Sensitivität und Spezifität sind essentielle Beurteilungskriterien für diagnostische Tests. Was hinter den Begriffen steht und welche Bedeutung sie ausüben, klärt dieser Beitrag.

Diagnostische Tests, insbesondere für Krankheiten, sollten mit hoher Sicherheit krank und gesund unterscheiden können. Hierzu verwendet man die Kriterien Sensitivität und Spezifität.

 

Die Ausgangssituation

Ganz einfach formuliert: Ein Patient geht zum Arzt und hat entweder eine Krankheit oder nicht. Der Arzt verwendet nun einen diagnostischen Test auf diese Krankheit. Der diagnostische Test hat als Ergebnis entweder ein positives Testergebnis (Patient hat die Krankheit) oder ein negatives Testergebnis (Patient hat die Krankheit nicht). Das sieht dann wie folgt aus:

Krank Gesund
Testergebnis: Krank
(positiver Test)
Fall 1 Fall 3
Testergebnis: Gesund
(negativer Test)
Fall 4 Fall 2

 

Es gibt demzufolge 4 mögliche Szenarien. Der Idealfall sind die Fälle 1 und 2. Die Fälle 3 und 4 können mitunter kritische Folgen haben.

  1. Fall: Der Patient hat die Krankheit tatsächlich und der Test auf diese Krankheit ist positiv. Eine entsprechende Behandlung kann vorgenommen werden.
  2. Fall: Der Patient hat die Krankheit tatsächlich nicht und der Test auf diese Krankheit ist negativ. Eine Behandlung braucht nicht zu erfolgen.
  3. Fall: Ein tatsächlich gesunder Patient wird positiv auf diese Krankheit getestet. Eine unnötige Behandlung wird vorgenommen.
  4. Fall: Ein tatsächlich kranker Patient wird negativ auf diese Krankheit getestet. Eine möglicherweise lebensnotwendige Behandlung unterbleibt.

 

Sensitivität

Unter Sensititvität bei diagnostischen Tests versteht man die richtig positiv klassifizierten Patienten. Es drückt also aus: der prozentuale Anteil der Kranken, die auch als solche vom Test identifiziert werden konnten.

Ein Beispiel

Krank Gesund Gesamt
Testergebnis: Krank
(positiver Test)
23 8 31
Testergebnis: Gesund
(negativer Test)
2 169 171
Gesamt 25 177

 

Die Sensitvität errechnet sich in diesem Fall aus der Gesamtzahl der richtig positiv klassifizierten Patienten im Verhältnis zur Gesamtzahl der Kranken: 23/25 = 0,92 = 92%.

In 92% der Fälle wird ein kranker Patient in diesem Beispieltest korrekt als krank klassifiziert.

Ist ein hoch sensitiver Test negativ, kann die Krankheit im Umkehrschluss sehr wahrscheinlich ausgeschlossen werden. – Warum? Weil er positive Krankheitsfälle mit sehr hoher Wahrscheinlichkeit erkennt. Ist der Test negativ, liegt demzufolge sehr wahrscheinlich eine Erkrankung vor.

 

Spezifität

Unter Spezifität bei diagnostischen Tests versteht man die richtig negativ klassifizierten Patienten. Es drückt also aus: der prozentuale Anteil der Gesunden, die auch als solche vom Test identifiziert werden konnten.

Ein Beispiel

Krank Gesund Gesamt
Testergebnis: Krank
(positiver Test)
23 8 31
Testergebnis: Gesund
(negativer Test)
2 169 171
Gesamt 25 177

 

Die Sensitvität errechnet sich in diesem Fall aus der Gesamtzahl der richtig negativ klassifizierten Patienten im Verhältnis zur Gesamtzahl der Gesunden: 169/177 = 0,955 = 95,5%.

In 95,5% der Fälle wird ein gesunder Patient in diesem Beispieltest korrekt als gesund klassifiziert.

Ist ein hoch spezifischer Test positiv, liegt die Krankheit sehr wahrscheinlich vor. – Warum? Weil er negative Krankheitsfälle mit sehr hoher Wahrscheinlichkeit erkennt. Ist der Test positiv, liegt demzufolge sehr wahrscheinlich eine Erkrankung vor.

 

Positiver Vorhersagewert

Der positive Vorhersagewert, auch positive Prädiktion, ist die Wahrscheinlichkeit die Krankheit tatsächlich zu haben, wenn der Test positiv ausfällt. Die Prädiktion hängt von der Prävalenz (Rate der Erkrankten) ab.

Ein Beispiel:

Krank Gesund Gesamt
Testergebnis: Krank
(positiver Test)
23 8 31
Testergebnis: Gesund
(negativer Test)
2 169 171
Gesamt 25 177

 

Der positive Vorhersagewert errechnet sich in diesem Fall aus der Gesamtzahl der richtig positiv klassifizierten Patienten im Verhältnis zur Gesamtzahl der positiv klassifizierten Patienten: 23/31 = 0,742 = 74,2%. Für Ärzte ist die Prädiktion ein wichtiges Entscheidungskriterium.

 

Negativer Vorhersagewert

Der negative Vorhersagewert, auch negative Prädiktion, ist die Wahrscheinlichkeit die Krankheit tatsächlich nicht zu haben, wenn der Test negativ ausfällt. Die Prädiktion hängt von der Prävalenz (Rate der Erkrankten) ab.

Ein Beispiel:

Krank Gesund Gesamt
Testergebnis: Krank
(positiver Test)
23 8 31
Testergebnis: Gesund
(negativer Test)
2 169 171
Gesamt 25 177

 

Der negative Vorhersagewert errechnet sich in diesem Fall aus der Gesamtzahl der richtig falsch klassifizierten Patienten im Verhältnis zur Gesamtzahl der negativ klassifizierten Patienten: 169/171 = 0,988 = 98,8%. Für Ärzte ist die Prädiktion ein wichtiges Entscheidungskriterium.

 

Videotutorial

Dieses Video ansehen auf YouTube.