3.1 Diagnostiske testegenskaper
Sensitivitet, spesifisitet, PPV og NPV — og den avgjørende innsikten at
Hvor ofte kommer det? Testegenskaper — sensitivitet, spesifisitet, PPV og NPV — er observert i rundt 14 av de 16 lesbare sittingene av blokk 1 fra 2021 til 2026 (én «sitting» = én gjennomføring av eksamen, ordinær eller utsatt). Det er den sikreste enkeltoppgaven i hele samfunnsmedisinseksjonen.
I hvilken form? To sjangre:
- B1-STAT — statistikkoppgaven i blokk 1: en regne- eller resonnementoppgave du besvarer i fritekst. Her kreves vist utregning, og et svar som bare oppgir sluttallet får ikke full uttelling.
- B1-MC — flervalgsspørsmålet: fire alternativer, «velg ett», rettes automatisk. Typisk spørsmål: hvilke av målene endrer seg når prevalensen endrer seg?
Den klassiske oppgaven i denne sjangeren er: gitt sensitivitet, spesifisitet og prevalens — bygg en 2×2-tabell for en tenkt befolkning, regn ut PPV og NPV, og forklar hva tallene betyr.
Hjelpemidler — og hva det betyr for hva du skal kunne. I blokk 1 har du enkel kalkulator, statistiske tabeller og en utdelt formelsamling. Formlene i dette kapitlet er altså ikke noe du må kunne utenat. Det du må kunne, er å velge riktig formel, sette inn riktige tall i riktige felter, og tolke svaret i klartekst — det er der poengene ligger når formelsamlingen ligger på pulten.
Hvordan rettes det? Blokk 1 har ingen dokumentert minuspoeng — svar alltid, også på et flervalg du er usikker på. På fritekstoppgavene premieres riktig framgangsmåte over eksakt tallsvar: regnefeil videre i utregningen trekkes ikke to ganger. Vurderingen er bestått / ikke bestått; emnet har ingen karakterskala.
Tid: kapitlet er delt i tre løkker på omtrent 15, 22 og 15 minutter. Resten av tidsanslaget er innledning og repetisjon. Regner du eksemplene selv med kalkulator underveis — og det bør du — legg på litt.
Forkunnskaper — sist du var her
Dette kapitlet krever ingen tidligere statistikk fra denne boka, men det hviler på ett begrep fra videregående. Her er det, ferdig oppfrisket:
Betinget sannsynlighet. Skrivemåten leses «sannsynligheten for gitt » — altså: hvis vi allerede vet at er tilfelle, hvor sannsynlig er da? Det avgjørende poenget, og hele nøkkelen til dette kapitlet: og er som regel ikke like tall. Sannsynligheten for at testen slår ut gitt at du er syk er noe helt annet enn sannsynligheten for at du er syk gitt at testen slo ut. Trenger du en grundigere gjennomgang, se Betinget sannsynlighet (Matematikk S1 5.2).
Andeler og prosent. Alle fire målene i kapitlet er andeler mellom 0 og 1, som gjerne oppgis i prosent: prosent. Du kommer langt med kalkulator og hoderegning på hele personer.
Fra kap. 0.2: blokk 1 har ingen minuspoeng, så du skal alltid svare — og i fritekstoppgavene kreves vist utregning og en tolkningssetning i klartekst til slutt. Et riktig tall uten tolkning er et halvferdig svar.
De nye begrepene — sensitivitet, spesifisitet, prevalens, positiv og negativ prediktiv verdi — innføres fra grunnen av under.
Tenk deg en test som er «99 prosent sikker»: den fanger 99 av 100 syke, og den frikjenner 99 av 100 friske. Du tar den, uten symptomer, som del av en helseundersøkelse. Den slår ut. Hvor sannsynlig er det da at du faktisk har tilstanden?
