Det var med stort nöje jag läste Attila Frigyesis artikel »Alla medicinare bör känna till resonemanget kring Bayes´ sats« (LT 3/2009, sidorna 122-3).
Som författaren påpekar är det viktigt att kunna förstå att konsekvenserna av provtagning blir helt annorlunda när en person med symtom undersöks än när en population med låg prevalens av sjukdom föreligger. Jag hade behållning av utvecklingen av sannolikheten för hur ofta ett provsvar ändå är falskt positivt trots mycket god sensitivitet och specificitet vid undersökning av hela populationer.
Exemplet som användes gällde hur ofta ett positivt utslag av ett HIV-test betydde ett sant HIV-bärarskap om sensitiviteten var 99 procent, specificiteten var 99 procent och prevalensen av HIV-bärarskap i Grönköpings population var 0,5 procent. Beräkningen ledde fram till att positivt testresultat var »sant« i bara ca 33 procent av fallen.
Kanske kan resultatet »empiriskt« lättare inses för dem som tidigare inte var insatta i Bayes´ sats om man helt enkelt utgår från den första tabellen i artikeln och lägger till rad- och kolumnsummorna. Totalsumman ska förstås bli Grönköpings befolkning (jag hade ingen aning om att befolkningen var så stor i lilla Grönköping!).
I Tabell I ser vi lätt att positivt testresultat erhålls för 298 individer, bland vilka endast 99 var HIV-bärare. Således 99/298 = 0,33 eller 33 procent.
Denna situation är mycket vanlig. Screening för olika cancerformer, som cervixcancer, bröstcancer och – mycket aktuellt – prostatacancer, kan tas som exempel. I dessa fall består svårigheten i att beräkna »sann« sjuklighet också i att denna vanligen endast definieras utifrån testet. Vad som skulle behöva upptäckas är något helt annat eftersom många cancersjukdomar uppenbarligen aldrig under livstiden kliniskt skulle ha utvecklats till cancer.
Därför krävs andra studier för att verifiera att slutresultatet, överlevnaden, verkligen förbättras så mycket genom screeningupptäckten att olägenheten för dem med falskt positiva positiva kan vara motiverad.
