EPI: Diagnostiek

Question 1

De leerdoelen zijn:
1. Opfrissen: maten voor de accuratesse van een test
Voorspellende waarden, sensitiviteit, specificiteit
2. Schatten kans op ziekte na testresultaat
Likelihood ratio
3. Wat gebeurt er als je tests combineert?
Parallelle vs. seriële testcombinatie
4. Hoe weten we hoe accuraat een test is?
Accuratessestudies en bias

Answer 1

hell yeah

Question 2

Wat is accuratesse (nauwkeurigheid) en waarom is het belangrijk om deze van een test te weten?

Answer 2

1. Om de kans op ziekte in te schatten o.b.v. een testresultaat (focus van dit onderwijs)
   ofwel hoe goed een test onderscheid kan maken tussen ziek/niet-ziek
2. Om beslissingen te nemen over het wel/niet gebruiken van een test, of kiezen van een test uit meerdere tests

Question 3

Wat is de gouden standaard?

Answer 3

Bestaat vaak niet dus we spreken liever over een ‘referentie-standaard’

Question 4

Hoe interpreteer je een positief voorspellende waarde? Wat zegt een hoge PVW?

VB: rode urine vs cystoscopie voor diagnose blaaskanker

Answer 4

Als ik rode urine heb, wat is de kans op blaaskanker?

Als PVW hoog is (≈100%) egt men dat de positieve testuitslag e ziekte ‘insluit’

Question 5

Hoe bereken je een PVW?

Answer 5

TP/(TP+FP)
A / (A+B)

Question 6

Hoe interpreteer je een negatief voorspellende waarde? Wat zegt een hoge NVW?

Answer 6

Als ik normale urine heb, wat is de kans dat er geen blaaskanker is?
Als NVW hoog is (≈100%) zegt men dat de negatieve testuitslagde ziekte ‘uitsluit’

Question 7

Hoe bereken je NVW?

Answer 7

TN/(FN+TN)
D / (C + D)

Question 8

Hoe interpreteer je de sensitiviteit?

Answer 8

Van mensen met blaaskanker, wat is de % mensen met rode urine?

Question 9

Hoe bereken je de sensitiviteit?

Answer 9

TP/(TP+FN)
A / (A + C)

Question 10

Hoe interpreteer je de specificiteit?

Answer 10

Van mensen zonder blaaskanker, wat is het % mensen met normale urine?

Question 11

Hoe bereken je de specificiteit?

Answer 11

TN/(FP+TN)
D / (B + D)

Question 12

Wat gebeurd er met de PVW en NVW als een ziekte vaker voor komt?

Answer 12

Dan is er een hogere prevalentie / voorafkans.
Dus de PVW stijgt en de NVW daalt

Intuitief: (1) als de ziekte heel vaak voorkomt en (2) als je positief test → de kans op ziekte is vrij groot!

Question 13

Wat gebeurt er met de sensitiviteit en specificiteit als een ziekte vaker voorkomt?

Answer 13

Die blijft ‘stabiel’!

Question 14

Stelling: PVW en NVW zijn erg afhankelijk van de ziekte-prevalentie

Answer 14

Klopt

Question 15

Waar zijn artsen meer geïnteresseerd in? PVW/NVW of spec/sens?

Answer 15

PVW/NVW (= kans op ziekte na een testresultaat)

Question 16

Wanneer zijn spec/sens handig?

Answer 16

als je eigenschappen van de test wilt weten zonder invloed van prevalentie

Question 17

We hebben het gehad over dichotome testen. Nu gaan we kijken naar continue testen.
Waarom heb je een afkappunt nodig voor continue testen?

Answer 17

We hebben een ‘afkappunt’ nodig waarboven de test het als ‘positief’ geldt

Er kunnen meerdere afkappunten zijn

Question 18

Welk type grafiek gebruiken we om een afkappunt te bepalen?

Answer 18

Receiver operating characteristic (ROC) plot

Question 19

Samenvatting tot dusver:
We willen weten hoe accuraat een test is. Daarvoor is een goede referentiestandaard nodig
Voorspellende waarden zijn de kans op ziekte bij een testuitslag
Sensitiviteit en specificiteit zijn minder afhankelijk van ziekte-prevalentie
Voor continue testen kiezen we vaak een afkappunt voor test positiviteit

Answer 19

Nice

Question 20

Wat is de voorafkans (a priori kans)?

Answer 20

kans op ziekte vóór de test

Question 21

Waar is de voorafkans soms gelijk aan?

Answer 21

prevalentie

Question 22

Wat is de achterafkans (a posteriori kans) ?

Answer 22

kans op ziekte na de test

Question 23

Waar is de achterafkans soms gelijk aan?

