Het doen van diagnostisch accuratesseonderzoek

133
NEDERLANDS TIJDSCHRIFT VOOR DERMATOLOGIE EN VENEREOLOGIE | VOLUME 23 | NUMMER 03 | Maart 2013
Het doen van diagnostisch
accuratesseonderzoek
L. Hooft
Klinisch epidemioloog, Dutch Cochrane Centre,
Academisch Medisch Centrum, Amsterdam
Correspondentieadres:
Dr. Lotty Hooft
E-mail: [email protected]
Diagnostische tests kunnen worden gebruikt voor
het stellen van een diagnose, het stadieren van de
ziekte, om het beloop van een specifieke ziekte of
aandoening te voorspellen of voor het monitoren
van therapie-effecten. Binnen evidence-based medicine (EBM) ligt met betrekking tot medische tests
al geruime tijd de nadruk op het bepalen van de
diagnostische waarde (de diagnostische accuratesse).
Hoe goed is de test in staat om onzekerheid die
bestaat over de gezondheidstoestand van de patiënt
te verminderen? Kan op basis van de testresultaten
met grote zekerheid een specifieke ziekte of aandoening worden aangetoond dan wel worden uitgesloten? Het is daarbij de vraag of de test daadwerkelijk
datgene meet wat de test dient te meten; ofwel wat
is de diagnostische accuratesse van de test?
In een diagnostisch evaluatieonderzoek wordt
bepaald hoe goed een (nieuwe) test of teststramien
in staat is om zieken van niet-zieken te onderscheiden. Hiervoor kunnen verschillende type onderzoeksontwerpen worden gebruikt, maar het meest
gangbare type onderzoek om de waarde van een
diagnostische test te bepalen is het dwarsdoorsnedeonderzoek (cross-sectioneel onderzoek). Hierin
worden de testresultaten van de (nieuwe) test
(de indextest) vergeleken met de resultaten van de
referentietest (de gouden standaard; de beste manier
om de aan- of afwezigheid van een specifieke ziekte
of aandoening vast te kunnen stellen), bij voorkeur
binnen een kort tijdsbestek onafhankelijk van elkaar
uitgevoerd en beoordeeld, zonder overige klinische
kennis, in een opeenvolgende reeks patiënten die
overeenkomen met de patiënten waarbij de indextest in de praktijk zal worden toegepast. De resultaten worden vervolgens samengevat in diagnostische
uitkomstmaten als sensitiviteit, specificiteit en
voorspellende waarden met 95% betrouwbaarheidsintervallen.
De sensitiviteit van een test is het percentage personen met de aandoening die tevens een positieve
testuitslag hebben en de specificiteit is het percentage personen zonder de aandoening met een
negatieve testuitslag. De positief voorspellende
waarde is het percentage zieken onder de personen
met een positieve testuitslag, ofwel de kans op de
aanwezigheid van ziekte bij een positieve uitslag van
de indextest. De negatief voorspellende waarde is
het percentage niet-zieken onder de personen met
een negatieve testuitslag, ofwel de kans op de afwezigheid van ziekte bij een negatieve uitslag van de
indextest (zie tabel). De voorspellende waarden van
een test zijn in de dagelijkse praktijk goed interpreteerbaar, maar zijn afhankelijk van de prevalentie
van de ziekte in de onderzoekspopulatie. De sensitiviteit en speci­ficiteit van een test zijn min of meer
onafhankelijk van de prevalentie, daarom worden
deze maten bij voorkeur gebruikt om een test te
karakteriseren. De ideale test heeft een sensitiviteit
van 100% (zonder fout-negatieve testresultaten) en
een specificiteit van 100% (zonder foutpositieve
testresultaten). Naast de klassieke uitkomstmaten
kunnen ook andere uitkomstmaten worden bepaald
in een diagnostisch evaluatieonderzoek, zoals diagnostische oddsratio’s, likelihood ratio’s en number
needed to screen.
Wanneer een diagnostisch evaluatieonderzoek
slecht is opgezet en uitgevoerd, kunnen de onderTabel: De berekening van diagnostische uitkomstmaten
van een test.
Ziekte
Aanwezig Afwezig
Totaal
a
b
a+b
Negatief
c
d
c+d
Totaal
a+c
b+d
a+b+c+d
Test Positief
Sensitiviteit: (a/a+c) * 100%
Specificiteit: (d/b+d) * 100%
Positief voorspellende waarde: a/a+b
Negatief voorspellende waarde: d/c+d
Likelihoodratio positieve test (LR+) = Sens / (1–Spec)
Likelihoodratio negatieve test (LR–) = (1–Sens) / Spec
134
NEDERLANDS TIJDSCHRIFT VOOR DERMATOLOGIE EN VENEREOLOGIE | VOLUME 23 | NUMMER 03 | Maart 2013
zoeksresultaten vertekend zijn. Hierdoor kan een
(over het algemeen) te optimistisch beeld worden
geschetst van de diagnostische uitkomstmaten van
de test, waardoor in de dagelijkse praktijk suboptimale of verkeerde beslissingen worden genomen.
