9 Was ist schon normal
Teste stellen die wesentlichen Knotenpunkte in jedem Entscheidungsprozess dar. Dabei ist es einerlei, ob es sich um eine Frage, eine Blutabnahme, die Bildgebende Diagnostik oder sogar einen explorativen chirurgischen Eingriff zur Gewebsentnahme handelt.
In all diesen Fällen geht es darum an einer "Kreuzung" stehend, einen Hinweis zu bekommen, wohin die weitere Reise zu gehen hat.
Wir unterliegen aber alle einem großen Mißverständnis, wenn wir glauben, dass zwar unser Wissen und unsere Herangehensweise letztendlich immer fehleranfällig sein wird, jedoch glauben, dass die Teste stets zu eienr klaren Aussage führen. Schon im vorangegangenen Beispiel sahen wir, dass die "Glaubwürdigkeit" mancher Auskunftspersonen einmal größer einmal kleiner sein kann.
Bei Testen beschreibt man das mit den Begriffen von Sensitivität und Spezifität.
Sensitivität (richtig positive Rate eines Tests) bezeichnet die Wahrscheinlichkeit, mit einem diagnostischen Test die Kranken auch als krank zu identifizieren.
Spezifität (richtig-negative Rate eines Tests) beschreibt die Wahrscheinlichkeit, mit einem diagnostischen Test Nicht-Erkrankte korrekt zu identifizieren.
Für die praktische Bedeutung sagen diese Werte wenig aus, da sie stark vom untersuchten Kollektiv abhängen.
Beispiel: Nach jahrzehntelanger Forschung habe ich ein Gerät entwickelt, dass Schwangerschaft von Patientinnen mit einer 100%-igen Sensitivitätvoraussagen kann. Klingt toll, nicht? In Wahrheit genügt es ein Gerät zu konstruieren, dass bei jeder Frage IMMER EINE ANTWORT gibt: SCHWANGER.
Auf diese Weise werden alle Schwangeren richtig erkannt und die Sensitivität ist 100%. Dass die Spezifität, also der richtige Schwangerschaftsaussschluss bei 0% liegt, macht mein "Gerät" klinisch sinnvoll. Natürlich sind die meisten unserer Diagnoseverfahren etwas sophistizierter, aber glauben Sie nicht, dass es da nicht auch solche gibt, die -für viel mehr Geld - unserem Beispiel hier gefährlich nahe kommen.
Wir werden uns noch damit beschäftigen, dass für jede wertende Aussage hinsichtlich eines Testverfahrens auch die Charakteristik des untersuchten Kollektivs ausschlaggebend ist.
Jeder klinische Test benötigt Normalwerte, d.h. Ergebnisse, von denen man richtigerweise sagen kann, dass sie für Gesundheit sprechen, aber wie kommt man dazu?
In vielen Fällen drängen sich die (Labor-)Werte gesunder Menschen symmetrisch um den arithmetischen Mittelwert (Folie 2 linkes Abb), sind also normalverteilt und bilden eine Gauss’sche Glockenkurve.
Die Normalwerte werden dann meist festgelegt innerhalb eines Bereiches (Mittelwert +/- 2x Standardabweichung) festgelegt, in den 95% der Individuen fallen. Bei den Aufregungen, wenn im Routinelabor ein Wert außerhalb der Normalwert liegt, wird immer vergessen, dass bei der gewählten Definition ohnehin 5% der Gesunden AUSSERHALB des Normalbereiches liegen.
Fordert Ihr Arzt 2 derartig definierte Teste an, ist die Chance, dass einer davon "abnorm" ausfällt schon bei 9,8%. Bei steigender Anzahl an Einzeltesten wird es schon höchst verdächtig, wenn nicht irgend ein Test abnorm ausgefallen ist.
Darin liegt auch die Crux vieler Screening-Verfahren, dass sie mehr falsch positive Ergebnisse liefern als sie Patienten retten.
Noch problematischer wird es bei Testvariablen, die NICHT normalverteilt sind, bzw. man annehmen muss, dass die gefundene Normalverteilung (Volkserkrankung) kein Garant für Gesundheit ist.
Einer dieser Klassiker ist das Cholesterin. Während unsere (Groß-)Elterngeneration noch bis zu Serumwerten von 240 mg/dl kein "Sternchen" auf ihrem Laborbefund fanden (weil die österr. Normalbevölkerung im Mittel bei 215 liegt), wanderte der obere Normalwert seit den 90er jahren immer weiter nach unten. Noch problematischer wird es wenn man einen unteren Normalwert angeben möchte, der z.B. bei gesunden, streng vegan lebenden japanischen Mönchen um die 60 mg/dl liegt. In unseren Breiten ließen solche Werte eher an eine schwere Leberinsuffizienz denken ...
Die Normalbereich dieser Parameter orientieren sich eher an Risikoprofil (Folie 2 rechts), also für das Cholesterin z.B. an der Herzinfarktrate. Wie die Kurve aber zeigt, gibt es auch hier keinen eindeutigen cut off. Hat man sein Cholesterin z.B. auf 190 gesenkt, dan wäre das Herzinfarktrisiko für ein Cholesterin von 180 NOCH niedriger (die Nebenwirkungen der benötigten Mendikamente jedoch auch schwerwiegender). Das Herzinfarktrisiko für ein Cholesterin von 0 mg/dl ist zwar auch Null, aber nur deshalb, weil der Patient nun tot ist.
Bei allen Angaben, was denn als normal = gesund zu werten ist, ist also das Zustandekommen des Normalbereiches zu berücksichtigen.
GAUSS: mean +/- 2 S.D.
setzt Normalverteilung voraus
PERCENTILE: Range angeben
macht ebenfalls nur Sinn bei Normalverteilung
KULTURELL: gesellschaftliche Präferenz
RISKIKOFAKTOR: minimiert Risiko
sagt oft nichts über zusätzliche Nebenwirkungen
DIAGNOSTISCH: Ergebnisse, bei denen die Diagnose hoch wahrscheinlich wird
THERAPEUTISCH: Ergebnisse, bei denen eine Therapie mehr Nutzen als Schaden verursacht
U.a. aus den geschilderten Gründen ist es ein Irrtum zu glauben, dass ein MEHR an Testverfahren (Laboruntersuchungen, CTs, ....) immer zu einer Verbessserung der Diagnostik führt. Die Mehrzahl aller klinischen Testverfahren zeichnet sich durch Sensitivitäten und Spezifitäten von 85 - 95% aus. Ihre unkritische Anhäufiung verwirrt oft mehr, als sie zur Klärung beiträgt.
Erst die Kombination aus ausreichend hoher klinischer Verdachtslage (Vortestwahrscheinlichkeit) und einem für die Fragestellung, das Patientenkollektiv und den Entwicklungsgrad des zur Verfügung stehenden Gesundheitssystems adäquaten Tests, erhöht die diagnostische Sicherheit.
