Publicatiedatum: 5 mei 2020
Auteur: Lidwien Smabers, 5e-jaars geneeskundestudent, VGT-score: 55%

Sensitiviteit en specificiteit

Sensitiviteit… specificiteit… hoe zat het ook alweer? Deze termen vliegen ons om de oren, maar ze worden niet altijd goed gebruikt! Of het nu gaat om het interpreteren van wetenschappelijke resultaten of om de vertaalslag naar de klinische patiënt, dit artikel geeft je inzicht in de achtergrondprincipes die je nodig hebt. 

Meer over statistiekBekijk ook dit leerartikel over onderzoeksdesigns en statistische toetsen.

Kernpunten

  • Een test met een hoge sensitiviteit kan goed gebruikt worden om ziekten uit te sluiten.
  • Een test met een hoge specificiteit kan goed gebruikt worden om ziekten aan te tonen.
  • Bij toenemende prevalentie zal de positief-voorspellende waarde van de test toenemen.

Sensitiviteit is de gevoeligheid van een test in medische diagnostiek. Dit is het percentage terecht positieve testuitslagen (A) onder alle zieke personen (E), zie tabel 1. Hoe hoger de sensitiviteit, hoe groter de kans dat iemand die de ziekte daadwerkelijk heeft een positieve testuitslag krijgt. Bij een hoge sensitiviteit zullen weinig fout-negatieve testuitslagen zijn.

Specificiteit is het percentage terecht negatieve testuitslagen (D) onder de niet-zieke personen (F). Hoe hoger de specificiteit, hoe groter de kans dat iemand die de ziekte niet heeft, een negatief testrestultaat krijgt. Bij een hoge specificiteit zullen weinig fout-positieve testuitslagen zijn.

Ezelsbruggetje: SPIN en SNOUT

Hoge SPecificiteit rules IN! Hoge SeNsitiviteit rules OUT! Een test met een hoge specificiteit kan goed gebruikt worden om met grote zekerheid een ziekte of aandoening aan te tonen. Stel, een test is 100% specifiek. Je weet dan dat alle mensen die een ziekte niet hebben negatief op de test scoren. Met andere woorden, er zijn 0 foutpositieven. Daarom weet je dat iedere positieve testuitslag terecht positief is. Met een hoge specificiteit kun je dus goed aantonen.

Tabel 1. De structuur van de 2×2-tabel.

  Ziekte aanwezig Ziekte afwezig Totaal
Test positief A (terecht positieven) B (foutpositief) G (totaalaantal positieve testen, A+B)
Test negatief C (foutnegatief) D (terecht negatieven) H (totaalaantal negatieve testen, C+D)
Totaal E (totaal zieken, A+C) F (totaal niet zieken, B+D) I (totale populatie, E+F en G+H)

Prevalentie, PPV en NPV

De positief-voorspellende waarde (PPV) is de kans op ziek zijn bij een positieve testuitslag. Dit kan worden berekend door het aantal terecht positieven (A) te delen door het totaalaantal positieve testuitslagen (G). De negatief-voorspellende waarde (NPV) is de kans op niet-ziek zijn bij een negatieve testuitslag. Dit kan worden berekend door het aantal terecht negatieven (F) te delen door het totaalaantal negatieve testuitslagen (H).

De prevalentie is het totaalaantal zieke personen (E) gedeeld door de totale populatie (I). Prevalentie kijkt naar bestaande gevallen, terwijl incidentie naar nieuwe gevallen kijkt. De prevalentie- en de incidentiematen staan in onderling verband via de duur van een ziekte.

Bij toenemende prevalentie zal de PPV van de test toenemen. Aangezien de PPV berekend wordt in een hele groep is deze afhankelijk van de prevalentie. Wanneer de ziekte vaker voorkomt, zal de kans dat de patiënt de ziekte heeft toenemen.

Pre- en post-test probabiliteit

De pre-test probabiliteit, ook wel priorkans genoemd, is de kans dat een patiënt een bepaalde ziekte heeft in een bepaalde situatie. Dit is simpelweg de prevalentie van een bepaalde specifieke populatie in een bepaalde situatie. De post-test probabiliteit, ook wel posteriorkans genoemd, voor een positieve testuitslag is het aantal terecht positieven gedeeld door het aantal terecht positieven en aantal fout positieven. De post-test probabiliteit voor een negatieve testuitslag is het aantal fout negatieven gedeeld door het aantal terecht negatieven en aantal fout negatieven.

Voorbeeld screening

Op 1 januari 2019 waren er ongeveer 118.300 vrouwen met invasieve borstkanker (Bron: NKR, cijfers gedownload op 25 februari 2020). Dit komt overeen met 13,6 (afgerond 14) per 1.000 vrouwen. Stel dat de prevalentie van borstkanker bij vrouwen onder de 50 jaar 4 per 1000 vrouwen is (laagrisicogroep). De sensitiviteit van het screeningsmammogram in het bevolkingsonderzoek wordt geschat op 71%. Stel dat de specificiteit 99% is. 

Nu kan een 2×2-tabel worden opgesteld en aan de hand daarvan kan de PPV en de NPV worden berekend. Voor de eenvoud zijn de getallen in de tabellen afgerond. In deze tabellen komt naar voren dat de PPV bij vrouwen in een laagrisicogroep met lage prevalentie van de ziekte aanzienlijk lager is dan in een hoogrisicogroep, en dus de vraag is of screening hier zinvol is.

Tabel 2. 2×2-tabel totale groep.

  Ziekte aanwezig Ziekte afwezig  Totaal
Test positief  10 (71% van 14) 10 20
Test negatief  4 976 (99% van 986) 980
Totaal 14 986 1000
PPV: 50%; NPV: 99,5%.

Tabel 3. 2×2-tabel laagrisicogroep < 50 jaar.

  Ziekte aanwezig Ziekte afwezig Totaal
Test positief 3 (71% van 4) 10 13
Test negatief 1 986 (99% van 996) 987
Totaal 4 996 1000
PPV: 23%; NPV: bijna 100%.