Statistiek voor evidence-based practice: oefenopgaven met stapsgewijze oplossingen

1De getallen achter klinische beslissingen

Evidence-based practice betekent onderzoeksresultaten gebruiken bij beslissingen over zorg. Om een studie te lezen heb je een kleine set getallen nodig: hoe goed een test is, hoe vaak een ziekte voorkomt en hoeveel een behandeling het risico verandert.

Bijna alle komen uit een 2 × 2-tabel: twee groepen in de rijen en twee uitkomsten in de kolommen. Als je weet waar a, b, c en d staan, is elke formule een eenvoudige breuk.

2Diagnostische tests

Zet de testuitslag in de rijen en de werkelijke ziektestatus (uit de referentiestandaard) in de kolommen: a = terecht positieven, b = onterecht positieven, c = onterecht negatieven, d = terecht negatieven.

• Sensitiviteit = a/(a + c): van de mensen met de ziekte het aandeel dat positief test.
• Specificiteit = d/(b + d): van de mensen zonder de ziekte het aandeel dat negatief test.
• PPV = a/(a + b): van de positieve tests het aandeel dat echt ziek is.
• NPV = d/(c + d): van de negatieve tests het aandeel dat echt gezond is.

Sensitiviteit en specificiteit kijken langs de kolommen; voorspellende waarden kijken langs de rijen.

3Prevalentie en voorspellende waarden

Prevalentie is het aandeel van een populatie dat op één moment een ziekte heeft. Incidentie telt nieuwe gevallen onder de mensen die risico lopen over een periode, of per persoonstijd (bijvoorbeeld per 1000 persoonsjaren).

Sensitiviteit en specificiteit horen bij de test. Voorspellende waarden hangen ook af van de prevalentie: een goede test die wordt gebruikt waar een ziekte zeldzaam is, geeft veel onterecht positieven.

Een snelle manier om dit te zien is je 10,000 mensen voor te stellen. Bij een prevalentie van 1% zijn er 100 ziek; een test met 90% sensitiviteit vindt er 90. Bij 95% specificiteit testen ook 5% van de 9900 gezonde mensen positief: 495 onterecht positieven. De PPV is dus 90/585, slechts ongeveer 15%.

Likelihoodratio’s werken een kans bij via odds: odds = p/(1 − p), natestodds = voortestodds × LR en kans = odds/(1 + odds).

4Behandeleffecten: RR, ARR en NNT

In een trial is de gebeurtenisfrequentie in de behandelde groep EER en in de controlegroep CER.

• Relatief risico RR = EER/CER.
• Absolute risicoreductie ARR = CER − EER.
• Relatieve risicoreductie RRR = ARR/CER = 1 − RR.
• Number needed to treat NNT = 1/ARR, altijd naar boven afgerond op een hele patiënt. Voor schade geldt NNH = 1/(EER − CER).

In een patiënt-controleonderzoek kiest de onderzoeker hoeveel cases en controles er worden opgenomen, dus risico’s kunnen niet worden berekend. Gebruik in plaats daarvan de odds ratio OR = ad/(bc).

Dezelfde RRR geeft een veel grotere NNT als het basisrisico laag is: een reductie van 25% van een risico van 2% is een ARR van 0,5%, een NNT van 200.

5Een uitgewerkt voorbeeld

Volg elke stap en voorspel de volgende voordat je hem opent. Alle waarden zijn verzonnen voor de oefening.

6Veelgemaakte fouten en tentamenvragen

• Sensitiviteit (langs de kolom) en PPV (langs de rij) door elkaar halen.
• De PPV behandelen als een vaste eigenschap van de test.
• Een kans met een likelihoodratio vermenigvuldigen zonder om te rekenen naar odds.
• De NNT naar beneden afronden, of 1/RRR gebruiken in plaats van 1/ARR.
• Een relatief risico berekenen uit een patiënt-controleonderzoek.

Makkelijk: sensitiviteit, specificiteit, PPV, NPV, accuratesse, prevalentie en incidentie. Gemiddeld: likelihoodratio’s, RR, ARR, RRR, NNT en NNH, odds ratio’s en incidentiedichtheden. Moeilijk: PPV bij een andere prevalentie, natestkans, verwachte aantallen in een gescreende populatie en NNT uit een basisrisico.