Methoden epidemiologischer Forschung
1. Planung: Spezifische Studienformen („Studiendesigns“)
Beobachtung: Ökologische St., Querschnittsst., Fall-Kontroll-St., Kohortenst.
Intervention: ?
2. Analyse: Allgemeine und spezielle statistische Verfahren
Maßzahlen: Prävalenz, Inzidenz, Rate, Absolutes und Relatives Risiko
Biometrische Analyse: ?
3. Interpretation: Kontrolle von Verzerrungen („Bias & Confounding“)
Typen: Selektions-B., Informations-B., Confounding
Kontrolle: ?
Anwendungsfeld
Epidemiologie und Biometrie
in der
Klinischen Forschung
‚Klinische‘ Epidemiologie:
Abnormalität
Was ist krank / gesund?
Diagnose
Wie gut sind welche Tests für welche Krankheit?
Ursache
Was verursacht eine Krankheit?
Risiko
Welche Faktoren erhöhen die Wahrscheinlichkeit für
eine Krankheit?
Prognose
Wie verläuft die Erkrankung in welchem Stadium?
Therapie
Wie verändert eine Behandlung den Verlauf?
Kosten
Welche Kosten verursachen Krankheit / Therapie?
QS, PS
FKS, PS
FKS, PS
PS
Klinische Epidemiologie:
Abnormalität
Was ist krank / gesund?
Diagnose
Wie gut sind welche Tests für welche Krankheit?
Ursache
Was bedingt eine Krankheit?
Risiko
Welche Faktoren erhöhen die Wahrscheinlichkeit für
eine Krankheit?
Prognose
Wie verläuft die Erkrankung in welchem Stadium?
Therapie
Wie verändert eine Behandlung den Verlauf?
Kosten
Welche Kosten verursachen Krankheit / Therapie?
Klinische Epidemiologie und
Biometrie
Wahrscheinlichkeit und Diagnose
Diagnostische Tests
Diagnostische Tests zielen darauf ab, möglichst
wirkungsvoll Kranke von Gesunden
zu unterscheiden.
Hierzu werden Diagnoseverfahren oder Tests
verwendet, deren Eigenschaften und Güte es
zu bestimmen gilt.
Fragen zu Diagnostischen Tests
- Wie geeignet ist ein bestimmtes Untersuchungsverfahren
als Diagnostischer Test?
- Ist das gleiche Testergebnis für alle Patienten
von gleicher Wertigkeit?
- Welche Tests mit welchen Eigenschaften sollte man
für welche klinische Situation einsetzen?
Wald NJ et al., BMJ 1999;1562-5
Wald NJ et al., BMJ 1999;1562-5
Sicht des „Wissenden“
Krankheit
Diagnosetest
Positiv
Negativ
Total
ja
nein
a
b
(echt positiv)
(falsch positiv)
c
d
(falsch negativ)
(echt negativ)
a+c
b+d
(alle Kranken)
(alle Gesunden)
Total
a+b
(mit Verdacht)
c+d
(ohne Verdacht)
a+b+c+d
Alle Untersuchten
Krankheit
Diagnosetest
Sicht des
„Suchenden“
Total
Positiv
Negativ
ja
nein
a
b
(echt positiv)
(falsch positiv)
c
d
(falsch negativ)
(echt negativ)
a+c
b+d
(alle Kranken)
(alle Gesunden)
Total
a+b
(mit Verdacht)
c+d
(ohne Verdacht)
a+b+c+d
Alle Untersuchten
Von der Wahrscheinlichkeit
zu den
Kenngrößen diagnostischer Tests
Eine (fiktive) Grundgesamtheit
Wirklichkeit
Testergebnis
W +:
(Mamma-Ca:Ja)
W-:
(Mamma-Ca: nein)
Gesamt
10.353
1.468.220
1.478.573
T+:
(Mamma-Ca: Ja)
T-:
(Mamma-Ca: nein)
Gesamt
Nach NL Mammographie Programm 1990-1997
Eine (fiktive) Grundgesamtheit
Wirklichkeit
Testergebnis
W +:
(Mamma-Ca:Ja)
W-:
(Mamma-Ca: nein)
Gesamt
10.353
1.468.220
1.478.573
T+:
(Mamma-Ca: Ja)
T-:
(Mamma-Ca: nein)
Gesamt
P(W+) = 10353/1478573 = 0,007 oder 7 pro 1000 heißt Prävalenz
P(W-) = 1469543/1478573 = 0,993 (= Anteil ohne Mamma-Ca in der Grundgesamtheit)
Eine (fiktive) Grundgesamtheit
Wirklichkeit
Testergebnis
W +:
(Mamma-Ca:Ja)
T+:
(Mamma-Ca: Ja)
9.030
T-:
(Mamma-Ca: nein)
1.323
Gesamt
10.353
W-:
(Mamma-Ca: nein)
Gesamt
1.468.220
1.478.573
P(T+|W+) = 9.030/10.353 = 0,87 heißt Sensitivität (= Anteil der Echt-positiven),
P(T-|W+) = 1.323/10.353 = 0,13 ist der Anteil der falsch-negativen Testergebnisse
Eine (fiktive) Grundgesamtheit
Wirklichkeit
Testergebnis
W +:
(Mamma-Ca:Ja)
T+:
(Mamma-Ca: Ja)
9.030
T-:
(Mamma-Ca: nein)
1.323
Gesamt
10.353
W-:
(Mamma-Ca: nein)
Gesamt
10.332
19.362
1.457.888
1.459.211
1.468.220
1.478.573
P(T+|W-) = 10.332/1.468.220 = 0,007 ist der Anteil falsch-positiver Testergebnisse,
P(T-|W-) = 1.457.888/1.468.220 = 0,993 heißt Spezifität (=Anteil der Echt-negativen).
