Fulltext - SBU
Fulltext - SBU
Fulltext - SBU
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
i en konvex båge, för att sluta i det högsta tröskelvärdet (högsta möjliga<br />
sensitivitet), se Figur 2.<br />
Figur 2 Exempel på ROC-kurva.<br />
Nyckelvärdet i en ROCanalys är ”arean under kurvan”, kallad Area<br />
Under the Curve (AUC). I exemplet ovan är AUC = 0,80. AUC ger en<br />
uppskattning av prediktiv validitet som dels avspeglar precisionen över<br />
samtliga möjliga tröskelvärden, dels är mindre känsligt för bastal än vad<br />
som är fallet med PPV/NPVangivelser.<br />
När det gäller riskbedömningar inom psykiatrin återspeglar AUCvärdet<br />
sannolikheten att en slumpmässigt utvald farlig patient ska ha en högre<br />
predicerad återfallsrisk än en slumpmässigt utvald ickefarlig patient.<br />
Typiskt varierar AUCvärdet mellan 0,50 och 1,00 där 0,50 innebär att<br />
prognosen helt saknar validitet (man kan lika gärna ”kasta krona eller<br />
klave” som Ennis och Litwack uttryckte det i sin översikt från 1974 [26])<br />
och 1,00 indikerar en perfekt precision i prediktionerna.<br />
Hur AUCvärden ska tolkas i sammanhanget är föremål för viss debatt.<br />
Sjöstedt och Grann argumenterade nyligen att AUC allmänt tolkats<br />
överdrivet optimistiskt när det gäller riskbedömningar i andra och tredje<br />
generationen, och föreslog följande schematiska tolkningsmall [43]:<br />
0,90 hög precision.<br />
Exakt hur man ska väga olika AUCvärden kommer alltid att vara<br />
bestämt av hur man väger kostnad och nyttoaspekter för korrekta respektive<br />
felaktiga bedömningar, alltså hur man i ett större sammanhang<br />
värderar de underliggande PPV/NPVvärdena. Se vidare i Kapitel 4<br />
Diskussion – vad säger evidensen?<br />
28 R I S K B E D Ö M N I N G A R I N O M P S Y K I AT R I N – K A N VÅ L D I S A M H Ä L L E T F Ö R U T S ÄG A S ?<br />
K A P I T E L 1 • I N L E D N I N G O C H B A KG R U N D 29