🇸🇪 Grundlæggende statistikberegner (2×2-krydstabel)

Klinisk bakgrund

Den 2×2-korstabellen är den gemensamma nämnaren för i stort sett alla diagnostiska och epidemiologiska mått en kliniker möter i praktiken. Oavsett om det gäller att bedöma ett laboratorietests förmåga att utesluta sjukdom, att tolka en screeningkampanjs resultat eller att förstå en behandlingsstudie absoluta och relativa effektmått, härleds allt från samma fyra celler. Problemet är inte brist på mått utan överflöd: sensitivitet, specificitet, prediktiva värden, sannolikhetskvoter, oddskvot, relativ risk, NNT. Varje mått svarar på en annan fråga och har egna fallgropar, och det är lätt att välja fel mått för den kliniska frågan. Kalkylatorn samlar alla beräkningar på ett ställe så att man snabbt kan gå från råa antal till tolkningsbara storheter utan att blanda ihop begrepp.

Beräkning av 2×2-korstabell

Tabellen har fyra celler definierade av test- eller exponeringsstatus (rader) mot sjukdoms- eller utfallsstatus (kolumner):

Från dessa fyra antal beräknas:

$$\text{Sensitivitet} = \frac{a}{a+c}$$

$$\text{Specificitet} = \frac{d}{b+d}$$

$$\text{PPV} = \frac{a}{a+b}$$

$$\text{NPV} = \frac{d}{c+d}$$

$$\text{Träffsäkerhet} = \frac{a+d}{a+b+c+d}$$

$$\text{LR+} = \frac{\text{Sensitivitet}}{1 - \text{Specificitet}}$$

$$\text{LR-} = \frac{1 - \text{Sensitivitet}}{\text{Specificitet}}$$

$$\text{Oddskvot} = \frac{a \times d}{b \times c}$$

$$\text{Risk (rad 1)} = \frac{a}{a+b}, \quad \text{Risk (rad 2)} = \frac{c}{c+d}$$

$$\text{Relativ risk} = \frac{\text{Risk (rad 1)}}{\text{Risk (rad 2)}}$$

$$\text{Absolut riskskillnad} = |\text{Risk (rad 1)} - \text{Risk (rad 2)}|$$

$$\text{NNT} = \frac{1}{\text{Absolut riskskillnad}}$$

Sensitivitet och specificitet definierades i sin moderna form av Altman och Bland i en serie metodologiska uppsatser i BMJ 1994 [1]. Deras framställning bygger på den klassiska två-för-två-tabellen där sensitivitet är andelen sjuka som testas positivt och specificitet är andelen friska som testas negativt. Samma serie definierade de prediktiva värdena som funktion av testresultat snarare än sjukdomsstatus, det vill säga sannolikheten för sjukdom givet ett positivt test (PPV) respektive frånvaro av sjukdom givet ett negativt test (NPV) [2]. Sannolikhetskvoterna (LR+ och LR−) bygger på samma celler men uttrycker hur många gånger mer sannolikt ett visst testresultat är hos en sjuk jämfört med en frisk person, och de integreras med Bayes sats för att ge posttestsannolikhet [3].

Tolkning i praktiken

Måtten svarar på olika kliniska frågor och ska tolkas utifrån vilken fråga som är aktuell.

Sensitivitet och specificitet är egenskaper hos testet, inte hos patienten. Hög sensitivitet (nära 1,0) innebär att ett negativt resultat pålitligt utesluter sjukdom, vilket är avgörande för screening och uteslutningsdiagnostik. Hög specificitet innebär att ett positivt resultat pålitligt bekräftar sjukdom. Båda måtten är oberoende av sjukdomsprevalens i den population där testet används, vilket är deras styrka men också deras begränsning: de säger ingenting om hur sannolikt det är att just denna patient med ett positivt test faktiskt är sjuk.

Prediktiva värden fyller det gapet. PPV svarar på frågan "patienten har ett positivt test, hur stor är sannolikheten att hen är sjuk?" och NPV svarar på den spegelvända frågan. Deras avgörande egenskap är att de är prevalensberoende: vid låg prevalens kan även ett test med hög specificitet ge en låg PPV, eftersom de falskt positiva överväger de sant positiva. Detta är den vanligaste orsaken till att ett test som presterar bra i en specialistklinik misslyckas i primärvård.

Sannolikhetskvoter kombinerar information från sensitivitet och specificitet till ett enda mått som är prevalensoberoende och kan användas för att uppdatera pretestsannolikheten till posttestsannolikhet via Bayes sats [3]. Tumregler för klinisk tolkning:

Ett LR+ över 10 innebär i praktiken att ett positivt testresultat ofta räcker för att etablera en diagnos, och ett LR− under 0,1 innebär att ett negativt resultat ofta räcker för att förkasta den [3]. Kvoter nära 1 förändrar knappast sannolikheten och bör inte driva kliniska beslut.