Eine (fiktive) Grundgesamtheit
Wirklichkeit
Testergebnis
W +:
(Mamma-Ca:Ja)
T+:
(Mamma-Ca: Ja)
9.030
T-:
(Mamma-Ca: nein)
1.323
Gesamt
10.353
W-:
(Mamma-Ca: nein)
Gesamt
10.332
19.362
1.457.888
1.459.211
1.468.220
1.478.573
Eine (fiktive) Grundgesamtheit
Wirklichkeit
Testergebnis
W +:
(Mamma-Ca:Ja)
T+:
(Mamma-Ca: Ja)
9.030
T-:
(Mamma-Ca: nein)
1.323
Gesamt
10.353
ppV = P(W+|T+) = 9030/19362 = 0,47
W-:
(Mamma-Ca: nein)
Gesamt
10.332
19.362
1.457.888
1.459.211
1.468.220
1.478.573
heißt positiver Prädiktivwert
npV = P(W-|T- ) = 1457888 / 1459211 = 0,999 heißt negativer Prädiktivwert
Formel von Bayes
Thomas Bayes ~1702 - 1761
ppV = P(W+|T+) =
P(T+|W+) · P(W+)
P(T+|W+) · P(W+) + P(T+|W-) · P(W-)
Beispiel Mammografie: Prävalenz: 0,7%, Sensitivität: 87%, Spezifität: 99,3%
0.87 · 0.007
ppV =
0.87 · 0.007 + 0.007 · 0.993
= 0.47
Formel von Bayes
Sensitivität
Thomas Bayes ~1702 - 1761
ppV = P(W+|T+) =
P(T+|W+) · P(W+)
P(T+|W+) · P(W+) + P(T+|W-) · P(W-)
Beispiel Mammografie: Prävalenz: 0,7%, Sensitivität: 87%, Spezifität: 99,3%
0.87 · 0.007
ppV =
0.87 · 0.007 + 0.007 · 0.993
= 0.47
Formel von Bayes
1 - Spezifität
Thomas Bayes ~1702 - 1761
ppV = P(W+|T+) =
P(T+|W+) · P(W+)
P(T+|W+) · P(W+) + P(T+|W-) · P(W-)
Beispiel Mammografie: Prävalenz: 0,7%, Sensitivität: 87%, Spezifität: 99,3%
0.87 · 0.007
ppV =
0.87 · 0.007 + 0.007 · 0.993
= 0.47
Formel von Bayes
Prävalenz
Thomas Bayes ~1702 - 1761
ppV = P(W+|T+) =
P(T+|W+) · P(W+)
P(T+|W+) · P(W+) + P(T+|W-) · P(W-)
Beispiel Mammografie: Prävalenz: 0,7%, Sensitivität: 87%, Spezifität: 99,3%
0.87 · 0.007
ppV =
0.87 · 0.007 + 0.007 · 0.993
= 0.47
Herleitung
PPV = P(W+|T+) =
P ( T+ Λ W+ )
P(T+)
P(T+|W+) · P(W+)
=
NPV = P(W-|T-) =
P(T+|W+) · P(W+) + P(T+|W-) · P(W-)
P ( T- Λ W- )
P(T-)
P(T-|W-) · P(W-)
=
P(T-|W+) · P(W+) + P(T-|W-) · P(W-)
Formel von Bayes
Thomas Bayes ~1702 - 1761
ppV = P(W+|T+) =
P(T+|W+) · P(W+)
P(T+|W+) · P(W+) + P(T+|W-) · P(W-)
Beispiel Prostatakarzinom (Rektale Palpation):
Prävalenz: 5%, Sensitivität: 56%, Spezifität:94%
0.56 · 0.05
ppV =
0.56 · 0.05 + 0.06 · 0.95
= 0.33
Zusammenfassung
Wahrscheinlichkeit = fester Anteil der Grundgesamtheit
Beispiel:
Prävalenz
P(W+)
Bedingte Wahrscheinlichkeit = fester Anteil eines definierten Teils der Grundgesamtheit
Beispiel:
Sensitivität:
Spezifität:
P(T+|W+)
P(T-|W-)
positiver Prädiktivwert
negativer Prädiktivwert
P(W+|T+)
P(W-|T-)
Wahrscheinlichkeiten sind feste (i. a. unbekannte) Größen, die aus zufälligen
Stichproben geschätzt werden können.
