Spezifität

Die Spezifität ist der Anteil der Personen, die tatsächlich keine Erkrankung haben und die ein Test korrekt als negativ identifiziert. Sie beantwortet die Frage „Wie viele derjenigen, die die Krankheit nicht haben, werden vom Test als gesund eingestuft?“ und ist das Gegenstück zur Sensitivität unter den beiden intrinsischen Genauigkeitsmaßen, die zur Bewertung diagnostischer und Screening-Tests anhand eines Referenzstandards verwendet werden.

Definition

Spezifität ist die bedingte Wahrscheinlichkeit, dass ein Testergebnis negativ ist, vorausgesetzt, die Krankheit ist tatsächlich nicht vorhanden. Sie wird berechnet als die Anzahl der echten Negative geteilt durch die Gesamtzahl der Personen ohne die Krankheit (echte Negative plus falsch Positive).

Scope

Dieser Eintrag definiert Spezifität als die Rate der echten Negative, ordnet sie in die 2x2-Tabelle von Testergebnis versus wahrem Krankheitsstatus ein, erläutert ihr Komplement (die Rate der falsch Positiven) und beschreibt, wie sie geschätzt wird, wie sie mit dem Patientenspektrum variieren kann und wie sie zu Likelihood-Ratios beiträgt. Es handelt sich um ein methodisches Thema, das keine Empfehlungen zur Verwendung eines bestimmten Tests gibt.

Key concepts

• Rate der echten Negative
• Rate der falsch Positiven (1 - Spezifität)
• Referenzstandard (Goldstandard)
• Bedingte Wahrscheinlichkeit bei fehlender Krankheit
• Spektrum-Bias
• Negatives Likelihood-Ratio

Mechanisms

Die Spezifität wird entlang der Spalte der Nicht-Erkrankten in der 2x2-Tabelle berechnet: Von allen Probanden, deren wahrer Status krankheitsfrei ist, ist sie der Anteil, den der Test korrekt als negativ einstuft. Da sie vom wahren Nicht-Krankheitsstatus abhängt, ist die Spezifität prinzipiell unabhängig von der Krankheitsfrequenz und charakterisiert somit den Test und nicht die Population. Ihr Komplement, eins minus Spezifität, ist die Rate der falsch Positiven – der Anteil gesunder Personen, die fälschlicherweise als positiv markiert werden. Ein hochspezifischer Test hilft, wenn er positiv ist, eine Erkrankung auszuschließen, da nur wenige krankheitsfreie Personen positive Ergebnisse liefern. Die Spezifität kombiniert sich mit der Sensitivität zur Bildung des negativen Likelihood-Ratios und definiert über die Rate der falsch Positiven die horizontale Achse der ROC-Kurve. Wie die Sensitivität kann die gemessene Spezifität vom Spektrum der untersuchten nicht-erkrankten Probanden abhängen, da Ko-Erkrankungen die Anzahl der falsch Positiven erhöhen können.

Clinical relevance

Die Spezifität ist ein Standardmaß dafür, wie gut ein Test vermeidet, gesunde Personen als krank zu bezeichnen, und wird dort betont, wo falsch positive Ergebnisse erhebliche Kosten verursachen, wie z. B. unnötige Nachuntersuchungen nach einem Screening. Das Konzept unterstützt die kritische Bewertung diagnostischer Evidenz; es beschreibt eine Eigenschaft eines Tests und ist keine Grundlage für individuelle Diagnose- oder Behandlungsentscheidungen.

Epidemiology

Beim Populationsscreening sind selbst geringe Mängel in der Spezifität von Bedeutung, da die meisten getesteten Personen krankheitsfrei sind. Eine geringe Rate falsch positiver Ergebnisse, angewendet auf eine große gesunde Mehrheit, kann daher viele Fehlalarme erzeugen. Diese Wechselwirkung von Spezifität und Prävalenz ist ein zentrales Thema bei der Beurteilung, ob ein Screening-Programm akzeptable Schäden im Verhältnis zum Nutzen verursacht.

History

Die Spezifität wurde zusammen mit der Sensitivität aus der Klassifikations- und Signalentdeckungstheorie in die medizinische Statistik eingeführt und in den 1990er Jahren durch erläuternde statistische Schriften für klinische Leser populär gemacht. Methodische Arbeiten in den 1970er Jahren zeigten auf, wie das Spektrum der nicht-erkrankten Probanden das Maß verzerren konnte.

Debates

Warum dominiert die Spezifität das Problem der falsch positiven Ergebnisse beim Screening?

Da die Nicht-Erkrankten beim Screening die Erkrankten in der Regel bei weitem übertreffen, kann selbst eine hohe Spezifität eine absolute Anzahl von falsch positiven Ergebnissen hinterlassen, die die Nachsorge-Ressourcen überlastet und gesunde Personen Risiken aussetzt.

Key figures

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

Seminal works

• altman-bland-1994a
• ransohoff-feinstein-1978
• deeks-altman-2004

Frequently asked questions

Schließt ein hochspezifischer Test eine Krankheit aus, wenn er positiv ist?

Eine hohe Spezifität bedeutet, dass nur wenige gesunde Personen positiv getestet werden, sodass ein positives Ergebnis überzeugender für eine Krankheit ist; die vollständige Interpretation hängt jedoch weiterhin von der Sensitivität und der zugrunde liegenden Prävalenz ab.

Was ist die Rate der falsch Positiven?

Sie ist eins minus Spezifität: der Anteil der Personen ohne die Erkrankung, die vom Test fälschlicherweise als positiv eingestuft werden.