Discriminatie in cijfers – vals positieven worden ten onrechte geweerd in het restaurant

discriminatie-in-cijfers-–-vals-positieven-worden-ten-onrechte-geweerd-in-het-restaurant

08-10-21 10:21:00,

Iedereen die veel verstand van zaken heeft weet dat er veel vals positieve PCR-testuitslagen zijn als er weinig mensen ziek zijn. Waarom wordt de burger er niet over ingelicht?

Op de pagina ‘Aanvullende informatie diagnostiek COVID-19’ vergelijkt het RIVM verschillende manieren om Covid-19 te diagnosticeren (waaronder PCR-testen) – en evalueert zij de betrouwbaarheid ervan.1 Uit hun rekenmodellen valt de waarschijnlijkheid te berekenen waarop iemand vals positief test. Met andere woorden: er kan worden berekend hoe vaak het gebeurt dat iemand ten onrechte als besmet wordt aangemerkt. In de praktijk betekent dat dus dat een bepaalt percentage mensen ten onrechte geweerd wordt uit de kroeg of in het restaurant. In dit artikel laten we zien hoe het RIVM ons vergeet voor te lichten over haar rekenmodellen.

Samenvatting van definities

 
Voordat we beginnen eerst een samenvatting van wat definities, die afkomstig zijn van het RIVM.

• Prevalentie: hoeveel mensen er ziek zijn op een bepaald moment;
• Sensitiviteit (van een test): de fractie, of te wel het gedeelte, van het totaal aantal mensen met de ziekte en die ook een positieve testuitslag heeft;
• Specificiteit (van een test): de fractie van de mensen met een negatieve testuitslag die de ziekte ook niet hebben;
• Positief voorspellende waarde (‘positive predictive value’, PPV): de kans dat een positieve testuitslag juist is;
• Negatief voorspellende waarde (‘negative predictive value’, NPV): de kans dat een negatieve testuitslag juist is.

Een uitgebreidere uitleg van deze begrippen vindt u op de pagina ‘Aanvullende informatie diagnostiek COVID-19’ van het RIVM.1
 

Rekenvoorbeelden

 
Het RIVM geeft twee rekenvoorbeelden waarin zij de kwaliteit van de verschillende testen – PC-test, antigeentest etc. – met elkaar vergelijkt bij een lage prevalentie, dus als de ziekte weinig voorkomt, zoals we de afgelopen tijd hebben meegemaakt. Met een “goede test” bedoelt het RIVM kennelijk dat de sensitiviteit en de specificiteit hoog zijn.

Rekenvoorbeeld 1 – lage prevalentie, goede test
“Bij een prevalentie in de te onderzoeken populatie van 1% met een test met een sensitiviteit van 96% en een specificiteit van 98.5%. De PPV = 40% en de NPV = 100%.” – RIVM

Dus als in een bevolkingsgroep 1% besmet is,

 » Lees verder

%d bloggers liken dit: