Likelihood Ratio (medicin): Grundlæggende definition, fortolkning

Statistik Definitioner > Likelihood Ratio

Den følgende artikel dækker Likelihood Ratio, som det gælder for diagnostiske tests i medicin. Hvis du er på udkig efter den test, der bruges til at vælge den bedste model, kan du se den næste artikel: Likelihood Ratio Test (Sandsynlighed og matematisk statistik).

Hvad er et Likelihood Ratio?

Du bør måske læse denne artikel først: Sensitivitet vs. Specificitet.

Likelihood Ratio (LR) i medicinske tests bruges til at fortolke diagnostiske tests. Grundlæggende fortæller LR dig, hvor sandsynligt det er, at en patient har en sygdom eller tilstand. Jo højere forholdet er, jo mere sandsynligt er det, at de har sygdommen eller tilstanden. Omvendt betyder et lavt forhold, at det er meget sandsynligt, at de ikke har det. Derfor kan disse forholdstal hjælpe en læge med at udelukke eller udelukke en sygdom.

Formler

Formlen for sandsynlighedsforholdet (LR) er:

Tests kan enten være positive eller negative, så der er to forholdstal:

• Positivt LR: Dette fortæller dig, hvor meget du skal øge sandsynligheden for at have en sygdom, givet et positivt testresultat. Forholdet er:
  Sandsynligheden for, at en person med sygdommen testes positiv (et sandt positivt resultat) /
  sandsynligheden for, at en person uden sygdommen testes positiv (et falsk positivt resultat).
• Negativ LR: Dette fortæller dig, hvor meget du skal mindske sandsynligheden for at have en sygdom, hvis du får et negativt testresultat. Forholdet er:
  Sandsynligheden for, at en person med sygdommen testes negativt (et falsk negativt) /
  sandsynligheden for, at en person uden sygdommen testes negativt (et sandt negativt).

Sensitivitet og specificitet er en alternativ måde at definere sandsynlighedsforholdet på:

• Positiv LR = sensitivitet / (100 – specificitet).
• Negativ LR = (100 – sensitivitet) / specificitet.

Intolkning af sandsynlighedsforhold

Sandsynlighedsforholdet spænder fra nul til uendeligt. Jo højere værdien er, jo mere sandsynligt er det, at patienten har tilstanden. Som et eksempel kan vi sige, at et positivt testresultat har en LR på 9,2. Dette resultat er 9,2 gange mere sandsynligt, at det sker hos en patient med tilstanden end hos en patient uden tilstanden.

En tommelfingerregel (McGee, 2002; Sloane, 2008) til fortolkning af dem:

• 0 til 1: mindsket bevis for sygdom. Værdier tættere på nul har et større fald i sandsynligheden for sygdom. F.eks. mindsker en LR på 0,1 sandsynligheden med -45 %, mens en værdi på -0,5 mindsker sandsynligheden med -15 %.
• 1: ingen diagnostisk værdi.
• Over 1: øget bevis for sygdom. Jo længere væk fra 1, jo større er sandsynligheden for sygdom. F.eks. øger en LR på 2 sandsynligheden med 15 %, mens en LR på 10 øger sandsynligheden med 45 %. En LR over 10 er meget stærk evidens for at udelukke en sygdom.

Eksempel fra det virkelige liv

Sloane (2008) giver følgende eksempel for en serumferritintest, som tester for jernmangelanæmi. LR for testen er:

Den LR på 51,8 for resultatet under 15 mg/dL meget stærk evidens for at udelukke jernmangelanæmi. På den anden side er den meget lave LR på 0,08 et klart bevis for, at der ikke er tale om anæmi. Scorer derimellem er åbne for fortolkning; der kan være behov for yderligere prøver.

Bayes-teoremet og LR

I teorien fortæller LR, om en test er korrekt. I praksis bruges den ikke særlig meget. Det kan skyldes, at Bayes’ teorem (teorien bag sandsynlighederne før og efter testen) ikke er særlig let at forstå. Du behøver dog ikke at forstå det indre arbejde i teoremet for at forstå Likelihood ratio formen af teoremet:

Lad os f.eks. sige, at en patient, der vender hjem fra en ferie til Rio, præsenterer sig med feber og ledsmerter. Tidligere data fortæller dig, at 70 % af de patienter i din praksis, der vender tilbage fra Rio med feber og ledsmerter, har Zika. Blodprøveresultatet er positivt med et sandsynlighedsforhold på 6. Sådan beregner du sandsynligheden for, at patienten har Zika:
Skridt 1: Omregn sandsynligheden før testen til odds:
0,7 / (1 – 0,7) = 2,33.
Skridt 2: Brug formlen til at omregne odds før testen til odds efter testen:
Odds efter testen = Odds før testen * LR = 2.33 * 6 = 13,98.
Stræk 3: Konverter oddsene i trin 2 tilbage til sandsynlighed:
(13,98) / (1 + 13,98) = 0,93.
Der er 93 % sandsynlighed for, at patienten har Zika.

Reference:
McGee, S. Simplifying Likelihood Ratios. J Gen Intern Med. 2002 Aug; 17(8): 647-650. Tilgængelig her.
Sloane, P. 2008. Essentials of Family Medicine. Lippincott Williams & Wilkins.

——————————————————————————

Har du brug for hjælp til en lektielæsning eller et spørgsmål til en prøve? Med Chegg Study kan du få trin-for-trin-løsninger på dine spørgsmål fra en ekspert på området. Dine første 30 minutter med en Chegg-underviser er gratis!