- False Positive
-
Ein Testergebnis ist falsch positiv, wenn es fälschlicherweise anzeigt, dass das Testkriterium erfüllt (also positiv) sei. Das Kriterium ist also tatsächlich nicht erfüllt, wird aber vom Test als erfüllt erkannt. Für ein falsch positives Ergebnis wird häufig die englische Bezeichnung „false positive“ verwendet.
Bei einem statistischen Test mit Nullhypothese führt ein falsch positives Ergebnis zu einem Fehler 1. Art.
Inhaltsverzeichnis
Beispiele
Beispiel Schwangerschaftstest
Das Ergebnis eines Schwangerschaftstests ist falsch positiv, wenn er eine Schwangerschaft anzeigt, obwohl keine Schwangerschaft vorliegt.
Weiteres Beispiel
Das Beispiel dient vor allem dazu, die Aussagekraft von positiven und negativen Testergebnissen zu vergleichen. Im Folgenden werden die Auswirkungen von falsch positiven Ergebnissen beschrieben. Die entsprechende Beschreibung von falsch negativen finden sich dort.
Eine Krankheit hat den Grundanteil 100 von 10000, das heißt im Schnitt sind 100 von 10000 Personen erkrankt. Ein medizinischer Test soll das Vorhandensein der Krankheit feststellen (positives Testergebnis), kommt aber in einem Prozent der Fälle zum falschen Schluss. Diese Situation kann mittels des folgenden Entscheidungsbaums dargestellt werden:
10000 ^ / \ / \ krank 100 9900 gesund ^ ^ / \ / \ / \ / \ 99 1 99 9801 + - + -
Das falsch positive Testergebnis ist rot hervorgehoben. Es bedeutet, dass durch die Fehlerrate von 1% 99 von 9900 Tests ein falsch positives Ergebnis ergibt: Von den 9900 gesunden Personen erhalten 99 die falsche Diagnose, krank zu sein.
Durch den geringen Krankenanteil werden durch den Test 198 von 10 000 als krank diagnostiziert. Davon sind aber nur die Hälfte (nämlich 99 Personen) tatsächlich krank. Obwohl der Test also eine Sensitivität und eine Spezifität von jeweils 99 % hat, hat die Diagnose krank lediglich eine Sicherheit von 50 % (der positive prädiktive Wert des Tests): Eine Person mit der Diagnose „krank“ ist mit einer Wahrscheinlichkeit von 50 % tatsächlich krank (und hat damit eine Chance von 50 %, trotz der Prognose, gesund zu sein). Durch eine Wiederholung des Tests kann die Zahl der falsch positiven Ergebnisse stark reduziert werden. Wenn die 198 positiv getesteten erneut einem Test mit gleicher Wahrscheinlichkeitsverteilung unterzogen werden, dann werden davon im Durchschnitt nur noch etwa zwei Person (genau 1,98) falsch positiv getestet. Der zwingend anzuwendende Doppeltest hat also auch bei niedrigen Inzidenzraten (wie bzw. beim HIV-Test) eine Testsicherheit von 99 %.
Siehe auch
Literatur
- Hans-Peter Beck-Bornholdt, Hans-Hermann Dubben: Der Hund, der Eier legt. Erkennen von Fehlinformation durch Querdenken. ISBN 3-499-61154-6
Weblinks
Wikimedia Foundation.