De fleste svarer «99 prosent». Er tilstanden sjelden — la oss si at én av tusen har den — er riktig svar rundt 9 prosent. Ni. Vi regner det ut sammen i Eksempel 4, og det er ikke et regnetriks: det er den viktigste enkeltinnsikten i hele samfunnsmedisinseksjonen.
Grunnen er at det finnes så uendelig mange flere friske enn syke å ta feil av. Selv en liten feilprosent på en stor gruppe gir flere falske alarmer enn det er syke i det hele tatt.
Dette kapitlet gir deg de fire målene — sensitivitet, spesifisitet, PPV og NPV — og den ene 2×2-tabellen du bygger dem alle fra. Hovedpoenget som går igjen på eksamen, og som du skal kunne begrunne med tall og ikke bare påstå: sensitivitet og spesifisitet endrer seg ikke med prevalensen, men PPV og NPV gjør det.
Denne boka forbereder deg til eksamen i MED1100. Den handler om det friske mennesket og om mekanismer — ikke om å stille diagnoser, velge behandling eller gi råd. Ingen av regnestykkene, verdiene eller mekanismene her skal brukes på en virkelig pasient eller på deg selv. Klinisk vurdering læres senere i studiet, under veiledning.
Det er verdt å si det tydelig for akkurat dette kapitlet: her handler alt om hvordan et testresultat tolkes statistisk. Ingenting her sier noe om hva en person med et positivt prøvesvar bør gjøre. Det er en helt annen vurdering, den gjøres av behandlende lege med kjennskap til hele situasjonen, og den læres senere i studiet.
Løkke 1 — De fire cellene og testens egne egenskaper (~15 min)
Andelen i en befolkning som har tilstanden på et gitt tidspunkt — altså sykdomsforekomsten før noen er testet. Skrives som andel () eller prosent (1 prosent).
Hvorfor den er avgjørende her: prevalensen bestemmer hvor mange syke og hvor mange friske testen slippes løs på. Den er ikke en egenskap ved testen i det hele tatt, men den avgjør hva et testsvar er verdt. To sykehusavdelinger som bruker nøyaktig samme test på grupper med ulik sykdomsforekomst, får ulik verdi ut av det samme positive svaret.
Oppstillingen som all testregning bygger på: kolonnene er sannheten (syk / frisk), radene er testsvaret (positiv / negativ).
| Syk | Frisk | |
|---|---|---|
| Test positiv | TP | FP |
| Test negativ | FN | TN |
Regelen som løser halve oppgavene: de fire målene er fire ulike måter å lese den samme tabellen på. Nedover i en kolonne får du sensitivitet og spesifisitet (testens egenskaper). Bortover i en rad får du PPV og NPV (svarets verdi). Går du feil vei, har du regnet ut et annet mål enn det oppgaven ba om — og det er den vanligste feilen i sjangeren.
En person som har tilstanden og som testen klassifiserer som positiv. Testen har rett.
Ligger øverst til venstre i tabellen. Antallet finner du som prevalensen ganget med befolkningen, ganget med sensitiviteten: .
En person som har tilstanden, men som testen klassifiserer som negativ. Testen bommer på en syk — den overser.
Ligger nederst til venstre. . Skilles fra falsk positiv ved hvem som er feilklassifisert: her er det en syk som får feil svar.
En person som ikke har tilstanden og som testen klassifiserer som negativ. Testen har rett.
Ligger nederst til høyre. .
En person som ikke har tilstanden, men som testen klassifiserer som positiv — en falsk alarm.
Ligger øverst til høyre. . Dette er cellen som eksploderer når tilstanden er sjelden: er nesten alle friske, blir selv en liten feilandel et stort antall personer, og det er hele forklaringen på 9-prosent-svaret i innledningen.
Leses nedover i syk-kolonnen. En sensitiv test overser få syke — den har få falske negative.
Det som skiller sensitivitet fra PPV: nevneren. Sensitivitet har alle de syke i nevneren, PPV har alle med positiv test. Sensitivitet er en egenskap ved testen og endrer seg ikke om du flytter testen til en befolkning med annen sykdomsforekomst.
