse die Anzahl der falsch negativen Ergebnisse}}}={frac {a}{a c}}}$

${displaystyle { ext{Spezifität}}={frac { ext{die Anzahl der wahren Negative}}{ ext{die Anzahl der wahren Negative die Anzahl der falsch positiven Ergebnisse}}}={frac {d}{b d}}}$

Siehe auch

• Psychodiagnostik
• Falsch positiv und falsch negativ
• Gültigkeit
• Diagnose
• Screening
• ROC-Kurve
• Allergietest
• Corona-Test