Sannolikhetsförhållande (medicin): Grundläggande definition, tolkning

Statistik Definitioner > Sannolikhetsförhållande

Följande artikel handlar om sannolikhetsförhållandet som det gäller för diagnostiska tester inom medicin. Om du letar efter det test som används för att välja den bästa modellen, se nästa artikel: Vad är ett sannolikhetsförhållande?

Du kanske vill läsa den här artikeln först: Känslighet vs. Specificitet.

Sannolikhetsförhållanden (LR) inom medicinsk testning används för att tolka diagnostiska tester. I princip talar LR om hur sannolikt det är att en patient har en sjukdom eller ett tillstånd. Ju högre förhållandet är, desto mer sannolikt är det att de har sjukdomen eller tillståndet. Omvänt innebär en låg kvot att de med stor sannolikhet inte har det. Därför kan dessa nyckeltal hjälpa en läkare att utesluta eller utesluta en sjukdom.

Formler

Formeln för sannolikhetskvoten (LR) är:

Tester kan vara antingen positiva eller negativa, så det finns två nyckeltal:

• Positiv LR: Detta talar om hur mycket man ska öka sannolikheten för att ha en sjukdom, givet ett positivt testresultat. Förhållandet är:
  Sannolikheten att en person med sjukdomen testar positivt (ett sant positivt) /
  sannolikheten att en person utan sjukdomen testar positivt (ett falskt positivt).
• Negativ LR: Detta talar om hur mycket man ska minska sannolikheten för att ha en sjukdom, givet ett negativt testresultat. Förhållandet är:
  Sannolikheten att en person med sjukdomen testar negativt (ett falskt negativt) /
  sannolikheten att en person utan sjukdomen testar negativt (ett sant negativt).

Känslighet och specificitet är ett alternativt sätt att definiera sannolikhetskvoten:

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

Tolkning av sannolikhetskvoter

Sannolikhetskvoter varierar mellan 0 och oändligt. Ju högre värdet är, desto mer sannolikt är det att patienten har tillståndet. Som exempel kan vi säga att ett positivt testresultat har en LR på 9,2. Detta resultat är 9,2 gånger mer sannolikt att inträffa hos en patient med tillståndet än hos en patient utan tillståndet.

En tumregel (McGee, 2002; Sloane, 2008) för att tolka dem:

• 0 till 1: minskat bevis för sjukdom. Värden närmare noll har en högre minskning av sannolikheten för sjukdom. Exempelvis minskar en LR på 0,1 sannolikheten med -45 %, medan ett värde på -0,5 minskar sannolikheten med -15 %.
• 1: inget diagnostiskt värde.
• Över 1: ökat bevis för sjukdom. Ju längre bort från 1, desto större sannolikhet för sjukdom. Exempelvis ökar en LR på 2 sannolikheten med 15 %, medan en LR på 10 ökar sannolikheten med 45 %. En LR över 10 är ett mycket starkt bevis för att utesluta en sjukdom.

Real life example

Sloane (2008) ger följande exempel för ett serumferritintest, som testar för järnbristanemi. LR för testet är:

LR på 51,8 för resultatet under 15 mg/dL mycket starka bevis för att utesluta järnbristanemi. Å andra sidan är den mycket låga LR på 0,08 ett tydligt bevis för att det inte finns någon anemi. Resultat däremellan är öppna för tolkning; ytterligare tester kan behövas.

Bayes teorem och LR

I teorin talar LR om för dig om ett test är korrekt. I praktiken används det inte särskilt mycket. Detta kan bero på att Bayes teorem (teorin bakom sannolikheterna före och efter testet) inte är särskilt lätt att förstå. Du behöver dock inte förstå teoremets inre arbete för att förstå sannolikhetsförhållandets form av teoremet:

Till exempel, låt oss säga att en patient som återvänder från en semester till Rio presenterar sig med feber och ledvärk. Tidigare uppgifter säger dig att 70 % av de patienter i din praktik som återvänder från Rio med feber och ledvärk har zika. Blodtestresultatet är positivt, med ett sannolikhetsförhållande på 6. För att beräkna sannolikheten att patienten har zika:
Steg 1: Konvertera sannolikheten före testet till odds:
0,7 / (1 – 0,7) = 2,33.
Steg 2: Använd formeln för att konvertera odds före testet till odds efter testet:
Odds efter testet = Odds före testet * LR = 2.33 * 6 = 13,98.
Steg 3: Konvertera oddsen i steg 2 tillbaka till sannolikhet:
(13,98) / (1 + 13,98) = 0,93.
Det finns en 93-procentig sannolikhet att patienten har Zika.

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

——————————————————————————

Behövs hjälp med en läxa eller en provfråga? Med Chegg Study kan du få steg-för-steg-lösningar på dina frågor från en expert inom området. Dina första 30 minuter med en Chegg-handledare är gratis!