Answer 23

PVW en 1-NVW

Question 24

Wat is het verschil tussen vooraf/achterafkans en positief/negatief voorspellende waarde?

Answer 24

Vooraf en achterafkans: eigenschap van het individu
Prevalentie en PVW/1-NVW: eigenschap van de populatie

Question 25

Prevalentie kan een benadering geven van de voorafkans, maar kansen kunnen sterk verschillen per individu. Kan je hiervan een voorbeeld bedenken?

Answer 25

Prevalentie blaaskanker in een populatie: 10%
Voorafkans 30-jarige ook 10%? Voorafkans 70-jarige ook 10%?

Question 26

Stel dat je een andere voorafkans hebt dan bij de gemiddelde populatie, hoe ga je dan naar een achterafkans bij een positief testresultaat?

Answer 26

D.m.v. likelihood ratio!

Question 27

Hoe interpreteer je de (positieve) likelihood ratio?

Answer 27

Hoeveel vaker komt een + testresultaat voor bij zieken? (vergeleken met niet-zieken)

Question 28

Hoe bereken je de positieve LR?

Answer 28

Hoe vaak een + test voorkomt bij zieken: TP/(TP+FN)
Hoe vaak een + test voorkomt bij niet-zieken: FP/(FP+TN)
Positive likelihood ratio = (TP/(TP+FN)) / (FP/(FP+TN)) = sensitiviteit / (1-specificiteit)

Question 29

Wat betekent het als de LR 1 is?

Answer 29

Dan komt een positieve testuitslag evenvaak voor bij zieken en niet-zieken  heb je dus niks aan

Question 30

Met de rekenvoorbeelden in presentatie en practicum lijkt t dat je voor de toets ook moet kunnen rekenen van odds -> LR e.d. Kijk goed zelf naar de sommen hoe je dit doet

Answer 30

Yes ma’am (komt hier maar beetje aan bod)

Question 31

Hoe transformeer je kans in odds?

Answer 31

kans / (1 - kans)

Question 32

Hoe transformeer je odds naar kans?

Answer 32

odds / (1 + odds)

Question 33

Hoe interpreteer je een negatieve LR?

Answer 33

Hoeveel vaker komt een - testresultaat voor bij zieken? (vergeleken met niet-zieken)

Question 34

Hoe bereken je een negatieve LR?

Answer 34

Hoe vaak een - test voorkomt bij zieken: FN/(TP+FN)
Hoe vaak een - test voorkomt bij niet-zieken: TN/(FP+TN)
Negative likelihood ratio = (FN/(TP+FN)) / (TN/(FP+TN)) = (1-sensitiviteit) / specificiteit

Question 35

Wat zijn de voordelen van LRs?

Answer 35

Maakt mogelijk om voor de individuele patiënt een achterafkans te berekenen
Zelfs wanneer de testuitslag niet dichotoom is

Question 36

Wat zijn de nadelen van LRs?

Answer 36

Lastig berekenen met odds (rekenmachine nodig)
Aanname: likelihood ratio blijft hetzelfde bij verschillende patiënten
Hoeft niet, want een test kan accurater zijn bij de ene, en minder accuraat bij de ander

Question 37

Veel informatie gaat … als je continue uitslagen omzet in dichotome.

Answer 37

verloren

daarom wil je eigenlijk een LR van een continue/specifiek resultaat

Question 38

Samenvatting tot dusver:
Kans op ziekte in populatie ≠ kans op ziekte in individu
Bij individueel toepassen van een test willen we van voorafkans → achterafkans
Met likelihood ratios (LRs) kunnen we de achterafkans schatten, maar ermee rekenen is tijdrovend
LRs leert ons: interpreteer extreem hoge of lage testresultaten anders dan ‘borderline’ resultaten

Answer 38

Okok still following

Question 39

Welke twee methodes zijn er om meerdere testen te combineren?

Answer 39

Parralel en serieel testen

Question 40

Hoe werkt parallel testen?

Answer 40

Bij parallel testen moet er minimaal 1 test positief zijn om een patient te definieren als ‘ziek’.

Question 41

Hoe werkt serieel testen?

Answer 41

Serieel testen zijn testen na elkaar, maar je doet test B alleen als test A positief is. Dus beide testen moeten positief zijn

Question 42

Wat gebeurd er met de spec/sens bij gebruik van parallel testen?

Answer 42

Sensitiviteit gaat vaak omhoog bij parallel testen, specificiteit wordt zo hoog als de laagste test die je gebruikt

Question 43

Wat gebeurd er met de spec/sens bij gebruik van serieel testen?

Answer 43

Met deze techniek gaat sensitiviteit omlaag en specificiteit omhoog.

