Thread by @KlausR3003

Mein anschauliches Modell zur Erklärung des #Bayes_Theorems habe ich jetzt auch in eine greifbare Form gebracht. Hier ein Beispiel für eine Anwendung auf die #SARSCoV2-#Antikörpertests:
@FlyingDok @ProfHschneider

#Thread
1/9

In die #Corona-#Antikörpertests werden große Hoffnungen gesetzt, um den Grad der Durchimmunisierung der Bevölkerung zu ermitteln. Aber auch einzelne Patient*innen zeigen großes Interesse an einem individuellen Testergebnis.

2/9

Ob der Test für einzelne Personen ein sinnvolles Ergebnis liefern kann, hängt nicht nur von der Genauigkeit des Tests selbst ab, sondern auch von der Häufigkeit der Antikörper in der Testpopulation.

3/9

Unser Labor hat uns mitgeteilt, dass der aktuelle Antikörper-ELISA-Test eine Spezifität von 98,5% hat, das heißt: Von 100 Getesteten fällt der Test bei 1-2 Proband*innen positiv aus, obwohl sie KEINE Antikörper gegen das aktuelle Coronavirus haben.
4/9

Wenn wir vereinfacht 99% Spezifität annehmen und von einer Häufigkeit der Antikörper von 1% der Bevölkerung ausgehen, sähe das Testergebnis so aus:

Rot: Richtig positiv (=immun)
Rosa: Falsch positiv (=nicht immun)
Weiß: Richtig negativ (=nicht immun)
5/9

Für die Epidemiologen ist das Ergebnis schon aussagekräftig, weil eine klare Größenordnung herauskommt und man 1-2% falsch-Positive einplanen kann.
Für eine Testperson mit positivem (!) Test in diesem Setting heißt das aber eine 50%ige Chance, NICHT immun zu sein.

6/9

Nehmen wir an, die Prävalenz (das Auftreten) der Antikörper sei schon auf 10% gestiegen. Dann gäbe es folgendes Bild:
Rot: Richtig positiv (=immun)
Rosa: Falsch positiv (=nicht immun)
Weiß: Richtig negativ (=nicht immun)
7/9

Die Epidemiologen sind nicht viel schlauer als im ersten Beispiel, auch mit 10 +/- 1% lässt sich arbeiten.
Für unsere positiv getestete Proband*in ist die Aussage aber viel genauer als vorher, denn auf jetzt 10 richtige Ergebnisse kommt weiterhin nur 1 falsch-positiver Test.
8/9

Fazit: Wir müssen Geduld haben und repräsentative Querschnittsuntersuchungen abwarten, bevor Routine-Tests bei Personen ohne wahrscheinlich abgelaufene Infektion einen Nutzen haben können. Im Sinne guter Medizin und im Sinne verlässlicher Diagnosen.

9/9

@threadreaderapp unroll