Wahrscheinlichkeit und relative Häufigkeit
Beispiel: Prävalenz einer Erkrankung
Theoretische Wahrscheinlichkeit
= Relative Häufigkeit der
Erkrankung in der Grundgesamtheit
Empirische Information
Gewinnung einer repräsentativen
Stichprobe
-> Bestimmung der relativen
Häufigkeit der Erkrankung in der
Stichprobe
z.B.
Untersuchung von n=100 Patienten
Relative Häufigkeit der Erkrankung
= 19%
Wahrscheinlichkeit und relative Häufigkeit
Beispiel: Prävalenz einer Erkrankung
Theoretische Wahrscheinlichkeit
= Relative Häufigkeit der
Erkrankung in der Grundgesamtheit
Nutzung der relativen Häufigkeit der
Stichprobe zur Schätzung der
entsprechenden Rate in der
Grundgesamtheit
Wie viele Erkrankten würde ich
finden, wenn ich nicht nur die n
Patienten der Stichprobe
untersuchen würde, sondern
sämtliche Patienten der
Grundgesamtheit?
Empirische Information
Gewinnung einer repräsentativen
Stichprobe
-> Bestimmung der relativen
Häufigkeit der Erkrankung in der
Stichprobe
z.B.
Untersuchung von n=100 Patienten
Relative Häufigkeit der Erkrankung
= 19%
Wahrscheinlichkeit und relative Häufigkeit
Beispiel: Prävalenz einer Erkrankung
Theoretische Wahrscheinlichkeit
= Relative Häufigkeit der
Erkrankung in der Grundgesamtheit
Nutzung der relativen Häufigkeit der
Stichprobe zur Schätzung der
entsprechenden Rate in der
Grundgesamtheit
Empirische Information
Gewinnung einer repräsentativen
Stichprobe
-> Bestimmung der relativen
Häufigkeit der Erkrankung in der
Stichprobe
z.B.
Untersuchung von n=100 Patienten
Relative Häufigkeit der Erkrankung
= 19%
Wie viele Erkrankten würde ich
Deskriptive
Statistik:
finden, wenn ich nicht nur die
n
Patienten der Stichprobe Beschreibung des empirischen Stichprobenergebnisses
untersuchen würde, sondern
Induktive Statistik:
sämtliche Patienten der
Induktiver Schluss von der empirischen Information
Grundgesamtheit?
der Stichprobe auf die Grundgesamtheit.
Wahrscheinlichkeit und relative Häufigkeit
Beispiel: Prävalenz einer Erkrankung
Theoretische Wahrscheinlichkeit
= Relative Häufigkeit der
Erkrankung in der Grundgesamtheit
Nutzung der relativen Häufigkeit der
Stichprobe zur Schätzung der
entsprechenden Rate in der
Grundgesamtheit
Empirische Information
Gewinnung einer repräsentativen
Stichprobe
-> Bestimmung der relativen
Häufigkeit der Erkrankung in der
Stichprobe
z.B.
Untersuchung von n=100 Patienten
Relative Häufigkeit der Erkrankung
= 19%
Wie viele Erkrankten würde ich
Deskriptive
Statistik:
finden, wenn ich nicht nur die
n
Patienten der Stichprobe Relative Erkrankungsrate in der Stichprobe, z.B.=19%
untersuchen würde, sondern
Induktive Statistik:
sämtliche Patienten der
Schätzung der unbekannten Rate in der GG,
Grundgesamtheit?
z.B.
p̂=19% mit Konfidenzintervall 11.8% – 28.1%
Konfidenzintervall
Wahrscheinlichkeit P=?
