känslighetstester

Känslighetstester, eller känslighetstest, är en samling metoder för att utvärdera hur känslig ett system, en modell eller en process är för variationer i ingångsparametrar eller yttre faktorer. Syftet är att identifiera vilka parametrar som i störst grad påverkar resultatet, bedöma robusthet och osäkerhet samt underlätta beslut och prioriteringar.

Metoderna omfattar olika former av känslighetsanalys. Lokala analyser undersöker effekten av små ändringar i en enskild parameter, medan globala analyser studerar variationer över flera parametrar samtidigt. Vanliga tekniker inkluderar univariat analys (en parameter i taget), probabilistisk analys såsom Monte Carlo-simuleringar, och globala metoder som Sobol- eller andre kvantitativa mått. Resultaten presenteras ofta med känslighetsranking, diagram och identifikation av kritiska parametrar.

Områden där känslighetstester används är många. Inom modellering och beslutsstöd för ekonomi, miljö och teknik bedöms hur osäkerheter i indata påverkar slutsatser och risker. Inom hälso- och sjukvård används ibland antibiotikakänslighetstester (AST) för att avgöra vilka läkemedel som är effektiva mot mikroorganismer; metoder inkluderar diskdiffusion och mikrodilution (MIC). Inom programvaru- och systemutveckling undersöker känslighetstester hur systemets prestanda eller feluppträdanden påverkas av förändringar i parametrar.

Behandlingen av resultaten kräver förståelse för modellens giltighet och antaganden. Känslighetstester fångar ofta endast de relationer som modellerna uttrycker och kan underskatta icke-linjära interaktioner. De kompletterar stress- och robusthetstester genom att fokusera på vilka faktorer som driver variationen i utfallet.