![\"\"](\"https:\/\/association-osteo-swiss.ch\/wp-content\/uploads\/2024\/12\/Capture-decran-2024-12-01-151520.jpg\")
<\/a><\/figure>\n\nLeider wissen wir, dass dies nicht so einfach ist. Fehler sind m\u00f6glich, da die Tests nicht 100%ig zuverl\u00e4ssig sind und die diagnostischen Werte der Tests stark variieren. <\/p>\n\n
(Der Schwellenwert f\u00fcr akzeptable Zuverl\u00e4ssigkeit ist willk\u00fcrlich und kann je nach Kontext variieren).<\/p>\n\n
<\/p>\n\n
Was n\u00fctzt es, diese Zuverl\u00e4ssigkeitsgrenzen zu kennen? <\/mark><\/p>\n\n <\/p>\n\n Eine Diagnose stellen und unsere Fehlerquote kennen?<\/p>\n\n Die Diagnose ist vor allem<\/strong> f\u00fcr die Kommunikation mit dem Patienten wichtig. <\/p>\n\n „Sie haben also herausgefunden, was mir weh tut? „<\/p>\n\n NB: In diesem Zusammenhang ist das Buch von Le Breton interessant zu lesen.<\/em> (Anthropologie des Schmerzes). <\/em> <\/p>\n\n Bis zu 30% der urspr\u00fcnglichen Diagnosen \u00e4ndern sich im Laufe der Behandlung… und in den meisten F\u00e4llen ist dies nicht weiter schlimm. Aber Verdachtsdiagnosen m\u00fcssen in unserer klinischen Argumentation pr\u00e4sent sein, um den Patienten gegebenenfalls umzuleiten (Notwendigkeit einer weiteren Untersuchung, \u00e4rztlicher Rat, Physiotherapie…).<\/p>\n\n Wir werden die Begriffe Sensitivit\u00e4t, Spezifit\u00e4t und Likelihood Ratio (LR) einf\u00fchren. <\/p>\n\n Dieser Test ist empfindlich, dieser Test ist spezifisch.<\/mark><\/p>\n\n <\/p>\n\n Diese beiden Begriffe sind Metriken, mit deren Hilfe die Fehlerquote <\/strong>von Tests berechnet <\/strong>werden kann.<\/p>\n\n SENSIBILIT\u00c4T<\/strong><\/p>\n\n\n\n Bei 100 Patienten mit der Pathologie<\/em><\/p>\n\n\n\n Der Test sollte bei diesen 100 Patienten positiv sein.<\/em><\/p>\n\n\n\n Bei 10 Patienten war der Test jedoch negativ. <\/em><\/p>\n\n\n\n Der Test ist daher zu 90% empfindlich.<\/em><\/p>\n\n\n\n Ich habe nur ein Fehlerrisiko von 10% (d.h. dass der Test bei einem betroffenen Patienten negativ ausf\u00e4llt).<\/em><\/p>\n\n\n\n Ich kann diese Krankheit bei einem Patienten, der auf diesen Test negativ reagiert, vern\u00fcnftigerweise ausschlie\u00dfen.<\/em><\/p>\n<\/div>\n\n\n\n SPECIFICITE<\/strong><\/p>\n\n\n\n Bei 100 gesunden Patienten<\/em><\/p>\n\n\n\n Dieser Test sollte bei allen Patienten negativ ausfallen.<\/em><\/p>\n\n\n\n Andererseits war der Test bei 10 Patienten immer noch positiv. <\/em><\/p>\n\n\n\n Der Test ist daher zu 90% spezifisch<\/em><\/p>\n\n\n\n Ich habe ein 10%iges Risiko, dass der Test mich t\u00e4uscht (d.h. dass er positiv ist, auch wenn der Patient gesund ist).<\/em><\/p>\n\n\n\n Ich kann diese Erkrankung bei einem Patienten, der positiv auf diesen Test reagiert, vern\u00fcnftigerweise in meine Diagnose einbeziehen.