Screeningekonomi

Screeningekonomi behandlar Wilson-Jungner-kriterierna för när screening är meningsfull, och matematiken bakom varför det prediktiva värdet kollapsar vid låg prevalens.

Varför det är viktigt

Även ett mycket exakt test genererar överväldigande många falska positiva när den underliggande sjukdomen är sällsynt, vilket leder till larmtrötthet och onödiga uppföljningsundersökningar.

Matematiken

Positivt prediktivt värde (PPV) = (Sensitivitet × Prevalens) / [(Sensitivitet × Prevalens) + ((1−Specificitet) × (1−Prevalens))]

Genomarbetat exempel

Ett test med 95 % sensitivitet och 95 % specificitet tillämpat på en sjukdom med 0,1 % prevalens har ett PPV på endast cirka 2 % — 98 % av de positiva resultaten är falska.

Koppling till mjukvaruutveckling

Direkt analogt med larmtrötthet i övervakningssystem: en detektor med hög noggrannhet tillämpad på en sällsynt händelse genererar fortfarande övervägande falska larm. För att dimensionera ett helt screeningprogram i stället för ett enskilt test, se antal som behöver screenas — hur många personer som måste gå igenom hela screena-och-behandla-förloppet för att förebygga ett utfall.

Fallgropar

• Att citera sensitivitet och specificitet utan att ange prevalensen.
• Att ignorera Wilson-Jungner-kriterierna och screena utan att ha en effektiv behandling tillgänglig.

Källor

• Wilson JMG, Jungner G, Principles and Practice of Screening for Disease.
• UK National Screening Committee, screening criteria.