Diagnoshypotesprövning

Diagnoshypotesprövning är en statistisk metod som används inom medicinsk diagnostik för att bedöma om en föreslagen diagnostisk hypotes stöds av data. Den bygger på grundläggande hypotesprövning där nollhypotesen (H0) ofta formuleras som att den diagnostiska åtgärden saknar diskriminativ förmåga eller att en biomarkör inte skiljer mellan sjukdom och hälsa, medan alternativhypotesen (H1) hävdar att den har det.

Inom diagnostik används vanliga mått som känslighet (sannolikhet att korrekt identifiera sjuka), specificitet (sannolikhet att korrekt identifiera friska), sannolikhetsförhållanden (LR+ och LR−), ROC-kurva och area under kurvan (AUC) för att beskriva testets prestanda. Beroende på provdesign kan olika statistiska tester användas, till exempel chi-två eller McNemar vid beroende eller uppmätt data, och tester för jämförelse av AUC kan användas för att jämföra diagnostiska tester.

Processen innefattar att formulera H0 och H1 innan datainsamling, samla in relevanta uppgifter, beräkna teststatistik och p-värde, och fatta beslut utifrån en förutbestämd signifikansnivå samt konfidensintervall. Det är viktigt att tolka resultatet i klinisk kontext, där statistisk signifikans inte alltid motsvarar klinisk relevans.

Användningsområden inkluderar validering och jämförelse av diagnostiska tester, evaluering av nya biomarkörer och beslut i screeningprogram. Begränsningar uppstår bland annat på grund av bias i referensstandard, urval och överoptimistisk bedömning av prestanda om inte resultaten valideras i oberoende kohorter.