Kontinuerte testresultater er en form for testresultater. Se også dikotome testresultater.

Et eksempel på kontinuerte testresultater er følgende. Denne viser en fordeling af ikke-syge og syge baseret på kontinuerte testresultater. Hvis man kigger på denne graf kan vi se at vi kan rimelig godt adskille de syge fra de ikke-syge på nogle intervaller, mens det kan være vanskelig på andre intervaller. Med andre ord har disse testresultater en ikke-perfekt diskriminationsevne.

Dette løser man ofte ved at vælge et cut-point, f.eks. ved 450, hvor man så definerer gruppen under 450 som ikke-syge og gruppen over 450 som syge. Dette gør dog dels at man taber noget information der kan ligge i de præcise værdier og dels får man problemer med falsk positive og falsk negative patienter – ligesom man også gjorde ved dikotome testresultater. Mængden af falsk positive og falsk negative patienter vil afhænge af valget af cut point.

Hvis behandlingen er meget vigtig for en god prognose, men har få bivirkninger, vil man ofte vælge et lavere cut-point således at man får flere falsk positive, men færre falsk negative. Hvis behandlingen derimod ikke forbedrer prognosen særlig meget, men har større bivirkninger, vil man vælge et højere cut-point så man får flere falsk negative, men færre falsk-positive med.

Et eksempel på dette er behandlingen af hypertension. Her satte man i 1960’erne et cut-point på 130 mmHg for diastolisk blodtryk. Med tiden er der dog kommet bedre behandling med færre bivirkninger og man har ved forskellige studier kunnet dokumentere en bedre effekt. Således er grænsen i dag 90 mmHg og kan være lavere for visse sygdomme.

Som eksempel på vurdering af kontinuerte testresultater kan være et forsøg hvor man har målt serum-kreatinin hos patienter der ikke har nyrearteriestenose og patienter der har nyrearteriestenose. Her kan man få følgende graf:

Hvis man kigger på denne graf kan vi selvfølgelig se at der er forskel men der er meget overlap. Vi kan dog se at patienter med stenose har en højere serumkreatinin. Her skal man også vælge et cut-point og man kan så lave en graf der viser sensitiviteten og specificiteten som funktion af det cut-point man har valgt:

Vi kan se at hvis vi vælger et lavt cut-point vil vi have en høj sensitivitet, men en lav specificitet. Det svarer til at vi vil have mange falsk positive patienter og få falsk negative. Omvendt hvis vi vælger et højt cut-point vil vi have en lav sensitivitet, men en høj specificitet. Det svarer til at vi vil have mange falsk negative patienter, men få falsk positive.

Man kan nu fremstille en såkaldt ROC-kurve der viser sensitiviteten som funktion af 1-specificiteten. Hvis testen havde givet en ret linje som svarer til diagonalen ville man have at summen af sensitivitet og specificitet er lig med 1. I det tilfælde ville man ikke have særlig meget information fra denne test.

Men vi kan se at den er ikke ret, den er buet på mod venstre hjørne. Arealet under ROC-kurven svarer til testens diskriminationsevne, idet et areal på 1 svarer til en perfekt test og et areal på 0,5 svarer til en test fuldstændig uden diskriminationsevne. Arealet under denne ROC-kurve er 0,70 med et 95% konfidensinterval på 0,64-0,76.

Sidst opdateret 31. maj 2023