90 % Sensitivität, 90 % Spezifität und nur 8.33 % richtig positiv, so liest du Diagnostik-Kennwerte
Bei einer Prävalenz von 1 % sind trotz 90 % Sensitivität und 90 % Spezifität nur 8.33 % der positiven Befunde richtig. Wer in der Doktorarbeit einen diagnostischen Test bewertet, stößt früher oder später auf diese Rechnung, oft schon bei der ROC-Kurve. Die Kennwerte beantworten nämlich verschiedene Fragen. Die Vierfeldertafel zeigt das am schnellsten.
Was Sensitivität und Spezifität an der Vierfeldertafel bedeuten
Die Sensitivität gibt an, welcher Anteil der Kranken ein positives Ergebnis bekommt. Die Spezifität gibt an, welcher Anteil der Gesunden ein negatives Ergebnis bekommt. Beide gehen also vom wahren Zustand aus und fragen nach dem Testergebnis. Die Tabelle 1 zeigt ein erfundenes Beispiel mit 1000 Personen, von denen 10 erkrankt sind:
Testergebnis | krank | gesund | Summe |
positiv | 9 | 99 | 108 |
negativ | 1 | 891 | 892 |
Summe | 10 | 990 | 1000 |
Die Sensitivität beträgt 9 von 10, also 90.00 %. Die Spezifität beträgt 891 von 990, ebenfalls 90.00 %. Bis hierher wirkt der Test zuverlässig. Dann kommt die Frage, die Patientinnen und Patienten eigentlich stellen, nämlich wie wahrscheinlich eine Erkrankung bei einem positiven Befund ist.
Was ist der Unterschied zwischen Sensitivität und positivem prädiktivem Wert?
Die Sensitivität sagt, wie viele Kranke der Test findet, der positive prädiktive Wert sagt, wie viele positiv Getestete wirklich krank sind. Die Richtung der Frage dreht sich also um. In der Tabelle 1 sind 108 Personen positiv, davon sind 9 erkrankt. Das ergibt 8.33 %. Der Grund liegt in den 990 Gesunden, denn 10 % falsch positive Ergebnisse bei ihnen sind 99 Personen und damit weit mehr als die 9 richtig erkannten.
Dieselbe Logik steckt hinter dem Artikel zum KI-Detektor und zur Basisrate. Auch der Einbruch von Cohens Kappa bei seltenen Befunden hat mit der Häufigkeit zu tun, allerdings aus einem anderen Grund. Der negative prädiktive Wert funktioniert spiegelbildlich und liegt im Beispiel bei 891 von 892, also 99.89 %.
Dieselbe Rechnung bei drei Prävalenzen
Prädiktive Werte hängen direkt von der Prävalenz ab, wie Parikh et al. (2008) an einem Rechenbeispiel zeigen. Die Tabelle 2 hält Sensitivität und Spezifität bei 90 % fest und verändert nur den Anteil der Kranken, jeweils bei 1000 erfundenen Personen:
Prävalenz | richtig positiv | falsch positiv | positiver prädiktiver Wert | negativer prädiktiver Wert |
1 % | 9 | 99 | 8.33 % | 99.89 % |
5 % | 45 | 95 | 32.14 % | 99.42 % |
20 % | 180 | 80 | 69.23 % | 97.30 % |
Der Test bleibt derselbe, nur die untersuchte Gruppe ändert sich. Für deine Arbeit heißt das, dass ein prädiktiver Wert nur für eine Population mit ähnlicher Prävalenz gilt. Das wird zum Problem, sobald die Studiengruppe anders zusammengesetzt ist als die Menschen, bei denen der Test später eingesetzt wird. Eine Studie mit 100 Kranken und 100 Gesunden hat eine Prävalenz von 50 %, ganz gleich, wie häufig die Erkrankung im Alltag ist. Prädiktive Werte aus einer solchen Stichprobe darfst du deshalb nicht einfach übertragen.
Ob deine Stichprobe zur späteren Anwendung passt, klären wir gern bei der Auswertung für Forschungsprojekte.
