Velen worden vier keer per jaar met xerostomie, tremoren en urge-incontinentie wakker: de voortgangstoets moet weer worden gehaald. Om die arme zielen te helpen en de Groningse gemiddelden wat op te krikken, verschijnen elke editie enkele tips & tricks voor de VGT. Dit keer behandelen we het altijd terugkerende thema sensitiviteit en specificiteit.
Voor eens en voor altijd moet het duidelijk zijn, wat is nou het verschil tussen die twee en hoe kun je nu gemakkelijk die rekenvragen aanpakken?
Sensitiviteit: de gevoeligheid van een test, symptoom of hypothesetoetsende vraag.
Wiskundig gezien: Het aantal correct-positieven gedeeld door het aantal correct-positieven plús het aantal fout-negatieven, oftewel: Correct-positief / (correct-positief + fout-negatief).
Specificiteit: hoe exclusief een test, symptoom of hypothesetoetsende vraag bij één bepaalde aandoening past.
Wiskundig gezien: Het aantal correct-negatieven gedeeld door het aantal correct-negatieven plús het aantal fout-positieven, oftewel: Correct-negatief / (correct-negatief + fout-positief).
Denk bijvoorbeeld eens aan een bewegingssensor van een bewakingssysteem. Als die erg gevoelig (sensitief) is, gaat het alarm af (positieve testuitslag) bij elke beweging. Gaat het alarm niet af (negatieve testuitslag), dan kan je er redelijk van uitgaan dat je iPad nog veilig op je kamer ligt. Is het alarm wel afgegaan (positieve testuitslag), dan is hij misschien wel gejat door een inbreker, of je kat liep langs de sensor (loos alarm; fout-positieve testuitslag). Met deze bewegingssensor kun je goed uitsluiten dat er is ingebroken, omdat hij dus zo sensitief is: als er iets is, gaat hij af. Je kunt er echter niet goed een inbraak mee aantonen, want hij slaat vaak loos alarm. Hij is niet zo specifiek.
Stel je bent een racist en je zou een sensor maken die alleen alarm slaat wanneer een getint persoon binnenkomt (I know, gejat van Community). Als het alarm nu afgaat, is de kans al een stuk groter dat het daadwerkelijk om een inbreker gaat. De kans op een fout-positieve uitlsag is een stuk kleiner. De specificiteit is nu dus hoger. De sensitiviteit is echter lager, aangezien er ook blanke inbrekers bestaan (ja Wilders, echt): de kans op een fout-negatieve uitslag is groter.
Dus, hoe hoger de sensitiviteit hoe beter je een ziekte/inbraak kunt uitsluiten (weinig kans op een fout-negatieve uitslag). Hoe hoger de specificiteit, hoe groter de kans dat het om die ene specifieke aandoening gaat: de uitslag is heel uniek voor die bepaalde aandoening. Je kunt daarmee dus goed een ziekte aantonen (lage kans op loos alarm c.q. fout-positieve uitslag).
Om de stap naar de geneeskunde te maken: een symptoom met een hoge specificiteit is bijvoorbeeld de naar de linkerarm uitstralende pijn die uniek is voor een hartinfarct. Let op, dit is geen sensitief symptoom! Een hartinfarct kan zich ook anders uiten. De labwaarden behorende bij een hartinfarct (oa. verhoogde troponines) zijn een stuk sensitiever. Een infarct zonder stijging van die waarden gebeurt in principe niet.
Dit gaat voor de meesten nog wel goed. Het wordt net wat lastiger als er wordt gevraagd naar de positief of negatief voorspellende waarde van een test en al helemaal wanneer er wordt gevraagd rekening te houden met een a priori kans. Wat? Precies, gewoon weer een paar moeilijke woorden die bij nader inzicht helemaal niet zo moeilijk hoeven te zijn.
Een kans bereken je altijd door de hoeveelheid van hetgeen waarvan je de kans wilt weten, te delen door de totale hoeveelheid. Bijvoorbeeld: er zitten 100 knikkers in een doos, waarvan er 90 blauw zijn. De kans dat ik een blauwe pak is dan 90/100 = 0.9 oftewel 90%. De positief voorspellende waarde (PVW) is niets meer dan de kans dat iemand de ziekte heeft bij een positieve testuitslag. Dus, in feite, het aantal correcte positieve testuitslagen, gedeeld door het totale aantal positieve testuitslagen (de correcte + de fout-positieven).
Hetzelfde geldt voor de negatief voorspellende waarde (NVW). Dat is niet meer dan de kans dat iemand de ziekte niet heeft bij een negatieve testuitslag. Dus: het aantal correcte negatieve testuitslagen gedeeld door het totaal aan negatieve testuitslagen (de correcte + de fout-negatieven).
Hierbij wordt nu geen rekening gehouden met de voorafkans (latijn: a priori) op het hebben van een bepaalde aandoening. In de praktijk hangt dit af van de prevalentie, hoe vaak de ziekte voorkomt. Als de ziekte zeldzaam is (bv. 0.1% van de bevolking), dan kan de test best een hoge specificiteit hebben (bv. 90%), maar dan zie je alsnog heel wat fout-positieve uitslagen.
Denk hierbij weer even aan onze specifieke, racistische bewakingsensor. Stel je woont in Noorwegen waar gewoon erg weinig getinte mensen wonen dan is de kans dat wanneer het alarm af gaat alsnog best groot dat het om bijvoorbeeld een zwarte kat gaat en niet om een getinte inbreker. Terwijl dit in de VS, waar er meer getinte inbrekers zijn, waarschijnlijk iets beter werkt. Let op, iets beter, want natuurlijk is niet elk getint persoon een inbreker...
Leuk en aardig om dit nu te weten, maar uiteindelijk moet je op de voortgangstoets die stomme rekenvragen goed hebben. Dus net als op de middelbare school: fuck het begrip en geef me BINAS met die standaardformule die het leven een stuk aangenamer maakt. Daarom bij deze twee stappenplannen waarmee u dergelijke vragen nooit meer fout hoeft te hebben.
Welke methode je ook kiest, je zult merken dat je uiteindelijk precies hetzelfde doet. Methode 2 vind ik zelf de materie iets inzichtelijker maken. Probeer ze maar eens uit op wat oude VGT vragen, je moet ze een paar keer oefenen voordat het helemaal soepel gaat, succes! En onthoud: Pneumocyten type 2 maken surfactans. Volgende keer gaat over psychologische tips.
