les 3

Question 1

Leerdoelen – les 3
Kan de basiselementen van kwantitatief onderscheidend vermogen uitleggen.
Kwantitatief onderscheidend vermogen in de context van diagnostische testen verwijst naar het vermogen van een test om op een betrouwbare manier onderscheid te maken tussen ziek en niet-ziek. Dit wordt gemeten met verschillende statistische parameters die inzicht geven in de nauwkeurigheid en bruikbaarheid van een test. De belangrijkste elementen zijn:
1. Sensitiviteit
2. Specificiteit
3. Positieve voorspellende waarde
4. Negatieve voorspellende waarde
Kan de betekenis uitleggen van sensitiviteit, specificiteit, positief en negatief voorspellende waarde en kan deze berekenen
* Sensitiviteit: van een test geeft aan welk percentage van de zieken terecht een positieve testuitslag krijgt. Zegt iets over de gevoeligheid van het meetinstrument om de ziekte op te sporen. Als alle zieke personen een positieve testuitslag hebben = sensitiviteit 100% = zeldzaam
Berekening:
Sensitiviteit= terecht-positief / (terecht-positief + fout-negatief a+c (totaal zieken))

• Specificiteit: van een test geeft aan in hoeverre de niet-zieke personen in de onderzochte groep terecht als niet ziek worden aangeduid. Bij hoge specificiteit zijn er weinig gezonde mensen die als ziek worden aangeduid. Als alle niet zieke mensen een negatieve uitslag krijgen, dan is de specificiteit 100%.
  Berekening:
  Specificiteit=terecht-negatief / (fout-positief + terecht-negatief(totaal niet-zieken))
• Positieve voorspellende waarde: geeft aan welke deel van de mensen met een positieve testuitslag daadwerkelijk de ziekte heeft of krijgt
  Berekening:
  PVW= terecht-positief/totaal test positief (terecht-positief + fout-positief)
• Negatieve voorspellende waarde: geeft aan welke deel van de mensen met een negatieve testuitslag niet met ziekte of aandoening te maken krijgt.
  Berekening:
  NVW=terecht-negatief / (totaal negatief test = fout-negatief+terecht-negatief)

SPIN -> bevestigen
SNOUT-> uitsluiten
Likelihood Ratio Positief (LR+): Dit geeft de verhouding weer tussen de kans op een positieve testuitslag bij zieke personen en de kans op een positieve testuitslag bij niet-zieke personen. Het wordt berekend als LR+ = Se / (1 - Sp). Een hogere LR+ geeft aan dat een positieve testuitslag waarschijnlijker is bij mensen met de ziekte dan bij mensen zonder de ziekte.
Likelihood Ratio Negatief (LR-): Dit geeft de verhouding weer tussen de kans op een negatieve testuitslag bij zieke personen en de kans op een negatieve testuitslag bij niet-zieke personen. Het wordt berekend als LR- = (1 - Se) / Sp. Een lagere LR- betekent dat een negatieve testuitslag waarschijnlijker is bij mensen zonder de ziekte dan bij mensen met de ziekte.
Kan uitleggen wat bedoeld wordt met de termen ‘index-test’, ‘referentie-test’ en ‘gouden standaard’
De index-test is de nieuwe of experimentele test die je wilt onderzoeken of evalueren. Dit is de test waarvan je wilt weten hoe goed hij werkt in het opsporen van een bepaalde ziekte of conditie. De index-test kan bijvoorbeeld een nieuwe bloedtest, beeldvormende techniek, of vragenlijst zijn die ontwikkeld is om een diagnose te stellen.
De referentie-test is een al bestaande test waarmee je de index-test vergelijkt. In de context van diagnostische onderzoeken wordt de referentie-test vaak als zeer betrouwbaar beschouwd, maar hij kan beperkingen hebben in nauwkeurigheid, tijd of kosten. De referentie-test is dus niet per se de meest perfecte test, maar een test waarvan de resultaten over het algemeen als goed genoeg worden beschouwd om als vergelijkingsbasis te dienen.
De gouden standaard is de meest nauwkeurige en betrouwbare methode die beschikbaar is om de aanwezigheid of afwezigheid van een ziekte vast te stellen. Deze test wordt gezien als de “waarheid” waarmee andere tests worden vergeleken. De gouden standaardtest heeft meestal een zeer hoge sensitiviteit en specificiteit en wordt als referentie gebruikt om de nauwkeurigheid van nieuwe tests te beoordelen. Een gouden standaard kan soms een invasieve of dure procedure zijn en is niet altijd praktisch om op grote schaal uit te voeren.
Kan de uitkomsten van diagnostisch en screeningsonderzoek correct interpreteren
Bij een screeningstest (waarbij het belangrijk is om zieke mensen niet te missen) wil je vaak een hoge sensitiviteit. Bij een diagnostische test (waarbij je voorzichtig wilt zijn met het ten onrechte diagnosticeren van gezonde mensen) is een hoge specificiteit vaak belangrijker.
De voorspellende waarden worden beïnvloed door de prevalentie (hoe vaak de ziekte voorkomt in de populatie). Bij een hoge prevalentie is de PVW vaak hoger, terwijl bij een lage prevalentie de NVW vaak hoger is.
Hoe verder LR+ boven de 1 ligt (bij voorkeur >10) en hoe dichter LR- bij 0 ligt (bij voorkeur <0,1), hoe nuttiger de test is om respectievelijk ziekte aan te tonen of uit te sluiten.
* Kijk naar sensitiviteit en specificiteit om de basisbetrouwbaarheid van de test te begrijpen.
* Bereken de voorspellende waarden (PVW en NVW) om te beoordelen hoe betrouwbaar de testuitslag is.
* Houd rekening met de prevalentie van de ziekte om te begrijpen hoe deze de interpretatie beïnvloedt.
* Gebruik likelihood ratios (LR+ en LR-) om een nauwkeurigere inschatting te maken van de post-test waarschijnlijkheid.

