Svensk Kirurgi 5-16

243 SVENSK KIRURGI • VOLYM 74 • NR 5 • 2016 Forskningens år 2016 – Kolumnen Johan Sundström Professor i epidemiologi, Scientific Director Uppsala Clinical Research Center (www.ucr.uu.se ) Denna kolumn är ett utdrag ur boken Handbok i biomedicinsk forskning, av Johan Sundström och Lars Lind, som under 2015 utkommit på Liber förlag med ISBN 47-11399-6. Under temaåret Forskningens år kommer denna kolumn, Klinisk forskning, att regelbundet återkomma i Svensk Kirurgi med handfasta metodologiska tips för den kliniska forskaren inom olika fält såsom evidensbaserad medicin, studiedesign, epidemiologiska begrepp, praktiskt genomförande av studier, statistisk analys, och skrivande av vetenskapliga artiklar. ( post-test ) respektive utan ( pre-test ) den information som testet givit. Ett test är ju väldigt kliniskt nyttigt om man genom att använda det kan gå från en låg sannolikhet för sjukdomen till en hög. I det enklaste möjliga scenariot, helt utan kännedom om patienten, är pre-test probability (sannolikheten för att ha sjukdomen innan testet utförts) lika med sjukdomens prevalens i den kliniska verksamhet där man befinner sig; positive post-test probability (sannolikheten för att ha sjuk- domen om testet faller ut positivt) = PPV; och negative post-test probability (sannolikheten för att ha sjukdomen om testet faller ut negativt) = 1-NPV. Oftast har man ju redan en grov uppfattning om risken för att patienten har sjukdomen; det räcker ofta med att man känner till dennes ålder och kön för att man ska kunna skatta en annan pre-test probability hos patienten än sjukdomens prevalens. Då gäller inte dessa enkla samband, och man får räkna ut post-test probability på andra sätt, till exem- pel via testets likelihood ratio . Ett tests likelihood ratio är antagligen det bästa måttet på testets kliniska användbar- het. Läs mer om detta i vår lärobok.  Om man utför arbetsprov på en grupp unga kvin - nor med en låg prevalens av kärlkramp kommer de flesta med positivt test att ha falskt positiva test och att hitta dem som verkligen har sjuk- domen blir svårt. Om man istället utför samma test på äldre män med en relativt hög prevalens av kärlkramp kommer de flesta med ett positivt arbetsprov verkligen att ha kärlkramp, och det kan istället vara svårt att utesluta kärlkramp. William Sealy Gosset (1876-1937) studerade kemi och matematik vid Oxford, och fick sen anställning vid Guinness-bryggeriet i Dublin, som just hade börjat anställa vetenskapspersoner för att säkerställa kvaliteten i produktionen. Gosset blev mycket intresserad av statis - tiska problem och fick publicera sina artiklar under pseudonymen ”Student” eftersom bryggeriet inte ville avslöja sin vetenskapliga aktivitet för omvärlden. Han utvecklade de små samplens statistik, bland annat genom att ta fram t-distributionen för att kunna avgöra säkerheten i kvalitetsbedömningen från små stickprov av humle; t-testet för att jämföra medelvärden med sannolikhetsprövning; och tog de första resonemangen kring statistisk signifikans (även om Gosset själv tyckte att praktisk – jämfört klinisk – signifikans var mycket viktigare). Kliniskt exempel på prevalensens inverkan på positivt och negativt prediktivt värde av ett test. 243