Diagnostic accuracy: sensitivity, specificity, ROC

Kwantificeert hoe goed een nieuwe test patiënten met de aandoening vindt, ten opzichte van een referentiestandaard.

Klinisch voorbeeld

Een snelle bloedtest voor een hartinfarct, vergeleken met de uiteindelijke klinische diagnose bij patiënten die zich met pijn op de borst meldden.

Wanneer te gebruiken

U vergelijkt een nieuwe test met een referentiestandaard bij dezelfde patiënten.
De testuitslag is ja of nee, of een continue waarde.
U wilt sensitiviteit en specificiteit en, bij een continue test, de ROC curve.

Aannames om te controleren

Passende referentiestandaard

De referentiestandaard moet zo dicht mogelijk bij de waarheid liggen en bij alle patiënten zijn toegepast, ongeacht de testuitslag.

Representatief patiëntenspectrum

De accuratesse hangt af van wie wordt getest. Neem patiënten op zoals die waarbij de test gebruikt gaat worden.

Wat te rapporteren

De 2x2-tabel ten opzichte van de referentiestandaard
Sensitiviteit en specificiteit met 95%-BI
AUC met 95%-BI voor een continue test
De gebruikte afkapwaarde, en of die vooraf was vastgelegd

Veelgemaakte fouten

Rapporteer het effect, niet alleen de p-waarde

Geef de schatting (verschil, ratio) met het 95%-betrouwbaarheidsinterval en de exacte p-waarde.

In uw software

# R
library(pROC)
roc_obj <- roc(d$reference, d$test_value)
plot(roc_obj)
ci.auc(roc_obj)

SPSS

ROC test_value BY reference (1)
  /PLOT=CURVE(REFERENCE)
  /PRINT=SE COORDINATES
  /CRITERIA=CUTOFF(INCLUDE) TESTPOS(LARGE) DISTRIBUTION(FREE) CI(95).