Fulltext - SBU

Faktaruta 4.2.1 Bayesiansk statistik.
Den engelska prästen Thomas Bayes (1702–1761) var förutom teolog också
mycket intresserad av matematik. Han är mest känd för att ha utvecklat Bayes
teorem, som är en form av sannolikhetsberäkning. Teoremet blev publicerat först
efter hans död. Teoremet används bl a inom medicin och informationsbehandling
och för moderna spamfilter. För de sistnämnda används kombinationer av algoritmer
för att beräkna sannolikheten för att olika ord förekommer i icke önskad
e-post. Inom medicin kan Bayes teorem användas för att beräkna sannolikheter
så att osäkerheten i värderingen av ett utfall reduceras när ny information tillförs
eller när tester kombineras [18].
Denna form av statistik är väl ägnad för kliniker eftersom vi lätt feltolkar sannolikheter.
I den kliniska vardagen är vi mer upptagna av att fatta beslut än att testa
vetenskapliga hypoteser. Bayes teorem kan tala om för oss hur sannolikt det är
att våra diagnoser stämmer med verkligheten. Vi kan använda kunskap om testers
tillförlitlighet (sensitivitet och specificitet) och kombinera detta med kunskap om
sjukdomsförekomst (prevalens) för att beräkna sannolikheten för att den slutliga
diagnosen är korrekt. Om vi ställt en positiv kariesdiagnos på t ex en approximal
emaljyta, kan vi med kännedom om diagnostikens sensitivitet och specificitet
beräkna sannolikheten för att diagnosen är riktig (det positiva prediktiva värdet).
Förklaring och beräkning av prediktiva värden finns i Kapitel 1.
På nätet finns flera kalkyler som baseras på Bayes teorem. Några exempel:
http://www.intmed.mcw.edu/clincalc/bayes.html
http://araw.mede.uic.edu/cgi-bin/testcalc.pl
http://faculty.vassar.edu/lowry/VassarStats.html
http://www.cebm.net/
126
Karies – diagnostik, riskbedömning och icke-invasiv behandling