Informationen zum Covid-19 PCR-Test (2)

Die Fehlerquote des Coronatests hängt auch von der sogenannten Vortestwahrscheinlichkeit ab, wissenschaftlich Prävalenz genannt. Würde man die ganze Gesellschaft testen mit einem Durchseuchungsgrad (Prävalenz) von 1% bis 2 %, gibt es andere Ergebnisse als wenn man nur Personen mit Symptomen testen würde, von denen ca. 20% bis 50% tatsächlich infiziert sind. Das erscheint erst mal überraschend, kann aber mit den Modellrechnungen aufgezeigt und verstanden werden. Quelle: https://www.mdr.de/wissen/wie-zuverlaessig-sind-corona-tests-100.html Wichtig ist es, zu wissen bzw. einschätzen zu können, wie groß die Wahrscheinlichkeit für einen Einzelnen ist, nach einem positiven Testergebnis tatsächlich infiziert zu sein (positiv prädiktiver Wert PPW) bzw. nach einem negativen Testergebnis tatsächlich nicht infiziert zu sein (negativ prädiktiver Wert NPW). Es geht also um die Zuverlässigkeit, die Aussagekraft des Testergebnisses positiv bzw. negativ. Das wird manchmal mit dem Wert für Spezifität bzw. Sensitivität verwechselt, ist aber komplizierter. Mathematisch geht es dabei um bedingte Wahrscheinlichkeiten und deren Berechnungen nach dem Satz von Bayes. Das ist nicht ganz leicht zu durchschauen. Verständlicher wird es, wenn man in einer sogenannten Vierfelder-Tabelle mit absoluten Häufigkeiten rechnet und erst am Ende daraus Wahrscheinlichkeiten berechnet. Beispiel mit 10 000 Personen, davon 100 krank (also Prävalenz 1%), Sensitivität = 94% und Spezifität = 99% : Dann ist PPW = 94/193 = 48.7% und NPW = 9087/9081 = 99.9%. Quelle: https://www.youtube.com/watch?v=czzrPQIg54Q Mit anderen Werten für Prävalenz, Sensitivität und Spezifität erhält man natürlich andere Ergebnisse für PPW und NPW, was man mit dem Modellrechner problemlos berechnen kann.
Image