HOOFDSTUK 1 - ALGEMENE INLEIDING

1

PATHOFYSIOLOGIE

2020-2021 1 / 10

2

HOOFDSTUK 1 - ALGEMENE INLEIDING

1.1 WAT IS NORMAAL?

Er is een spreiding van observaties/data binnen een bepaalde populatie of soort. Maar wanneer is een gemeten waarde normaal (valt het binnen het normale bereik) en wanneer moet je een bepaalde gemeten waarde als abnormaal beschouwen? Er moeten dus bepaalde grenzen worden gekoppeld aan de spreiding.

Gaussiaanse of Normale verdeling:

• = een continue kansverdeling met twee parameters: de verwachtingswaarde (µ) en

de standaardafwijking (σ).

• µ = 0 en σ² = 1
• 95% van de data liggen binnen µ±2*SD

y-as geeft weer hoe vaak een bepaalde concentratie is gevonden. Boxplot: 50% van de waarde zit onder de mediaan en 50% erboven.

Deze grafiek geeft de spreiding van de observaties wat betreft een bepaald onderzoek weer (bijv. bij een onderzoek naar de bloedsuikerspiegel).

• Mean = gemiddelde
• StDev = standaardeviatie
• Skewness = zegt iets over de scheefheid van de curve (dus eerder naar een hoge of

lage waarde).

• Kurtosis = heeft te maken met de afplatting van de curve (bij positief: uitgespreid, bij

negatief: hoge piek).

• N = aantal observaties.
• Mediaan = waarde die 50% hoogste van de 50% laagste observaties scheidt

(middelste observatie).

• Binnen de boxplot ligt 50% van de observaties. 25% ligt ervoor en 25% ligt erna.

2 / 10

3 De meeste honden hebben een concentratie van net onder de 100mg. Echter jij weet dat de 100 honden allemaal gezond zijn. Vervolgens ga je 100 andere honden identificeren die allemaal suikerziekte hebben. De meeste honden hebben een glucose conc rond de 150. Er is een overlap tussen de curves. Bewezen diabetes honden zijn er dus ook met 100. Dit is belangrijk dat je je dit realiseert.Concreet: er komt een hond met klachten, je neemt bloed, je stelt 125 conc vast. Dit is de drempelwaarde (cutoff) of het wel of geen gezond dier is. Hoger dan heeft hij diabetes, lager is gezond. Maar je maakt hier misschien een fout. Type 1 fout (alpha) is de kans dat je een gezonde hond foutelijk als ziek gaat beschouwen (vals positief). Dit stukje van de grafiek hoort nog bij de grafiek van de gezonde honden.Omgekeerd: je meet 125 en je oordeelt hond is gezond. Terwijl dier wel diabetes heeft. Nu maak je een type 2 fout (beta) dus vals negatief. Je zegt dat hij gezond is maar is ziek.

Power van de test = 1-B. 1 IS DE VOLLEDIGE CURVE VAN DE ZIEKE DIEREN – TYPE 2 FOUT.= Kans dat de test correct ziekte confirmeert.

Stel je kijkt bij 125 (wat je als een normale waarde kan beschouwen). Maar het dier heeft toch polyurie en suiker in de urine (glucosurie). Dan moet de waarde van 125, ondanks dat het binnen de normale spreiding zit, toch gelinkt zijn aan de klinische symptomen.

Het bepalen van referentie intervallen:

• Neem een random staal van een gezonde populatie en bepaal µ en SD.
• Interval = µ ± x * SD, waarbij de keuze van x kan variëren (meestal 2, want dan omvat

het interval 95% van de data).• Het gevolg van dat maar 95% van de data wordt omvat, is dat er 5% kans is dat een gezond dier als ziek wordt beschouwd.• Concept van vals positief en vals negatief.• Concept van sensitiviteit en specificiteit 3 / 10

4

Je ziet hier twee verschillende curves van een populatie echt gezonde dieren en een populatie echt zieke dieren. Je gaat de observaties uitzetten in een grafiek. Wat opvalt is dat de curves overlappen, maar dan is de vraag: bij welke populatie hoort het dier dan? Je moet ergens een bepaalde grens gaan stellen, zoals hier gedaan is bij 125 mg/dl glucose. Alle dieren met een waarde <125 beoordeel je als gezond, alle dieren met een waarde >125 beoordeel je als ziek.

Maar bij een klein percentage ga je toch een dier dat echt gezond is, als ziek beoordelen. Dit noem je een vals positief/type 1 fout/α-fout. Ook ga je bij een klein percentage een dier dat echt ziek is, als gezond beoordelen. Dit noem je een vals negatief/type 2 fout/β-fout.

Het is dus zeer gemakkelijk om een foute beoordeling te gaan doen. Door je oordeel te stellen op meerdere parameters kan je de kans op fouten verkleinen. Je zou ook de threshold naar links verschuiven, van 125 naar 100 bijv. Op deze manier ga je de dieren die echt ziek zijn, ook als ziek diagnosticeren (β wordt bijna 0). MAAR: de type 1 fout wordt hierdoor spectaculair groter, want je gaat zo meer gezonde dieren als ziek diagnosticeren (dit kan leiden tot euthanasie van perfect gezonde dieren).

SENSITIVITEIT EN SPECIFICITEIT

1/Beta noemen we ook wel de power van een analyse = de kans dat een test een verschil meet.

Echt ziek dieren (Z+) Echt gezond dieren (Z-) Beoordeeld zieke dieren (T+) A B Beoordeeld gezonde dieren (T-) C D

α = B

β = C

Sensitiviteit van een test = het vermogen van een test om een echt ziek dier ook als ziek aan te duiden = A/(A+C). Kans dat echt zieke dieren ook als ziek worden getest. 1-BETA.

- Een laag sensitieve test: veel vals negatieven. C wordt groter.

• Om ziekte uit te sluiten moet je een hoog sensitieve test hebben.

Specificiteit van een test = het vermogen van een test om een echt gezond dier ook als gezond aan te duiden = D/(B+D). Kans dat een gezond dier door de test als gezond wordt aangeduid. 1-ALPHA.

Positief voorspellende waarde: A/(A+B): hoeveel van de positieven zijn echt ziek Negatief voorspellende waarde: D/(C+B): hoeveel van de negatieven zijn daadwerkelijk gezond

De referentiewaarde is eigenlijk hetzelfde als de drempelwaarde. Er is vaak wel een bovengrens en een ondergrens.

4 / 10