―
―
―
0
? ? ? ? ? ?? ? ? ? ?
h
1
Rel. Häufigkeit in
der Stichprobe
Konfidenzintervall
Das Konfidenzintervall enthält mit 95%iger
Wahrscheinlichkeit den unbekannten Wert P
Wahrscheinlichkeit P=?
―
―
―
0
? ? ? ? ? ?? ? ? ? ?
h
1
Rel. Häufigkeit in
der Stichprobe
Konfidenzintervall
KI  h  z1 2  h(1n h)
Das Konfidenzintervall enthält mit 95%iger
Wahrscheinlichkeit den unbekannten Wert P
Wahrscheinlichkeit P=?
―
―
―
0
? ? ? ? ? ?? ? ? ? ?
h
1
Rel. Häufigkeit in
der Stichprobe
Konfidenzintervall
KI  h  z1 2  h(1n h)
Relative Häufigkeit h
Fallzahl n
(Approximatives)
Konfidenzintervall der
Wahrscheinlichkeit P
19 %
100
11.3 % - 26.7 %
19 %
1000
16.6 % - 21.4 %
19 %
10000
18.2 % - 19.8 %
19 %
100000
18.8 % - 19.2 %
Eine zufällige Stichprobe
Wirklichkeit
Testergebnis
T+:
(Mamma-Ca: Ja)
T-:
(Mamma-Ca: nein)
Gesamt
(nach Goldstandard ermittelt)
W +:
(Mamma-Ca:Ja)
W-:
(Mamma-Ca: nein)
Gesamt
12
97
109
2
889
891
14
986
1000
Eine zufällige Stichprobe
Wirklichkeit
Testergebnis
T+:
(Mamma-Ca: Ja)
T-:
(Mamma-Ca: nein)
Gesamt
(nach Goldstandard ermittelt)
W +:
(Mamma-Ca:Ja)
W-:
(Mamma-Ca: nein)
Gesamt
12
97
109
2
889
891
14
986
1000
Schätzwerte:
Prävalenz = 14/1000 = 0.014,
Sensitivität = 12/14 = 0.86,
Spezifität = 889/986 = 0.90,
ppV = 12/109 = 0.11
Vertrauensgrenzen
Schätzwerte
untere Grenze
obere Grenze
0.008
0.023
= 0.86
0.57
0.98
Spezifität
889/986 = 0.90
0.88
0.92
ppV
12/109
0.06
0.18
Prävalenz
14/1000 = 0.014
Sensitivität 12/14
= 0.11
Die angegebenen Grenzen sind so berechnet, dass sie mit
95%-Wahrscheinlichkeit den (unbekannten) wahren Wert umschließen.
Das so berechnete Intervall ist das 95%-Konfidenzintervall.
Fragen zu Diagnostischen Tests
- Wie geeignet ist ein bestimmtes Untersuchungsverfahren
als Diagnostischer Test?
- Welche Tests mit welchen Eigenschaften sollte man
für welche klinische Situation einsetzen?
- Ist das gleiche Testergebnis für alle Patienten
von gleicher Wertigkeit?
Guter diagnostischer Test
Schlechter diagnostischer Test
Fragen zu Diagnostischen Tests
- Wie geeignet ist ein bestimmtes Untersuchungsverfahren
als Diagnostischer Test?
- Welche Tests mit welchen Eigenschaften sollte man
für welche klinische Situation einsetzen?
- Ist das gleiche Testergebnis für alle Patienten
von gleicher Wertigkeit?
Wahl des Diagnosekriteriums (Cutpoint)
Creatin Kinase und Myokardinfarkt
CK ≥ 80 IU
MI +
MI Ø
190
30
220
100
140
Se 83%
CK < 80 IU
40
Sp 77%
230
130
360
PPV = 0.86
Creatin Kinase und Myokardinfarkt
CK ≥ 80 IU
MI +
MI Ø
190
30
220
100
140
Se 83%
CK < 80 IU
40
PPV = 0.86
Sp 77%
CK ≥ 160 IU
230
130
360
MI +
MI Ø
97
1
231
98
129
129
262
Se 42%
CK < 160 IU
133
Sp 99%
230
130
360
PPV = 0.99
Wahl des Diagnosekriteriums (Cutpoint)
• Spezifisch eingestellte Tests werden vor allem zur
Sicherung einer Diagnose eingesetzt
Für den Arzt ist ein hochspezifischer Test
insbesondere dann hilfreich, wenn er positiv ausfällt!