Question 44

Hoe hoog/laag kan de sens/spec zijn bij parallel testen?

Answer 44

Sensitiviteit: in principe* ↑
Sens kan niet lager zijn dan de hoogste sens (van de 2 tests)
Specificiteit: in principe* ↓
Spec kan niet hoger zijn dan de laagste spec (van de 2 tests)

Intuïtief: als 1 test positief is, is het positief
Gewoon meer positieve tests (dus meer TP, meer FP)
Nuttig als je minder zieken wilt missen (je wilt minder FN)

*‘In principe’, want de accuratesse hangt af van de agreement van de 2 tests

Question 45

Hoe hoog/laag kan de sens/spec zijn bij serieel testen?

Answer 45

Sensitiviteit: in principe ↓
Sens kan niet hoger zijn dan de sens van de 1e test
Specificiteit: in principe ↑
Spec kan niet lager zijn dan de spec van de 1e test

Intuïtief: pas positief als beide tests positief
Gewoon meer negatieve tests (dus meer FN, meer TN)
Nuttig als geen van de tests specifiek is voor de ziekte

Serieel: niet iedereen een invasieve of dure test

Question 46

Samenvatting tot nu toe

Met slim combineren van tests kun je de accuratesse veranderen/verhogen
Parallelle combinatie: in principe* sens↑ spec↓
Seriële combinatie: in principe* sens ↓ spec↑

*Daadwerkelijke accuratesse van de combi hangt af van de agreement van de tests in zieken en niet-zieken

Answer 46

toppie joppie gaat lekker

Question 47

Accuratesse is geen vaste eigenschap van een test. Leg uit

Answer 47

Het is afhankelijk van hoe je het onderzoek uitvoert. Altijd afvragen: welke patiëntenpopulatie, welke versie van de test, welke diagnose, welke referentiestandaard en was de studie wel goed uitgevoerd (bias).

Question 48

Wat voor type studies zijn accuratessestudies? en wat is het nadeel hiervan?

Answer 48

Ale accuratessestudies zijn cross-sectionele studies. We willen weten of de index test een ziekte kan detecteren die op hetzelfde moment aanwezig is. Soms hebben studies wel een follow-up periode nodig voor de referentiestandaard (verborgen ziekte manifesteert later)

Question 49

Bij case-control studies is er vaak sprake van een ‘two-gate’ design. Wat houdt dit in en wat voor effect heeft dit?

Answer 49

Alleen de extreem gezonde en extreem zieke patiënten worden geincludeerd in de studie.

Ernstig zieke patiënten worden door de index test makkelijk als ‘positief’ aangeduid -> minder fout-negatieven -> overschatting sensitiviteit

Compleet gezonde mensen worden door de index test makkelijk als ‘negatief’ aangeduid -> minder fout-positieven -> overschatting specificiteit

Question 50

Wat zorgt voor vertekening bij de case-controls studies?

Answer 50

Patiënten selectie (single-gate vs. two-gate)
Index test uitvoering
Referentiestandaard uitvoering
Verlies van patiënten (uit de studie)

Question 51

Wat voor vertekening verwacht je als er geen blindering is bij de index test?

Answer 51

Dan is deze geïnterpreteerd met kennis van de referentiestandaard-uitslag en dat is m.n. problematisch als de interpretatie van de test subjectief is

Question 52

Wat voor vertekening verwacht je als de referentiestandaard geen blindering heeft?

Answer 52

Dan is de referentiestandaard niet goed in het onderscheiden tussen zieken en neit-zieken

Question 53

Waardoor kan je verlies van patiënten hebben tijdens de studie?

Answer 53

Exclusie (test niet uitgevoerd volgens protocol)
Patiënten die noch + noch - testuitslag krijgen
Patiënten die geen referentie standaard hebben gehad (partiele verificatie)

→ Hierdoor is je steekproef wellicht niet meer representatief!

Question 54

Samenvatting tot dusver
- Accuratessestudies grofweg in te delen in single-gate en two-gate
- Bronnen van bias in accuratessestudies:
- Two-gate design
-Geen geblindeerde interpretatie van tests
-Geen goede referentiestandaard
-Verlies van patiënten tijdens de studie

Answer 54

yesss de laatste

Question 55

Take home messages

Answer 55

Als arts is het belangrijk om accuratessematen volledig te beheersen
→ Inschatting van kans op ziekte bij een patiënt

Kans op ziekte in populatie ≠ kans op ziekte in individu
→ Pas op met generaliseren van kansen naar het individu

Accuratesse is geen ‘vaste eigenschap’ van een test
→ Varieert met setting, populatie en studiedesign!