Positiver prädiktiver Wert

Der positive prädiktive Wert (PPV) ist die Wahrscheinlichkeit, dass eine Person mit einem positiven Testergebnis die Erkrankung tatsächlich hat. Im Gegensatz zur Sensitivität und Spezifität, die Eigenschaften des Tests sind, wird der PPV über die Reihe der positiven Ergebnisse abgelesen und hängt daher davon ab, wie häufig die Erkrankung in der getesteten Population ist.

Definition

Der positive prädiktive Wert ist die bedingte Wahrscheinlichkeit, dass eine Erkrankung tatsächlich vorliegt, gegeben ein positives Testergebnis, berechnet als die Anzahl der echten Positiven geteilt durch die Gesamtzahl der positiven Ergebnisse (echte Positive plus falsch Positive).

Scope

Dieser Eintrag definiert den PPV als den Anteil der echten Positiven unter allen positiven Ergebnissen, erläutert seine Abhängigkeit von der Prävalenz der Erkrankung, kontrastiert ihn mit Sensitivität und Spezifität und setzt ihn in Beziehung zur Bayes'schen Aktualisierung der Vortest- zur Nachtestwahrscheinlichkeit. Es handelt sich um ein methodisches Thema, das keine Empfehlungen zur Verwendung eines bestimmten Tests gibt.

Key concepts

• Wahrscheinlichkeit einer Erkrankung bei positivem Ergebnis
• Abhängigkeit von der Prävalenz (Vortestwahrscheinlichkeit)
• Echte Positive versus falsch Positive
• Nachtestwahrscheinlichkeit
• Bayes-Theorem in der Diagnostik
• Beziehung zum positiven Likelihood-Quotienten

Mechanisms

Der PPV wird über die Reihe der positiven Ergebnisse der 2x2-Tabelle berechnet: Von allen Probanden, die der Test als positiv einstuft, ist er der Anteil, deren Krankheitsstatus tatsächlich positiv ist. Da die absolute Zahl der falsch Positiven aus der krankheitsfreien Gruppe generiert wird, steigt der PPV, wenn die Krankheit häufiger wird, und sinkt, wenn sie seltener wird, selbst wenn Sensitivität und Spezifität konstant gehalten werden. Dies macht den PPV zu einem gemeinsamen Produkt der intrinsischen Genauigkeit des Tests und der Vortestwahrscheinlichkeit der Krankheit in der getesteten Population. Der Zusammenhang wird durch das Bayes-Theorem formalisiert, das die Vortestwahrscheinlichkeit unter Verwendung der Likelihood-Ratios des Tests zu einer Nachtestwahrscheinlichkeit aktualisiert; der PPV ist genau diese Nachtestwahrscheinlichkeit nach einem positiven Ergebnis.

Clinical relevance

Der PPV drückt aus, was ein positives Ergebnis in einem bestimmten Kontext tatsächlich für die Wahrscheinlichkeit einer Erkrankung bedeutet, und ist daher zentral für die Interpretation von Screening- und Diagnoseergebnissen im Kontext. Das Konzept unterstützt die kritische Bewertung diagnostischer Evidenz; es beschreibt, wie Testergebnisse in Populationen interpretiert werden, und ist keine Grundlage für individuelle diagnostische oder Behandlungsentscheidungen.

Epidemiology

In Screening-Populationen mit geringer Prävalenz kann der PPV selbst bei Tests mit hoher Sensitivität und Spezifität überraschend niedrig sein, da die krankheitsfreie Mehrheit viele falsch Positive liefert. Dies ist eine wiederkehrende Quelle für Fehlinterpretationen beim Populationsscreening und ein Hauptgrund, warum prädiktive Werte unter Bezugnahme auf die relevante Prävalenz angegeben werden müssen, anstatt als feste Testattribute zitiert zu werden.

History

Die Abhängigkeit prädiktiver Werte von der Prävalenz wurde mit der Reifung des Rahmens für die diagnostische Genauigkeit im zwanzigsten Jahrhundert geklärt, und die Unterscheidung zwischen intrinsischen Testeigenschaften und populationsabhängiger prädiktiver Leistung wurde Klinikern durch erläuternde statistische Schriften in den 1990er Jahren zugänglich gemacht.

Debates

Sollten prädiktive Werte als feste Testmerkmale angegeben werden?

Da sich der PPV mit der Prävalenz ändert, kann ein einzelner angegebener Wert irreführend sein, es sei denn, die Population und ihre Krankheitsfrequenz werden spezifiziert; deshalb argumentieren einige, dass Likelihood-Ratios, die prävalenzunabhängig sind, für eine übertragbare Berichterstattung vorzuziehen sind.

Key figures

• Douglas Altman
• Martin Bland
• Jonathan Deeks
• David Grimes
• Kenneth Schulz

Seminal works

• altman-bland-1994b
• deeks-altman-2004
• grimes-schulz-2002-screening

Frequently asked questions

Warum kann der positive prädiktive Wert selbst bei einem genauen Test niedrig sein?

Wenn die Erkrankung selten ist, sind die meisten getesteten Personen krankheitsfrei, sodass selbst eine geringe Rate falsch positiver Ergebnisse viele falsch Positive im Verhältnis zu echten Positiven erzeugt, was den Anteil der positiven Ergebnisse, die tatsächlich krank sind, senkt.

Ist der positive prädiktive Wert eine Eigenschaft des Tests?

Nein. Er hängt sowohl von der Prävalenz der Erkrankung in der getesteten Population als auch von der Sensitivität und Spezifität des Tests ab, sodass derselbe Test in verschiedenen Umgebungen unterschiedliche prädiktive Werte liefert.