Faustregel (engl.): SpPIn
Creatin Kinase und Myokardinfarkt
CK ≥ 80 IU
MI +
MI Ø
190
30
220
100
140
Se 83%
CK < 80 IU
40
Sp 77%
CK ≥ 40 IU
230
130
MI +
MI Ø
228
42
270
88
90
NPV = 0.71
360
Se 99%
CK < 40 IU
2
NPV = 0.98
Sp 68%
230
130
360
Wahl des Diagnosekriteriums (Cutpoint)
• Sensitiv eingestellte Tests werden vor allem zum
Ausschluß einer Erkrankung (Screening) eingesetzt
Für den Arzt ist ein hochsensitiver Test insbesondere
dann hilfreich,
wenn er negativ ausfällt!
Faustregel (engl.): SnNOut
ROC-Kurve
100
Echt-Positive (Sensitivität)
90
CK ≥ 40
80
CK ≥ 80
70
60
50
40
30
CK ≥ 160
20
10
0
0
10
20
30
40
50
60
70
Falsch-Positive (1 - Spezifität)
80
90
100
ROC-Kurve
‚optimaler‘ Test
100
Echt-Positive (Sensitivität)
90
CK ≥ 40
80
CK ≥ 80
70
60
50
40
30
CK ≥ 160
20
10
0
0
10
20
30
40
50
60
70
Falsch-Positive (1 - Spezifität)
80
90
100
Fragen zu Diagnostischen Tests
- Wie geeignet ist ein bestimmtes Untersuchungsverfahren
als Diagnostischer Test?
- Welche Tests mit welchen Eigenschaften sollte man
für welche klinische Situation einsetzen?
- Ist das gleiche Testergebnis für alle Patienten
von gleicher Wertigkeit?
Formel von Bayes
Prävalenz
Thomas Bayes ~1702 - 1761
ppV = P(W+|T+) =
P(T+|W+) · P(W+)
P(T+|W+) · P(W+) + P(T+|W-) · P(W-)
Beispiel Mammografie: Prävalenz: 0,7%, Sensitivität: 87%, Spezifität: 99,3%
0.87 · 0.007
ppV =
0.87 · 0.007 + 0.007 · 0.993
= 0.47
Patientengut und Diagnostische Wertigkeit
DMW 2006;131:1078-1084
Patienten: Stabile AP mit CCS I-III.
Nicht-invasiver Ischämietest vor Katheteruntersuchung!
(Szinti, Belastungs-EKG oder Stress-Echo)
Patientengut und Diagnostische Wertigkeit
Frauen
Männer
Test
Stenose
>50%
Stenose
<50%
Ischämie +
3554
4152
Ischämie -
1083
4637
P
Se
Sp
Test
Stenose
>50%
Stenose
<50%
7706
Ischämie +
8623
3437
12060
2122
3205
Ischämie -
2227
2189
4416
6274
10911
10850
5626
16476
42.5%
76.6%
33.8%
ppV 46.1%
P
Se
Sp
65.9%
79.5%
38.9%
ppV 71.5%
Die Eigenschaften Diagnostischer Tests werden
weitgehend unabhängig von der Untersuchungssituation (d.h. konstant) charakterisiert durch
 Sensitivität
 Spezifität
Die Eigenschaften Diagnostischer Tests werden
abhängig von der Untersuchungssituation
(d.h. variabel) charakterisiert durch
 Prävalenz (oder Vor-Test-Wahrscheinlichkeit)
 Positiver Prädiktiver Wert (PPV)
 Negativer Prädiktiver Wert (NPV)
Der Nutzen eines Untersuchungsverfahren als
Diagnostischer Tests hängt u. a. ab von der Wahl der
 Grenzwerte (Cutpoints),
 Patientengruppe,
…
Fragen – und Antworten?
1. Eine pharmazeutische Firma entwickelt einen neuen
Enzymtest auf Darmkrebs und untersucht ihn bei 60 Patienten
mit bekanntem Darmkrebs und bei 144 endoskopisch
karzinomfreien Kontrollen. Es findet sich bei 44(73%)
Krebspatienten und 32 (22%) Kontrollen ein positiver Test.
A) Welche Sensitivität und Spezifität hat der Test?
