Vetenskaplig utveckling Läkarprogrammet KI HT 2010 termin 4

1. Vetenskaplig utveckling Läkarprogrammet KI HT 2010 termin 4 Moment 2 Lisen Arnheim Dahlström, Fredrik Wiklund & Robert Karlsson Institutionen för medicinsk epidemiologi och biostatistik

2. Diagnostiska test • Viktiga för att upptäcka sjukdomar hos individer • Exempel • Mammografi för att upptäcka bröstcancer • PSA för att upptäcka prostatacancer • Blodvärden • Fostervattenprov • Genetiska test • Gynekologisk cellprovstagning • Osv

3. Gynekologisk screening • Organiserad screening infördes på 60-talet. Reducerat cancerfallen med över 50%. • Kvinnor mellan 23-50 år kallas vart 3 år, 51-60 år vart 5 år. • Täckningsgraden är 77% och 83%, för resp åldersgrupp.

4. Gynekologisk screening Incidens Mortailitet

5. Mammografi • Startade i Sverige 1986, sedan 1997 i hela Sverige. • Trippelundersökning: palpation, röntgen, biospi • Skall erbjudas alla kvinnor i åldrarna 40 - 75 år (Socialstyrelsen) • 1.5 till 2 år mellan undersökningar • Sänker dödligheten i bröstcancer med ca 20%

8. Diagnostiska test - egenskaper • Givet att en person är sjuk vill vi att testet ska klassa personen som sjuk • Testet ska ha hög SENSITIVITET • Givet att en person är frisk vill vi att testet ska klassa personen som frisk • Testet ska ha hög SPECIFICITET

9. Beräkningar

10. Exempel mammografi (Resultat från australiensisk studie)

11. Exempel cellprov cervix • Sensitivitet = 51% (37 - 84%) • Specificitet = 98% (86 - 100%) • (meta analys, 1999)

12. Cut-off • Test ofta “kontinuerliga” • Man måste betämma en cut-off för vad som är ett positivt test - när säger testet att personen är sjuk?

13. Cut-off • Genom att variera cut-off kan vi påverka testets sensitivitet och specificitet

14. POSITIVT PREDIKTIVT VÄRDE (PPV)NEGATIVT PREDIKTIVT VÄRDE (NPV) • PPV = sannolikheten att en person som testats positiv är sjuk • När vi vill mäta hur bra ett test är på att förutsäga att patienten är sjuk • NPV = sannolikheten att en person som testats negativ är frisk • När vi vill mäta hur bra ett test är på att förutsäga att patienten är frisk

15. Beräkningar

16. Exempel mammografi (Resultat från australiensisk studie)

17. PPV och NPV och sjukdomens prevalens Prevalens 20% Prevalens 1% Sensitivitet 180/200=90%Specificitet 720/800=90%PPV=180/260=69% NPV=720/740=97% Sensitivitet 9/10=90%Specificitet 891/990=90%PPV=9/108=8% NPV=891/892=100%

18. PPV och NPV vs prevalens • Generellt gäller att: • Om prevalensen minskar så • Minskar PPV • Ökar NPV • Om prevalensen ökar så • Ökar PPV • Minskar NPV • Ett tests egenskaper kan även bero på andra faktorer • Ålder • Etnicitet • Kön • Provkvalitet

19. Sensmoral diagnostiska test • Sensitivitet och specificitet säger ingenting om man inte vet något om prevalensen • Ett test som är utmärkt för diagnos bland patienter med symtom som ger stark misstanke på en sjukdom (hög prevalens), kan vara oanvändbart för screening för samma sjukdom bland symtomfria personer

20. Konfidensintervall Sensitivitet och specificitet är skattningar, baserade på till exempel kliniska prövningar Inbyggd osäkerhet eftersom vi bara testar ett stickprov Osäkerheten kan uppskattas med ett konfidensintervall

21. Konfidensintervallets bredd påverkas av storleken på stickprovet Få deltagare i studien → bredare konfidensintervall Många deltagare → smalare konfidensintervall

22. Exempel För ett visst diagnostiskt test vet vi att sensitiviteten är exakt 90%. Alltså upptäcker testet 90% av alla sjuka som testas. Vi simulerar några olika stora studier på samma test

23. Sensmoral konfidensintervall Sensitivitet, specificitet, PPV och NPV är skattningar Alltså har de en inbyggd osäkerhet Undersök hur stor osäkerheten är innan ni litar på förträffligheten hos ett test.