Rapporten - SBU

Negativt prediktivt värde (NPV) anger sannolikheten för de med negativt
testresultat är friska.
Teoretiskt är sensitivitet och specificitet oberoende av sjukdomspreva-
lensen i populationen. I praktiken påverkas de dock av patientkarakteristika,
dvs det patientspektrum som testet appliceras på. Det innebär att
sensitivitet och specificitet för ett test på patienter som remitterats till en
specialistklinik inte kan förväntas vara desamma som för patienter i allmänpraxis.
Den förra utgör en selekterad population, ofta med symtom
på (ännu odiagnostiserad) sjukdom, medan den senare primärt är mer
oselekterad och med större andel patienter utan sjukdom. Sensitivitet och
specificitet påverkas därmed också av sjukdomsprevalensen som är lägre
i en oselekterad population [5]. I regel är sensitiviteten lägre och specificiteten
högre i en oselekterad population [5,6].
PPV och NPV beskriver en testmetods egenskaper från klinikerns perspektiv.
De prediktiva värdena är dock beroende av sjukdomsprevalensen
i populationen. Vid låg sjukdomsprevalens sjunker PPV för en given
sensitivitet och specificitet, medan NPV inte påverkas i samma utsträckning.
Prediktionsvärden från en studie kan därför inte direkt överföras
till en annan population om inte sjukdomsprevalensen är jämförbar.
Sannolikhetskvoten (likelihood ratio, LR) sammanfattar sensitivitet
och specificitet i ett mått. En positiv sannolikhetskvot (LR+) beskriver
andelen sjuka med positivt test dividerat med andelen friska med positivt
test sensitivitet/(1–specificitet). En negativ sannolikhetskvot (LR–)
beskriver andelen sjuka med negativ test dividerat med andelen friska
med negativt test (1–sensitivitet)/specificitet. Annorlunda uttryckt, LR+
är oddsen för sjukdom vid positivt test och LR– är oddsen för sjukdom
vid negativt test.
Oddskvoten (odds ratio, OR) uttrycker oddsen för sjukdom vid positivt
testresultat i förhållande till oddsen för sjukdom vid negativt testresultat.
Om OR = 1 är testet värdelöst, och ju högre OR desto bättre är testet för
att särskilja sjukdom/inte sjukdom.
KAPITEL 2 • METodbEsKrIvnIng
65