Leses nedover i frisk-kolonnen. En spesifikk test gir få falske alarmer blant de friske.
Som sensitiviteten er dette en egenskap ved testen selv, ikke ved befolkningen den brukes på. Det er nettopp denne forskjellen fra PPV og NPV som er gjengangeren på eksamen — og som flest svarer feil på.
1. Velg en befolkningsstørrelse som gjør alle cellene til hele personer. passer nesten alltid; er prevalensen svært lav, ta . Oppgir oppgaven en , bruker du den.
2. Del befolkningen i syke og friske etter prevalensen.
3. Del syke-kolonnen med sensitiviteten.
4. Del frisk-kolonnen med spesifisiteten.
5. Kontroller at tabellen går opp: . Gjør den ikke det, har du gjort en tastefeil — finn den før du regner videre.
Merk enheten: alle fire cellene er antall personer, ikke andeler. Blander du de to, ryker resten av oppgaven.
Merk retningen: trinn 3 og 4 fyller tabellen kolonnevis, fordi det er kolonnevis sensitivitet og spesifisitet er definert. Radene får du gratis når kolonnene er fylt.
En test for en tenkt tilstand har sensitivitet 90 prosent og spesifisitet 95 prosent. Den brukes i en befolkning der prevalensen er 1 prosent.
Sett opp en 2×2-tabell for 10 000 personer.
Trinn 1 — velg befolkning. personer (oppgitt).
Trinn 2 — del etter prevalens.
Trinn 3 — fyll syke-kolonnen med sensitiviteten.
Trinn 4 — fyll frisk-kolonnen med spesifisiteten.
Trinn 5 — kontroll. personer. Tabellen går opp.
| Syk | Frisk | Sum rad | |
|---|---|---|---|
| Test positiv | 90 | 495 | 585 |
| Test negativ | 10 | 9 405 | 9 415 |
| Sum kolonne | 100 | 9 900 | 10 000 |
Tolkning i klartekst: blant 10 000 testede får 585 personer et positivt svar. Bare 90 av dem har tilstanden. Med andre ord: for hver person testen finner riktig, får over fem friske en falsk alarm — og det er før vi har regnet på en eneste prediktiv verdi.
Legg merke til kontrollen: de 495 falske positive kommer fra bare 5 prosent feil på en stor gruppe friske, mens de 90 sanne positive kommer fra 90 prosent treff på en liten gruppe syke. Det er størrelsen på gruppene, ikke kvaliteten på testen, som skaper skjevheten.
(Innsteg, B1-KORT — kortsvarsoppgaven i blokk 1.) Forklar med dine egne ord hva sensitivitet og spesifisitet betyr, og si hvilken gruppe som står i nevneren i hver av dem.
(Innøving, B1-STAT — statistikkoppgaven i blokk 1, der vist utregning kreves.) En annen test har sensitivitet 85 prosent og spesifisitet 90 prosent, og brukes i en befolkning med prevalens 2 prosent.
Sett opp 2×2-tabellen for 10 000 personer, og kontroller at den går opp.
Løkke 2 — PPV, NPV og prevalensavhengigheten (~22 min)
Nå snur vi tabellen. Sensitivitet og spesifisitet svarer på et spørsmål ingen pasient stiller: «hvis jeg vet at du er syk, hva viser testen?» Det pasienten — og oppgaven — vil vite, er det motsatte: testen viste dette; hva vet vi da?
Leses bortover i den øverste raden. Dette er svaret på spørsmålet «testen slo ut — hva betyr det?».
Det avgjørende: PPV avhenger av prevalensen. Den samme testen, med uendret sensitivitet og spesifisitet, gir lav PPV i en befolkning der tilstanden er sjelden, og høy PPV i en gruppe der den er vanlig. Sammenlign med sensitiviteten, som er den samme uansett hvor testen brukes — det er nettopp denne forskjellen eksamen tester.