Een zorgvuldige beoordeling van de methodologische kwaliteit (het potentieel voor bias/vertekening van resultaten in het onderzoek) waarin de
diagnostische uitkomstmaten van (nieuwe) tests
zijn bepaald, is daarom noodzakelijk. Hiervoor
zijn vele methodologische checklists ontwikkeld,
waarvan de QUADAS-2 wordt aanbevolen door
internationale organisaties als NICE en de Cochrane
Collaboration.1,2
De methodologische kwaliteit kan alleen worden
bepaald wanneer de hiervoor benodigde gegevens
terug te vinden zijn in de desbetreffende publicatie.
Om de juistheid en volledigheid van de rapportage
van diagnostisch evaluatieonderzoek te verbeteren is
het STAndards Standards for Reporting of Diagnostic
Accuracy-statement (STARD) opgesteld.3 Het STARDstatement bestaat uit een checklist met een stroomdiagram en kan worden gezien als een richtlijn
voor rapportage van onderzoek met betrekking tot
de opzet, de uitvoering en de resultaten van diagnostisch evaluatieonderzoek. Het STARD-initiatief
is door verscheidende tijdschriften overgenomen,
zoals Radiology, Annals of Internal Medicine, BMJ en
Clinical Chemistry.4
Evidence-based beslissingen dienen bij voorkeur
gebaseerd te worden op geaggregeerde evidence,
zoals systematische reviews van goede kwaliteit.
Geïnspireerd door het succes van de Cochrane
systematic reviews of interventions is the Cochrane
Collaboration in 2008 gestart met het maken en
verspreiden van Diagnostic Test Accuracy (DTA)
systematic reviews.5 Resultaten van individuele
studies worden op een systematische wijze bijeengebracht en samengevat in een overzichtsartikel.
DTA Cochrane reviews zijn echter gecompliceerder dan systematische reviews van randomized
­clinical ­trials.
De afgelopen jaren wordt de focus op de diagnostische accuratesse in toenemende mate ter discussie
gesteld. Het wordt steeds duidelijker dat diagnostische accuratesse niet alleen belangrijk is, maar
dat tevens de gezondheidsuitkomsten (net als bij
interventieonderzoek) voor de patiënten die de test
ondergaan van waarde zijn; ofwel wat is het klinisch
nut van een test?6 Het toepassen van een test met
een hoge diagnostische accuratesse hoeft niet te
betekenen dat de verkregen informatie nuttig is.
Informatie over de gevolgen van de testuitslagen
moeten bekend zijn om het klinisch nut van een
test te kunnen beoordelen. Worden patiënten met
een fout-positief testresultaat doorverwezen voor
chirurgie of ondergaan ze eerst een ander (mogelijk
invasief) onderzoek, of zullen ze een redelijke goedkope en onschadelijke behandeling ondergaan? En
worden patiënten met een fout-negatieve testuitslag
naar huis gestuurd en niet meer gezien, of zullen
deze patiënten routinematig terugkomen waardoor
het mogelijk is alsnog in te grijpen wanneer dat
nodig wordt geacht?
We kunnen concluderen dat het diagnostische veld
volop in beweging is: nieuwe tests komen op de
markt, bestaande tests worden voortdurend aangepast en verbeterd, en ook de methodologie om deze
medische testen te evalueren is nog steeds in ontwikkeling.
Literatuur
1. Whiting PF, Rutjes AW, Westwood ME, et al. QUADAS-2
Group. QUADAS-2: A Revised Tool for the Quality
Assessment of Diagnostic Accuracy Studies. Ann Intern
Med 2011;155(8):529-36.
2. http://srdta.cochrane.org/handbook-dta-reviews
3. Bossuyt PM, Reitsma JB, Bruns DE, et al. The STARD
statement for reporting studies of diagnosticaccuracy: explanation and elaboration. Clin Chem 2003;49:7-18.
4. Smidt N, Overbeke J, Vet H de, Bossuyt P. Endorsement
of the STARD Statement by biomedical journals: survey of
instructions for authors. Clin Chem. 2007;53(11):1983-5.
5. http://srdta.cochrane.org
6. Bossuyt PM, Reitsma JB, Linnet K, Moons KG. Beyond
Diagnostic Accuracy: The Clinical Utility of Diagnostic
Tests. Clin Chem. 2012 Jun 22. [Epub ahead of print]
Trefwoorden
diagnostische accuratesse – sensitiviteit – specificiteit – voorspellende waarden – systematisch
review