Site menu:

Switch to English language

Berechnung von Testgütekriterien für Screeningverfahren


Screening-Verfahren haben das Ziel, Personen zu identifizieren, die ein bestimmtes Merkmal aufweisen. Häufige Anwendung finden sie in der Identifizierung von Risikopersonen, die später psychische Störungen, Krankheiten oder schulische Probleme entwickeln. Zur Bewertung der Screenings gibt es eine Reihe an Kennwerten, von denen Sensitivität und Spezifität die bekanntesten sind. Sie geben jeweils an, wie viele Personen vom Test korrekt als Risiko- und wie viele als Nicht-Risiko-Personen erkannt wurden.

Neben diesen grundlegenden Angaben gibt es aber noch eine Reihe weiterer wichtiger Angaben, wie beispielsweise die Prädiktor-Treffer-Quote oder der RATZ-Index (Relativer Anstieg der Trefferquote gegenüber der Zufallstrefferquote; weitere Informationen und eine detailierte Beschreibung der verschiedenen Kennwerte finden Sie in Marx & Lenhard, 2010; siehe auch das Glossar).


Online-Rechner zur Ermittlung von Spezifität, Spezifität, prädiktivem Wert und dem relativen Anstieg der Trefferquote (RATZ-Index)

Mithilfe der Tabelle können Sie verschiedene Kennwerte für Screeningverfahren ermitteln. Bitte tragen Sie in die Tabellenzellen die absoluten Fallzahlen ein.

Flächenanteile siehe Grafik
bitte Fahlzahlen angeben
Prädiktor
(z. B. Screeningtest)
auffällig unauffällig
Kriterium nicht betroffen b

(falsch positiv)
d

(korrekt negativ)
betroffen a

(korrekt positiv)
c

(falsch negativ)


Testgütekriterien des Screeningverfahrens:
Sensitivität oder Recall
Spezifität
positiver prädiktiver Wert oder Precision
negativer prädiktiver Wert
Kontingenzkoeffizient rPhi
Trefferquote oder Accuracy
Zufallstrefferquote
RATZ-Index


Schätzung der konkreten Anzahl auf der Basis der Kennwerte

Ok, drehen wir die Logik einmal um, und schauen uns an, welche Zahlen an korrekt positiven und falsch positiven Diagnosen resultieren. Ist die Grundrate sehr niedrig, dann gelangt ein Screening sehr schnell an seine Grenzen und es dient dann in erster Linie dazu, Personen für eine weiterführende Diagnostik vorauszuwählen. Nehmen wir als Beispiel COVID19 und eine fiktive Inzidenz von 100 / 100 000 Personen für Infektionen in den letzten 7 Tagen, was einer Grundrate von 0.1% entspricht. Gute Schnelltests haben mindestens eine Spezifität von 99.5% und eine Sensitivität von 95%. Welche Zahl von falsch positiven Diagnosen resultiert, wenn man 1000 Personen bei dieser Infektionslage mit einem Schnelltest untersucht?


Grundrate
Angabe in % zwischen 0 und 100
Sensitivität
Angabe in % zwischen 0 und 100
Spezifität
Angabe in % zwischen 0 und 100
Anzahl untersuchter Personen
Ergebnisse des Screeningverfahrens:
Falsch Positiv
Falsch Negativ
Korrekt Positiv
Korrekt Negativ
Anteil falsch-positiver Ergebnisse an allen positiven Ergebnissen (Angabe in Prozent)
Anteil falsch-negativer Ergebnisse an allen negativen Ergebnissen (Angabe in Prozent)


Glossar:


Auswertungshilfe als Excel-Tabelle und Java-Source-Code

Die Auswertungshilfe ist als Excel-Tabelle, sowie als Source-Code in der Programmiersprache Java unter der General Public License (GPL) verfügbar:



Literatur

Marx, P. & Lenhard, W. (2010). Diagnostische Merkmale von Screeningverfahren. In M. Hasselhorn & W. Schneider (Hrsg.), Frühprognose schulischer Kompetenzen. Göttingen: Hogrefe.

Zitierfähige Quelle: Lenhard, W. & Lenhard, A. (2014). Berechnung von Testgütekriterien für Screeningverfahren. verfügbar unter: http://www.psychometrica.de/testkennwerte.html. Bibergau: Psychometrica.