Leses bortover i den nederste raden. Svaret på «testen var negativ — hva betyr det?».
Prevalensavhengigheten går motsatt vei av PPVs: når tilstanden er sjelden, er nesten alle med negativ test friske, og NPV er svært høy. Blir tilstanden vanligere, synker NPV. Merk konsekvensen: i en frisk befolkning er en negativ test svært informativ, mens en positiv test ofte ikke er det.
1. Summer radene. Øverste rad gir alle med positiv test (), nederste rad gir alle med negativ test ().
2. Divider den riktige cellen på radsummen.
3. Skriv tolkningen i klartekst. «Av dem som får positivt svar, har omtrent X prosent tilstanden.» Uten denne setningen er svaret ikke ferdig — og det er den sensor leter etter.
Uten tabellen kan du sette rett inn i formlene i formelsamlingen:
De to veiene gir nøyaktig samme svar — tabellveien er bare de samme brøkene med et felles antall ganget inn i teller og nevner. Under tidspress er tabellen tryggere, fordi du ser hvor tallene kommer fra og oppdager en tastefeil med kontrollsummen.
Avrunding: oppgi 2–3 gjeldende siffer, og bruk «≈» når svaret ikke går opp.
Bruk tabellen fra Eksempel 1 (sensitivitet 90 prosent, spesifisitet 95 prosent, prevalens 1 prosent, 10 000 personer). Regn ut PPV og NPV, og tolk svarene.
Trinn 1 — radsummene.
- Positiv test: personer.
- Negativ test: personer.
Trinn 2 — divisjonene.
Kontroll med formelen (samme tall, andre vei):
Samme svar, som det skal være.
Trinn 3 — tolkning i klartekst. Blant dem som får et positivt svar, har omtrent 15 prosent tilstanden; de øvrige 85 prosentene er falske alarmer. Blant dem som får et negativt svar, er nesten 99,9 prosent friske, altså er et negativt svar svært informativt her.
Det som er verdt å merke seg: testen er ikke dårlig. Den fanger 9 av 10 syke og frikjenner 19 av 20 friske. Den lave PPV-en kommer nesten utelukkende av at tilstanden er sjelden — de 9 900 friske gir 495 falske positive selv med bare 5 prosent feil, og det er mange flere enn de 100 syke totalt.
Og en presisering som hører hjemme i et svar: et positivt svar med PPV på 15 prosent betyr at sannsynligheten for tilstanden har steget fra 1 prosent til rundt 15 prosent. Det er en stor endring — testen er informativ. Den er bare ikke et svar.
Den samme testen (sensitivitet 90 prosent, spesifisitet 95 prosent) brukes nå i en gruppe der prevalensen er 20 prosent i stedet for 1 prosent.
Regn ut PPV og NPV på nytt for 10 000 personer, og forklar hva sammenlikningen viser.
Ny tabell.
Kontroll: ✓
| Syk | Frisk | Sum rad | |
|---|---|---|---|
| Test positiv | 1 800 | 400 | 2 200 |
| Test negativ | 200 | 7 600 | 7 800 |
| Sum kolonne | 2 000 | 8 000 | 10 000 |
De prediktive verdiene.
Sammenlikningen, satt opp mot hverandre:
| Prevalens | Sensitivitet | Spesifisitet | PPV | NPV |
|---|---|---|---|---|
| 1 prosent | 90 prosent | 95 prosent | 15,4 prosent | 99,9 prosent |
| 20 prosent | 90 prosent | 95 prosent | 81,8 prosent | 97,4 prosent |
Tolkning i klartekst — dette er selve svaret: sensitiviteten og spesifisiteten står helt stille, fordi de er egenskaper ved testen. PPV går fra 15 til 82 prosent, og NPV faller fra 99,9 til 97,4 prosent. PPV stiger med prevalensen; NPV synker. Testen er den samme; det er befolkningen som er en annen.