Warum Sensitivität und Spezifität keine festen Eigenschaften sind
Oft heißt es, Sensitivität und Spezifität seien im Gegensatz zu den prädiktiven Werten stabil. Das stimmt nur eingeschränkt. Die Leitlinie STARD 2015 hält fest, dass beide keine festen Testeigenschaften sind, weil falsche Ergebnisse je nach Setting unterschiedlich häufig vorkommen. Ein Test kann in einer Spezialklinik mit schweren Fällen besser abschneiden als in der Hausarztpraxis mit frühen Stadien. Parikh et al. weisen ebenfalls darauf hin, dass sich die Werte bei einem anderen Krankheitsspektrum ändern können.
Dazu kommt der Cut-off. Bei einem kontinuierlichen Messwert entscheidet er darüber, wer als positiv gilt. Senkst du ihn, steigt meist die Sensitivität und die Spezifität sinkt. Welcher Punkt der ROC-Kurve in deiner Studie vertretbar ist, hängt davon ab, was ein übersehener Fall und was ein Fehlalarm kosten. Das lässt sich nicht aus den Daten allein ablesen.
Wie du die Kennwerte in der Arbeit berichtest
Nenne die Vierfeldertafel oder die Häufigkeiten dazu, damit Lesende nachrechnen können. STARD führt außerdem die Schätzung der diagnostischen Güte mit ihrer Präzision auf, etwa als 95 %-Konfidenzintervall. Mit den erfundenen Werten der Spalte für 20 % Prävalenz und Wilson-Intervallen könnte das so aussehen:
Von 200 erkrankten Personen erhielten 180 ein positives Testergebnis, Sensitivität = 90.00 %, 95 %-KI [85.06, 93.43]. Von 800 nicht erkrankten Personen erhielten 720 ein negatives Testergebnis, Spezifität = 90.00 %, 95 %-KI [87.73, 91.89]. Bei einer Prävalenz von 20.00 % in der Stichprobe betrug der positive prädiktive Wert 69.23 %, 95 %-KI [63.37, 74.53].
Der letzte Satz nennt die Prävalenz ausdrücklich, weil der Wert ohne sie nicht einzuordnen ist. Welche Verfahren in einer medizinischen Arbeit sonst häufig anfallen, zeigt die Übersicht zur Statistik in der medizinischen Doktorarbeit.
Noch offene Fragen zu Sensitivität und Spezifität
Was ist wichtiger, hohe Sensitivität oder hohe Spezifität?
Das hängt vom Einsatz ab. Beim Ausschluss einer gefährlichen Erkrankung zählt eher die Sensitivität, vor einer belastenden Behandlung eher die Spezifität. Beide Werte gehören in den Bericht.
Woher nehme ich die Prävalenz, wenn meine Stichprobe sie nicht abbildet?
Du kannst die prädiktiven Werte mit einer Prävalenz aus der Literatur oder aus Registerdaten neu berechnen. Gib dann die Quelle an und kennzeichne die Werte als Berechnung.
Wie aufwendig ist es, eine Diagnostikstudie auswerten zu lassen?
Das richtet sich nach Anzahl der Tests, Referenzstandard und Datenlage. Einen Überblick gibt die Seite Preise und Ablauf.
Muss ich STARD in meiner Doktorarbeit einhalten?
Das hängt von Fakultät und Betreuung ab. Für eine Veröffentlichung verlangen viele Fachzeitschriften eine Berichtsleitlinie. Wer sich früh daran orientiert, spart sich später Rückfragen.
Bevor du einen Prozentwert aus deiner Studie weitertragen lässt Wir übernehmen die Auswertung deiner Diagnostikstudie und erklären dir jeden Kennwert. Möchtest du selbst rechnen, begleiten wir dich im Statistik-Coaching. Die Details findest du unter Preise und Ablauf. Passt die Prävalenz deiner Stichprobe zu den Menschen, bei denen der Test später eingesetzt wird?