Kan de kwaliteit van onderzoeken naar onderscheidend vermogen van diagnostische tests beoordelen op basis van beoordelingscriteria voor validiteit en betrouwbaarheid
1. Duidelijke Onderzoeksvraag en Doelstelling
2. Selectie van de Patiëntenpopulatie
 Representatieve steekproef: De studiepopulatie moet representatief zijn voor de klinische populatie waarin de test in de praktijk zal worden gebruikt. Bijvoorbeeld, als de test bedoeld is voor screening bij asymptomatische personen, dan moet de steekproef uit een vergelijkbare groep bestaan.
 Inclusie- en exclusiecriteria: Deze moeten duidelijk beschreven zijn, zodat je weet wie er in het onderzoek is opgenomen en wie niet. Dit helpt om bias te vermijden en zorgt ervoor dat de resultaten generaliseerbaar zijn.
 Selectiebias vermijden: Patiënten moeten op een systematische en niet-selectieve manier in het onderzoek worden opgenomen, om te voorkomen dat bepaalde subgroepen onder- of oververtegenwoordigd zijn.
3. Gebruik van een Geldige Referentietest of Gouden Standaard
 Referentietest: Het is cruciaal dat het onderzoek een betrouwbare en valide referentietest of gouden standaard gebruikt. Dit is de test waarmee de nieuwe (index)test wordt vergeleken.
 Blinde beoordeling: De resultaten van de index-test en referentietest moeten onafhankelijk van elkaar worden beoordeeld (blind). Dit betekent dat de persoon die de uitslag van de index-test beoordeelt, niet op de hoogte moet zijn van de uitslag van de referentietest, en vice versa. Dit helpt om beoordelaarsbias te voorkomen.
 Onafhankelijke evaluatie: Beide tests moeten onafhankelijk van elkaar worden uitgevoerd en beoordeeld om vertekening van resultaten te voorkomen.
4. Validiteit van de Testresultaten
 Sensitiviteit en Specificiteit: Het onderzoek moet de sensitiviteit (het vermogen om zieken correct te identificeren) en specificiteit (het vermogen om gezonde personen correct te identificeren) berekenen en rapporteren.
 Positieve en Negatieve Voorspellende Waarde: Bij een diagnostische test moet ook worden gekeken naar de voorspellende waarden, vooral als het onderzoek zich richt op een specifieke klinische setting waarin de prevalentie van de ziekte bekend is.
 Likelihood Ratios: De positieve en negatieve likelihood ratios (LR+ en LR-) zijn belangrijke maatstaven voor de diagnostische bruikbaarheid van een test en geven aan hoeveel een positieve of negatieve testuitslag de waarschijnlijkheid van een ziekte verandert.
5. Betrouwbaarheid van de Testresultaten
 Herhaalbaarheid: De test moet onder dezelfde omstandigheden consistente resultaten opleveren. Dit wordt vaak getest door dezelfde test op verschillende momenten of door verschillende beoordelaars uit te voeren (interobserver en intraobserver betrouwbaarheid).
 Precisie van metingen: De studie moet gegevens bevatten over de precisie (ofwel nauwkeurigheid) van de testresultaten. Bij continue uitkomsten, zoals bloedwaarden, kunnen statistische maten zoals betrouwbaarheidsintervallen worden gebruikt om de precisie aan te geven.
6. Beoordeling van Bias en Confounders
 Verification Bias: Dit treedt op wanneer niet alle deelnemers de referentietest ondergaan, bijvoorbeeld als alleen positieve index-testresultaten met de referentietest worden geverifieerd. Het is belangrijk dat het onderzoek duidelijk aangeeft of en hoe alle deelnemers zijn geverifieerd.
 Spectrum Bias: Dit ontstaat wanneer de test wordt onderzocht in een zeer specifieke populatie, bijvoorbeeld alleen bij mensen met ernstige ziekte, waardoor de resultaten niet generaliseerbaar zijn naar de gehele populatie.
 Workup Bias: Dit gebeurt wanneer de uitkomst van de index-test bepaalt of de patiënt verder onderzoek krijgt. Het is belangrijk dat alle patiënten dezelfde vervolgtesten ondergaan, ongeacht de uitkomst van de index-test.
7. Statistische Analyse en Rapportage
8. Toepasbaarheid van de Resultaten
 Generaliseerbaarheid: De resultaten moeten toepasbaar zijn in de praktijk. Dit betekent dat de studiepopulatie en omstandigheden zoveel mogelijk moeten overeenkomen met de praktijk waarin de test wordt toegepast.
 Interpretatie in de Klinische Context: De uitkomsten van het onderzoek moeten bruikbaar zijn voor de klinische praktijk en moeten praktisch interpreteerbaar zijn voor zorgverleners.
Checklist om de Kwaliteit van een Onderzoek te Beoordelen
Er zijn specifieke checklists ontwikkeld voor het beoordelen van diagnostisch onderzoek, zoals de QUADAS-checklist (Quality Assessment of Diagnostic Accuracy Studies). Deze checklist beoordeelt onder andere:
 De representativiteit van de studiepopulatie.
 De kwaliteit en onafhankelijkheid van de referentietest.
 De volledigheid van de rapportage.
 Aanwezigheid van bias (zoals workup en verific