Hvorfor det er slik, i én setning: når andelen syke øker, blir det flere sanne positive å ta av og færre friske å ta feil av. Telleren i PPV vokser derfor langt raskere enn nevneren: de sanne positive går fra 90 til 1 800, mens de falske positive faller fra 495 til 400. For de negative går det motsatt vei: flere syke betyr flere falske negative å blande inn blant de sanne negative.
Konsekvensen som er verdt poeng: det er nettopp derfor et positivt prøvesvar hos en person med symptomer betyr noe helt annet enn det samme svaret i en masseundersøkelse av folk uten plager. Ikke fordi testen er en annen, men fordi utgangspunktet er det.
2. Å tro at sensitivitet eller spesifisitet endrer seg med prevalensen. De gjør det ikke. Det er PPV og NPV som beveger seg. Kommer det et flervalg med formuleringen «hvilke mål påvirkes av forekomsten», er svaret alltid de to prediktive verdiene.
3. Å regne med andeler der oppgaven vil ha personer. Cellene i 2×2-tabellen er antall personer. Blander du inn en andel i en av dem, går kontrollsummen i stykker — som er akkurat derfor kontrollsummen finnes.
4. Å hoppe over kontrolltrinnet. tar fem sekunder og avslører en tastefeil før den forplanter seg til to prediktive verdier.
5. Felle E12 — å levere et tall uten tolkning. «PPV » er ikke et ferdig svar i blokk 1. Sensor ser etter setningen «av dem med positivt svar har omtrent 15 prosent tilstanden». Skriv den, hver gang.
6. Felle E10 — å blande falsk positiv og overdiagnostikk. En falsk positiv er et testsvar som tar feil: personen har ikke tilstanden. Overdiagnostikk er et riktig funn av noe ekte som aldri ville gitt plager. De to er ikke det samme, og de løses ikke av de samme grepene.
7. Å ikke svare på et flervalg. Blokk 1 har ingen minuspoeng. Blankt er garantert null.
En test flyttes fra bruk i en allmennbefolkning til bruk i en avdeling der sykdomsforekomsten er langt høyere. Terskelverdien for et positivt svar er uendret.
Hvilke av testens mål endrer seg?
A) Sensitivitet og spesifisitet endrer seg, mens PPV og NPV står stille.
B) Alle fire målene endrer seg, siden hele befolkningen er en annen.
C) PPV og NPV endrer seg, mens sensitivitet og spesifisitet står stille.
D) Bare PPV endrer seg; de tre andre målene er uavhengige av forekomst.
En test har sensitivitet 80 prosent og spesifisitet 98 prosent. Den brukes i en gruppe med prevalens 5 prosent.
a) Sett opp 2×2-tabellen for 20 000 personer.
b) Regn ut PPV og NPV, og tolk begge i klartekst.
En kollega sier: «Testen vår har sensitivitet på 95 prosent, så hvis den slår ut, er det 95 prosent sannsynlig at pasienten har tilstanden.»
Forklar hva som er galt i resonnementet, og hvilken størrelse han egentlig beskriver.
Hvilke to utsagn er riktige?
A) En høy sensitivitet garanterer en høy positiv prediktiv verdi.
B) NPV synker når prevalensen stiger.
C) Falsk positiv og overdiagnostikk beskriver det samme fenomenet.
D) Spesifisitet leses nedover i frisk-kolonnen i 2×2-tabellen.
Løkke 3 — Terskelen, avveiningen og essaysvaret (~15 min)
Den verdien på en måling som skiller et positivt fra et negativt testsvar. Ligger måleresultatet over terskelen, kalles testen positiv.
Hvorfor begrepet trengs: sensitivitet og spesifisitet er ikke gudegitte tall for en test — de følger av hvor terskelen settes. Flytter du terskelen, flytter du begge, og de flytter seg i motsatt retning.
