Definition
In der Statistik entspricht die Empfindlichkeit eines Tests seiner Fähigkeit, bei Überprüfung der Hypothese ein positives Ergebnis zu erzielen.
Spezifität misst andererseits die Fähigkeit eines Tests, ein negatives Ergebnis zu liefern, wenn die Hypothese nicht verifiziert wird.
Diese beiden Konzepte sind unerlässlich, um die Qualität eines durchgeführten Tests und insbesondere in der Epidemiologie zu messen.
Bewertung eines Tests
Um diese beiden Parameter zu bewerten, müssen bewährte Fälle getestet und getestet werden. Die Ergebnisse werden in vier Kategorien eingeteilt:
Die wirklichen positiven Aspekte: Die Anzahl der Personen, die den Test positiv beurteilen und krank sind
False Positives: Die Anzahl der Personen, die den Test positiv bewerten und nicht krank sind.
Falsch negativ: Die Anzahl der Personen, die im Test negativ sind und krank sind
Die wirklichen Negative: Die Anzahl der Personen, die im Test negativ waren und nicht krank waren
Ziel ist es, die maximale Anzahl von echten Positiven und wahren Negativen sowie die wenigsten falschen Positiven und falschen Negativen zu erreichen. In der Medizin ist es besonders wichtig, die Anzahl falsch negativer Fälle zu minimieren, die erhebliche Konsequenzen haben können. Das Suchen nach einer Anzahl falsch negativer Ergebnisse kann jedoch zu einer höheren Anzahl falsch positiver Ergebnisse führen.
Wir können die Ergebnisse in einer Tabelle wie der folgenden darstellen:
Mit dieser Tabelle können wir also die Spezifität und Sensitivität eines Tests messen.
Empfindlichkeit ist die Wahrscheinlichkeit, positiv getestet zu werden, wenn Sie krank sind:
Die Spezifität entspricht der Wahrscheinlichkeit, negativ getestet zu werden, wenn Sie nicht krank sind:
In der Medizin oder in der Epidemiologie ist es daher im Allgemeinen das Ziel, eine hohe Empfindlichkeit zu erreichen.
Beispiel
Wenn Sie einen Test zur Erkennung von Krankheit A durchführen, werden 1000 Patienten getestet, 500 sind krank und 500 sind nicht krank.
Wir führen den Test durch und erhalten die folgenden Ergebnisse:
Wir können daher die Sensitivität und Spezifität berechnen:
