Det här är det femte inlägget i diagnostik-serien. Den första var en kort introduktion. I nummer två gick vi igenom principerna för ett diagnostiskt test för att sedan visa hur vi skall välja vårt test i nummer tre. I senaste inläggen gick vi sedan igenom hur vi kan värdera om vårt test är användbart eller inte. Nu skall vi titta på den kanske viktigaste principen när man vänder diagnostiska test och skall tolka resultaten, att sammanhanget i vilket man använder testet är viktigare än resultatet.
Men vad innebär då att “sammanhang är viktigare än resultat”? Det betyder att oavsett vilket resultat du får på ditt test måste det sättas i det sammanhang som testet har gjorts i, oavsett hur bra ditt test är.
Innehåll
Falskt Negativa resultat
Hos en patient med ett tydligt abdominellt penetrerande trauma kommer en negativ FAST sannolikt inte övertyga dig om att det inte finns någon inre blödning. Det är större chans att felkällorna för FAST:n (liten mängd blod, retroperitonealt blod, dålig teknik etc) än att det är ett sant negativt resultat.
Falskt Positiva resultat
Samma princip gäller för positiva resultat. Ett av våra bästa test (säkraste) är HCG-mätning i urin. Får du ett positivt HCG på en man så spelar det ingen roll att testet är otroligt bra. Sannolikheten är fortfarande högre att det ett falskt positivt test än att det är sant positivt (t.ex. P.g.a testikelcancer https://en.wikipedia.org/wiki/Testicular_cancer).
Bakgrunden till detta är att testets resultat är beroende på den underliggande risken för sjukdom hos den vi gör testet på. Något som vi pratade redan om i del 1.
Exempel – Rattfylleri
Tänk dig att polisen har en rutinkontroll på E4:an utanför Linköping och stannar bilister för att låta dem blåsa i en alkometern. Polisen stannar alla bilar utan någon direkt selektion. De stannar Erik som får blåsa och blåser positivt (mer än 0.2 promille). Erik är helt oförstående då han är säker på att han inte har druckit någon alkolhol senaste dygnet. Stämmer det som Erik säger? Hur stor bedömer du sannolikheten för att Erik har mer än 0.2 promille i kroppen (tänk gärna igenom detta innan du läser vidare)?
För att kunna veta detta behöver vi veta följande; 1) hur bra är vårt test? 2) Hur stor är sannolikheten att Emil är full (pre test probability)?. Polisen hävdar att alkometern är otroligt säker och säger att den har en Sensitivitet på ca 99-100% och Speficitet på 97%. Detta låter ju väldigt bra och är bättre än många av de test vi har inom vården. Men hur var det nu med Sensivitivtet och Specificitet?
Sensitivitet: Sannolikheten att ett test är positivt hos någon med sjukdomen.
Specifictet: Sannolikheten att ett test är negativt hos någon utan sjukdomen.
Sens och Spec hjälper oss bara om vi vet ungefär hur stor sannolikheten är att Erik är sjuk. Nedan beskrivs hur samma test hanterar två olika grupper som man testar.
Prevalens påverkar testresultat
I “vågkontroll på E4” med en låg underliggande risk för alkoholpåverkan kommer testet att hitta den enda fulla föraren. Men kommer också felaktigt att vara positivt hos fyra andra personer. Använder man testet på Bråvallafestivalen där betydligt fler har alkohol i blodet kommer alla utom två personer korrekt att vara positiva och endast en person att vara falskt positiv. Resultatet av samma test blir alltså ganska annorlunda beroende på vilken grupp av personer vi testar. Detta är otroligt viktigt att förstå då en del av vårt jobb på akuten är att se till att vi testar rätt grupp.
I exemplet ovan hade vi ett test med 95% sens och 90% spec, bra men ganska långt ifrån 99%/97% som polisens alkomätare. Sannolikheten att Erik är rattfull måste ju ändå vara ganska så stor?! Vi vet hur bra testet är, hur stor är sannolikheten att någon man stannar slumpmässigt på vägen är full? Enligt trafikverkets genomgång 2014 var andelen alkoholpåverkade personer ca 0.2%, dvs 1 av 500 förare.
Folk tenderar inte att köra rattfulla
Testar man 1000 förare kommer 2 att vara rattfulla, dessa kommer både blåsa positivt p.g.a att vi har så bra Sensitivitet (i princip 100%). Däremot kommer ca 20 personer att blåsa positivt utan att vara fulla (Specificitet 97% innebär att 2-3% kommer att vara positivt trots att de är nyktra. 0.02*1000 = 20).
Sannolikheten att Erik skulle vara rattfull är således 2/20, dvs 10%!
Detta givet att man tolkar detta som en rutinkontroll. Skulle man bara kontrollera bilar som kör vingligt har man sannolikt sorterat utan en “sjukare” grupp förare där andelen rattfylla är högre. Då kommer inte så många att klassas som fulla utan att vara det. (Tänk Bråvalla-exemplet ovan). Detta är också en av våra huvuduppgifter inom vården och på akuten i synnerhet. Att sortera ut rätt grupp av människor som skall testas. Till viss del har vi på akuten redan fått en grovt sorterad grupp människor då ganska många gått till sin vårdcentral. Jämfört med personerna som går till vårdcentralen är de som är på akuten relativt sett sjukare.
Sammanfatttning
- Ett testresultat måste alltid tolkas utifrån sammanhanget i vilket man tog testet.
- Det är viktigt att första hur test påverkas utifrån hur sjuk grupp man testar.
- Testar man en frisk grupp ökar risken för Falskt positiva. Testar man en sjuk grupp ökar risken för falskt negativa.
Exemplet i inlägget är inspirerat av Paul Youngs föreläsning på SMACC. En föreläsning som varmt rekommenderas när den kommer upp online.
Pre-publication review: Michael von Schickfus, Specialist i Akutsjukvård