Senker du terskelen, blir flere svar positive: du fanger flere syke (sensitiviteten stiger), men du får også flere falske alarmer (spesifisiteten synker). Hever du terskelen, skjer det motsatte.
Konsekvensen som er verdt å skrive i et essaysvar: hvilken innstilling som er ønskelig, kan ikke avgjøres av statistikken alene. Det avhenger av hva som koster mest i den aktuelle sammenhengen — å overse en syk, eller å utrede mange friske unødig. Merk at dette er en generell metodisk betraktning, ikke en anbefaling om hvordan en konkret test bør brukes.
Systematisk testing av personer uten symptomer, for å finne en tilstand tidlig.
Hvorfor begrepet hører hjemme her: i en gruppe uten symptomer er prevalensen lav, og da er PPV lav selv for en god test. Det er nettopp poenget fra innledningen: den samme testen som gir et informativt svar hos en person med plager, gir mange falske alarmer i en frisk befolkning. Legg merke til at dette er en statistisk observasjon om hva et testsvar er verdt — ikke en vurdering av om en konkret undersøkelse bør gjennomføres.
Falsk positiv: testen gir positivt utslag hos en person som ikke har tilstanden i det hele tatt. Funnet er feil.
Skillet i én setning: ved falsk positiv tar testen feil, ved overdiagnostikk tar den rett om noe som ikke betydde noe. Å blande dem er felle E10, og den koster poeng både i flervalg og i essay.
Malen for tolkningssvaret
De fleste B1-STAT-oppgavene i denne sjangeren avsluttes med et «forklar»- eller «gjør rede for»-ledd. Sensor leter etter fire ting, i denne rekkefølgen:
1. Hva som er regnet ut — navnet på størrelsen, ikke bare tallet.
2. Tallet med riktig gruppe i nevneren — «av dem med positivt svar», ikke «av de syke».
3. Hvorfor det ble slik — som regel prevalensens virkning på blandingsforholdet i raden.
4. Hva det betyr praktisk — at et positivt svar i en lavprevalent gruppe flytter sannsynligheten et godt stykke, men langt fra til sikkerhet.
Ett eksempel på fire setninger som dekker alle fire:
«PPV er 15,4 prosent. Det betyr at blant dem som får et positivt svar, har omtrent 15 av 100 tilstanden. Årsaken er at prevalensen bare er 1 prosent, slik at de 9 900 friske gir 495 falske positive mot bare 90 sanne positive. Et positivt svar flytter altså sannsynligheten fra 1 til rundt 15 prosent — en betydelig endring, men ikke et svar i seg selv.»
Merk hva svaret ikke inneholder: ingen anbefaling om hva som bør gjøres videre. Oppgaven spør om tolkning av et tall.
En test for en tenkt tilstand har sensitivitet 99 prosent og spesifisitet 99 prosent. Tilstanden finnes hos 1 av 1 000 i befolkningen. Testen brukes i en undersøkelse av personer uten symptomer.
a) Sett opp 2×2-tabellen for 100 000 personer.
b) Regn ut PPV, og forklar resultatet i klartekst.
c) Hva ville PPV blitt om den samme testen ble brukt i en gruppe der 1 av 20 har tilstanden?
a) Tabellen. Prevalensen er .
Kontroll: ✓
| Syk | Frisk | Sum rad | |
|---|---|---|---|
| Test positiv | 99 | 999 | 1 098 |
| Test negativ | 1 | 98 901 | 98 902 |
| Sum kolonne | 100 | 99 900 | 100 000 |
b) PPV.
Tolkning: blant dem som får positivt svar, har omtrent 9 av 100 tilstanden. Over 90 prosent av de positive svarene er falske alarmer — med en test som tar riktig i 99 av 100 tilfeller begge veier.
Forklaringen: det er 999 ganger flere friske enn syke i denne befolkningen. Én prosent feil på 99 900 friske gir 999 falske positive, mens 99 prosent treff på 100 syke bare gir 99 sanne positive. Det er antallet friske, ikke kvaliteten på testen, som skaper skjevheten.