SE = 73% SP = 78%
B) Welchen PPV hat der Test in der Studie?
PPV = 44 / (44 + 32) = 58%
C) Welchen NPV hat der Test in der Studie?
NPV = 112 / (112 + 16) = 87.5%
2. Wie wäre der PPV, wenn die Vor-Test-Wahrscheinlichkeit
nur 3% ist (Screening)?
PPV = SE * PR / SE*PR +(1-SP)*(1-PR) =
0.73 * 0.03 / 0.73*0.03 + 0.22*0.97 =
0.093 oder 9.3%
Fragen – und Antworten?
3. Bei Frauen, die an der Krebsvorsorgeuntersuchung teilnehmen,
deckt die Inspektion und Palpation der Brust etwa 14% aller
prävalenten Mammakarzinome auf.
Welche Testcharakteristik beschreibt diesen Sachverhalt?
Sensitivität
4. Die Sensitivität eines Tests erhöht sich in dem Maße wie
seine Spezifität steigt. Richtig?
NEIN!
5. BNP im Plasma wird in der Notaufnahme bei Dyspnoe
unklarer Genese eingesetzt. Bei einem Trennwert von
50 pg/ml wird hinsichtlich der Diskrimination kardialer (HI) von
nicht-kardialen Ursachen (COPD, PH) die Sensitivität mit 97%
und die Spezifität mit 62% angegeben.
Mit welchem Ziel würden Sie den Test einsetzen?
Ausschluss einer kardialen Ursache
Fragen – und Antworten?
6. In Ihrer ophthalmologischen Praxis können Sie 100 neue Patienten
pro Woche mit einem innovativen nicht-invasiven Verfahren zur
Diagnose der AMD untersuchen, das eine Sensitivität von 90%
und eine Spezifität von 90% besitzt. Sie wissen, dass eine
AMD bei ca. 10% Ihrer neuen Patienten vorliegt.
- Wie schätzen Sie die Qualität des Tests anhand der
verfügbaren Angaben des Herstellers ein (interessant oder
nicht interessant)?
Fragen – und Antworten?
6. In Ihrer ophthalmologischen Praxis können Sie 100 neue Patienten
pro Woche mit einem innovativen nicht-invasiven Verfahren zur
Diagnose der AMD untersuchen, das eine Sensitivität von 90%
und eine Spezifität von 90% besitzt. Sie wissen, dass eine
AMD bei ca. 10% Ihrer neuen Patienten vorliegt.
- Wie schätzen Sie die Qualität des Tests anhand der
verfügbaren Angaben des Herstellers ein (interessant oder
nicht interessant)?
- Wie oft werden Sie im Durchschnitt pro Woche einen Patienten
mit einem positiven Testergebnis sehen („Treffsicherheit“)?
Neues nicht-invasives Verfahren bei AMD
AMD
Keine
AMD
Test
positiv
Test
negativ
100
Neues nicht-invasives Verfahren bei AMD
AMD
Keine
AMD
10
90
Test
positiv
Test
negativ
100
Neues nicht-invasives Verfahren bei AMD
AMD
Test
positiv
9
Test
negativ
1
10
Keine
AMD
90
100
Neues nicht-invasives Verfahren bei AMD
AMD
Keine
AMD
Test
positiv
9
9
Test
negativ
1
81
10
90
100
Neues nicht-invasives Verfahren bei AMD
AMD
Keine
AMD
Test
positiv
9
9
18
Test
negativ
1
81
82
10
90
100
PPV = 50% oder 1 von 2 test-positiven hat nichts…
Fragen – und Antworten?
6. In Ihrer ophthalmologischen Praxis können Sie 100 neue Patienten
pro Woche mit einem innovativen nicht-invasiven Verfahren zur
Diagnose der AMD untersuchen, das eine Sensitivität von 90%
und eine Spezifität von 90% besitzt. Sie wissen, dass eine
AMD bei ca. 10% Ihrer neuen Patienten vorliegt.
- Wie schätzen Sie die Qualität des Tests anhand der
verfügbaren Angaben des Herstellers ein (interessant oder
nicht interessant)?
- Wie oft werden Sie im Durchschnitt pro Woche einen Patienten
mit einem positiven Testergebnis sehen („Treffsicherheit“)?
- Wie schätzen Sie Aufwand und Nutzen des Tests ein?
Vorlesungsdatei (.pdf) unter
http://epi.klinikum.uni-muenster.de/lehre/vl_epi_bio.htm

Epidemiologie_Biometrie_151009