Oddskvot och relativ risk gäller när tabellen tolkas som exponering mot utfall snarare än test mot sjukdom. Relativ risk är det mer intuitiva måttet: hur många gånger vanligare är utfallet hos exponerade jämfört med oexponerade. Oddskvot används ofta i fall-kontrollstudier och logistisk regression men approximerar relativ risk endast när utfallet är ovanligt, grovt sett under 10 procent av studiedeltagarna. Vid högre händelsefrekvens divergerar de två måtten, och oddskvot överdriver då effekten.

NNT (number needed to treat) är den absoluta riskskillnadens reciprok och anger hur många patienter som behöver behandlas för att förhindra en händelse. Ett lågt NNT innebär effektiv behandling. Om rad 1 istället representerar en skadlig exponering blir samma mått NNH (number needed to harm).

Validering och prestanda

Till skillnad från kliniska riskpoäng eller prediktionsmodeller är 2×2-korstabellen inte ett instrument som valideras empiriskt. Den är en matematisk decomposition av fyra antal till standardiserade mått, och beräkningarna är exakta. Vad som kan granskas är i stället de antaganden som ligger bakom varje mått och hur robusta de är under olika förhållanden.

Sensitivitet och specificitet är teoretiskt oberoende av prevalens men i praktiken ofta instabila vid små stickprov, särskilt när en cell har få observationer. Konfidensintervallen kan vara breda även när punktskattningen ser imponerande ut. Kalkylatorn ger punktskattningar utan konfidensintervall, vilket är en medveten begränsning: vid kliniskt viktiga beslut bör intervallet beräknas separat, särskilt när totalantalet i tabellen är litet.

Sannolikhetskvoterna har en särställning genom att de bevarar information från både sensitivitet och specificitet i ett prevalensoberoende format och direkt kan kombineras med pretestsannolikhet via odds-formen av Bayes sats [3]. I ett konkret exempel från Habibzadeh m.fl. ökade ett LR+ på 12,0 sannolikheten för diabetes från 10 till 57 procent vid en fasteplasmaglukos-tröskel på 98 mg/dL, medan ett LR− på 0,42 sänkte den till 5 procent [3]. Det illustrerar hur sannolikhetskvoter översätter testegenskaper till kliniskt handlingsbara sannolikheter.

Begränsningar

Prediktiva värden är prevalensberoende. PPV och NPV som beräknas från en tabell återspeglar den prevalens som rådde i den studiepopulation från vilken antalen hämtats. Att överföra PPV från en studie i en högprevalent specialistklinik till en lågprevalent primärvårdspopulation leder systematiskt till överskattning av sannolikheten vid positivt test. För att få korrekta prediktiva värden i en ny population bör de omräknas med hjälp av sannolikhetskvoter och den aktuella pretestsannolikheten, inte återanvändas direkt.

Nollceller. Om någon av cellerna b eller c är noll blir oddskvoten oändlig respektive noll, och motsvarande sannolikhetskvot kan bli extrem. Detta är särskilt problematiskt vid små stickprov där en nollcell kan uppstå av ren slump. I sådana fall bör kontinuitetskorrektion övervägas eller, hellre, fler data samlas in innan måtten tolkas.

Oddskvot är inte relativ risk vid vanliga utfall. Antagandet att oddskvot approximerar relativ risk gäller bara när utfallsfrekvensen är låg, ungefär under 10 procent. Vid högre frekvens överdriver oddskvot effekten, ibland kraftigt. En oddskvot på 4,0 vid en utfallsfrekvens på 30 procent motsvarar en relativ risk på betydligt mindre än 4,0. Om tabellen tolkas som exponering mot utfall och utfallet är vanligt, bör relativ risk användas i stället för oddskvot när båda kan beräknas.

NNT är odefinierat vid noll riskskillnad. Om den absoluta riskskillnaden är noll blir NNT oändligt, vilket betyder att behandlingen inte har någon effekt. Om riskskillnaden är negativ (exponering eller behandling ökar risken) blir NNT formellt negativt och bör tolkas som NNH.

Träffsäkerhet (accuracy) är ett grovt mått. Det sammanväger sanna positiva och sanna negativa till en andel, men döljer obalanser mellan sensitivitet och specificitet. Ett test kan ha hög träffsäkerhet och ändå vara kliniskt värdelöst om det missar sjuka patienter, särskilt vid låg prevalens där en test som alltid säger "frisk" får hög träffsäkerhet.

Källor

1. Altman DG, Bland JM. Diagnostic tests 1: sensitivity and specificity. BMJ. 1994;308(6943):1552. PMID: 8019315
2. Altman DG, Bland JM. Diagnostic tests 2: predictive values. BMJ. 1994;309(6947):102. PMID: 8038641
3. Habibzadeh F, Habibzadeh P. The likelihood ratio and its graphical representation. Biochem Med (Zagreb). 2019;29(2):020101. PMID: 31015780