Og den viktige presiseringen: et positivt svar flytter sannsynligheten fra 0,1 prosent til 9 prosent — en nitti gangers økning. Testen er altså svært informativ. Den er bare ikke i nærheten av å være et endelig svar, og det er derfor sjeldne tilstander alltid krever mer enn én undersøkelse.
— naturlig pausepunkt —
c) Samme test, prevalens 1 av 20. Nå er . Vi bruker formelen direkte:
altså omtrent 84 prosent.
Sammenlikningen som er selve poenget: samme test, samme sensitivitet, samme spesifisitet — PPV går fra 9 til 84 prosent utelukkende fordi prevalensen gikk fra 1 av 1 000 til 1 av 20. Det er derfor spørsmålet «hvem ble testet, og hvorfor?» alltid må stilles før et positivt svar tolkes.
Forklar hvorfor det å senke terskelverdien for et positivt testsvar øker sensitiviteten, men senker spesifisiteten. Bruk 2×2-tabellen i forklaringen.
En test har sensitivitet 95 prosent og spesifisitet 90 prosent. Den brukes i en befolkning med prevalens 2 prosent.
a) Sett opp 2×2-tabellen for 50 000 personer.
b) Regn ut PPV og NPV.
c) En kollega foreslår at testen heller bør få høyere spesifisitet, selv om det koster litt sensitivitet. Gjør rede for hva det ville gjort med de fire målene, og hvorfor.
En tenkt undersøkelse tilbys personer uten symptomer. Testen har sensitivitet 92 prosent og spesifisitet 94 prosent, og prevalensen i gruppen som testes er 2,5 prosent.
a) Regn ut PPV og NPV for 40 000 personer.
b) Av dem som får positivt svar, hvor mange er falske alarmer — både i antall og som andel?
c) Forklar forskjellen på en falsk positiv og overdiagnostikk i denne sammenhengen.
I en befolkning med svært lav forekomst av en tilstand gir en god test et negativt svar. Hvilken tolkning er mest presis?
A) Et negativt svar er lite informativt, fordi de fleste er friske uansett resultat.
B) Et negativt svar er svært informativt her, fordi NPV er høy når prevalensen er lav.
C) Et negativt svar har samme informasjonsverdi som et positivt svar i samme gruppe.
D) Et negativt svar sier ingenting, siden NPV ikke lar seg beregne uten sensitivitet.
Begrepsbank
Begrepsbanken er flashcard- og repetisjonsstoff — den gjentar det du nettopp har lest. Hopp trygt over ved førstegangslesing; tidsanslaget for kapitlet gjelder kjernestoffet.
Alle fire målene er betingede sannsynligheter, to i hver retning:
- sensitivitet · spesifisitet — betinget på sannheten
- PPV · NPV — betinget på testsvaret
Å bytte om retningen er den enkeltfeilen som ligger under nesten alle bommene i sjangeren.
Radsummene er (alle med positiv test) og (alle med negativ test). De er nevnerne i PPV og NPV.
Huskeregel: kolonnene er sannheten, radene er testsvaret. Vil du vite noe om testen, les nedover. Vil du vite hva et svar er verdt, les bortover.
Dette kapitlet er skrevet av Anthropics toppmodeller (Claude Opus og Claude Fable) og er foreløpig ikke manuelt gjennomgått — kvalitetskontrollen gjøres av uavhengige KI-agenter, og innmeldte feil rettes fortløpende. Funnet en feil? Meld fra, så retter vi den. Les mer om hvordan innholdet lages.
Skolesaga er en uavhengig læringsressurs og er ikke tilknyttet eller godkjent av Universitetet i Oslo. Dette er ikke offisielt studiemateriell. Innholdet er læringsstoff, ikke helse- eller medisinske råd. Les mer.