Diagnostische Kenngrößen in SPSS
Zur Bewertung von unterschiedlichen Methoden der Diagnosestellung dienen verschiedene Kenngrößen und die ROC-Kurve. Anhand von ihnen kann ein neues Verfahren mit dem bisherigen Goldstandard oder einer etablierten Methode verglichen werden.
In diesem Tutorial zeigen wir euch, wie ihr euch in SPSS eine Vierfeldertafel ausgeben lassen und Sensitivität und Spezifität sowie prädiktive Werte berechnen könnt.
Umsetzung in SPSS
Im SPSS-Menü: Analysieren » Deskriptive Statistiken » Kreuztabellen …
Zunächst fügen wir wie im Dialogfenster in Abb. 1 die betrachteten Variablen ein: Die Spalten sollten den tatsächlichen Krankheitsstatus beinhalten und die Zeilen das Testergebnis. Über das Feld ‚Zellen…‘ kann man zusätzlich die spaltenweisen Prozentwerte ausgeben lassen, um die Werte der Sensitivität und Spezifität direkt ablesen zu können. Aus den zeilenweisen Prozentwerten können prädiktive Werte abgelesen werden.
Syntax
DATASET ACTIVATE DataSet1.
CROSSTABS
/TABLES=Testergebnis BY Wahrheit
/FORMAT=AVALUE TABLES
/CELLS=COUNT ROW COLUMN
/COUNT ROUND CELL.
Interpretation des SPSS-Outputs
Die Tabelle „Zusammenfassung der Fallverarbeitung“ in Abb. 2 zeigt, dass 1000 gültige Fälle verarbeitet werden konnten.
Die Kreuztabelle in Abb. 2 zeigt die Vierfeldertafel, die das Testergebnis mit dem Goldstandard gegenüberstellt.
In Orange ist die Sensitivität mit 93 % und die Spezifität mit 81 % hervorgehoben. Sie befinden sich in den Zeilen „% von Wahrheit“, was dazu passt, dass wir aus Sicht der Testentwickler:innen von der Wahrheit ausgehen.
In Blau sind die prädiktiven Werte markiert: Der NPW ist 97 %, der PPW ist 64 %. Diese sind in den Zeilen „% von Testergebnis“ aufgeführt – wie auch aus Sicht der Ärzt:innen/Patient:innen gehen wir von einem vorliegenden Testergebnis aus.