<\/em><\/p>\n<\/div>\n<\/div>\n\n Man kann schnell verstehen, dass wenn ein Test eine Sensitivit\u00e4t\/Spezifit\u00e4t von etwa 50% hat, man genauso gut eine M\u00fcnze werfen und sehen k\u00f6nnte, ob sie auf eine M\u00fcnze f\u00e4llt (palm up test?). <\/strong><\/p>\n\n Wie Sie sehen k\u00f6nnen, ber\u00fccksichtigen diese Metriken jedoch nur die H\u00e4lfte der Bev\u00f6lkerung.<\/p>\n\n Das ist auch der Grund, warum ein Test zwar sehr empfindlich ist, etwa 90%, wenn seine Spezifit\u00e4t aber nur 4% betr\u00e4gt -> man kann nicht so stolz sein.<\/p>\n\n Und umgekehrt.<\/p>\n\n Das Likelihood-Ratio erm\u00f6glicht es uns, einen Wert zu erhalten, der die gesamte Population ber\u00fccksichtigt: Es wird mit den Werten der Spezifit\u00e4t und Sensitivit\u00e4t berechnet.<\/mark><\/p>\n\n Aber der VR wird uns noch mehr helfen, wenn wir die Pr\u00e4valenz der Pathologie ber\u00fccksichtigen….. <\/p>\n\n Dr. Fagan befasste sich mit der Frage der Zuverl\u00e4ssigkeit von Tests. Er verwendete ein grafisches Hilfsmittel, das Anfang des 20. Jahrhunderts entwickelt wurde, um Werte zu sch\u00e4tzen, die auf mehreren Parametern oder Messungen basieren: das Nomogramm. Es erspart eine komplexe mathematische Gleichung. Dr. Fagan benutzte es, um die Wahrscheinlichkeit der Wahrheit einer Diagnose vorherzusagen. Und 1975 nannte er es bescheiden Fagan-Nomogramm. <\/p>\n\n Wie funktioniert das?<\/p>\n\n Die Wahrscheinlichkeit, dass die Erkrankung auftritt, bevor wir einen Test durchf\u00fchren, ist au\u00dfer der Pr\u00e4valenz der Erkrankung gleich Null. Der RV wird mit der Spezifit\u00e4t und der Sensitivit\u00e4t des Tests berechnet. <\/p>\n\n Diese beiden Werte werden einfach miteinander verbunden und es entsteht der positive oder negative Vorhersagewert.<\/p>\n\n Ich habe zuvor angegeben, dass der RV+ > 2 sein sollte, Autoren schlagen vor, dass der RV+ gr\u00f6\u00dfer als 5 sein sollte.<\/p>\n\n Der Spurling-Test hat ein RV+ von 4,8 und soll Patho einschlie\u00dfen. Seine Wahrscheinlichkeit nach dem Test liegt bei 52%, nicht weit von der M\u00fcnze entfernt…..<\/p>\n\n In Kenntnis der Sachlage: Ich vermute NCB, ich mache einen Spurling, er ist positiv, in 48% der F\u00e4lle t\u00e4uscht mich der Test.<\/p>\n\n DAGEGEN:)<\/p>\n\n Wenn die ULNT die Symptomatik nicht reproduziert, besteht ein Risiko von nur 3%, dass der Patient trotzdem eine NCB ist… Dann k\u00f6nnen Sie mit mehr Gelassenheit sagen: DIES IST KEINE NCB. <\/p>\n\n Leider sind nur wenige Tests zuverl\u00e4ssig und die metrischen Werte variieren je nach Studie. Daher ist es notwendig, mehrere Tests zu verwenden. Klinische Cluster und Vorhersageregeln verbessern die RV und damit die Vorhersagewerte nach dem Test. <\/p>\n\n<\/a><\/figure>\n\n<\/a><\/figure>\n\n<\/a><\/figure>\n\n<\/a><\/figure>\n\n<\/a><\/figure>\n\n