• Tes diagnostik → tes yang dilakukan di laboratorium, tetapi prinsip yang dibahas dalam
bab ini berlaku sama baiknya untuk informasi klinis yang diperoleh dari riwayat,
pemeriksaan fisik, dan prosedur pencitraan. mereka juga berlaku ketika konstelasi temuan
berfungsi sebagai tes diagnostik.
• Contoh : seseorang dokter berbicara tentang nilai gejala neurologis prodromal, sakit
kepala, mual, dan muntah dalam mendiagnosis migrain klasik; atau dari hemoptisis dan
penurunan berat badan pada perokok sigaret sebagai indikator kanker paru-paru.
MENYEDERHANAKAN DATA
• Lebih sering, data kompleks direduksi menjadi dikotomi sederhana (misalnya, ada / tidak ada,
abnormal / normal, atau sakit / sehat).
• Ini dilakukan terutama ketika hasil tes digunakan untuk membantu menentukan keputusan
pengobatan. Untuk hasil tes tertentu, keputusan terapi obat adalah salah satu / atau keputusan;
pengobatan dimulai atau ditunda
• Contoh :
• Data skala interval pengukuran tekanan darah di sederhanakan menjadi data dikotomi untuk terapi
(terapi dimulai jika TD > 140/90)
• Data tekanan darah dikelopmokkan menjadi skala ordinal (prehipertensi, Hipertensi Stage I, Stage 2)
AKURASI HASIL TES
Sensitifitas : proporsi orang yang menderita penyakit yang mempunyai hasil tes
positif pada penyakit tersebut. Suatu tes yang sensitif akan menemukan orang
yang menderita suatu penyakit. Semakin sensitive suatu pemeriksaan semakin
akuratlah orang tersebut benar-benar sakit.
Spesifisitas : proporsi orang tanpa penyakit yang mempunyai hasil negatif. Suatu
tes yang spesifik akan jarang gagal mengklasifikasikan orang sebagai penderita
suatu penyakit apabila nyatanya orang tersebut memang tidak menderita penyakit
tersebut. Semakin spesifik suatu pemeriksaan maka semakin kuatlah orang itu
benar-benar tidak sakit.
• Contoh :
DVT
-34 dari 35 pasien yang menderita DVT
memiliki hasil D-dimer positif,
sensitifitasnya 97%
-450 orang yang tidak menderita DVT,
hasil D-dimer yang benar menunjukkan
hasil negatif berjumlah 282, sehingga
spesifisitasnya adalah 63%
KEGUNAAN SENSITIFITAS DAN SPESIFISITAS
• Sensitifitas adalah gambaran dimana suatu penyakit benar-benar positif dan benar adanya mengidap
penyakit tersebut.
• Digunakan bila memang dimana ada kemungkinan kesalahan diagnosis yang sangat penting/ krusial
• Tes diagnostic sensitifitas digunakan untuk “rule out” suatu hasil negative yang muncul padahal
pasien tersebut memang benar-benar mengidap penyakit tersebut
• Spesifitas, tes spesifik digunakan untuk “rule in” suatu diagnosis suatu tes positif yang muncul pada
pasien yang benar-benar mengidap penyakit
• Hal ini karena tes spesifik tingkat tinggi jarang sekali menunjukkan hasil “positif” pada tidak adanya
suatu penyakit
TRADE-OFF PADA SENSISTIFITAS DAN
SPESIFISITAS
• Antusiasme awal yang diikuti dengan kekecewaan muncul bukan dari ketidakjujuran para
peneliti awal atau skeptisisme yang tidak adil dari komunitas medis di kemudian hari.
Sebaliknya, ini terkait dengan batasan dalam metode yang digunakan untuk menetapkan
sifat-sifat tes.
• Namun, dua masalah yang berkaitan dengan pemilihan pasien yang sakit dan tidak sakit
dapat sangat mempengaruhi penentuan sensitifitas dan spesifisitas juga. Serta terdapat
spektrum pada pasien yang akan diaplikasikan tes dan bias.
SPEKTRUM PASIEN
• Kesulitan mungkin muncul ketika pasien yang digunakan untuk menggambarkan tes
berbeda dari mereka yang akan diaplikasikan tes dalam praktek klinis.
• Laporan awal sering menilai nilai tes di antara orang-orang sakit dibandingkan dengan
orang yang tidak ada penyakit. Selain itu, pasien dengan penyakit yang sama, sering
berbeda dalam karakteristik seperti tingkat keparahan, usia, stadium, durasi penyakit,
dan sensitivitas tes akan cenderung lebih tinggi pada pasien yang terkena lebih parah.
• Dalam teori, sensitivitas dan spesifisitas suatu tes tidak tergantung pada prevalensi
individu yang sakit. Namun, dalam prakteknya, beberapa karakteristik pasien, mungkin
terkait dengan sensitivitas dan spesifisitas tes dan prevalensi, karena jenis pasien yang
berbeda ditemukan dalam situasi prevalensi tinggi dan rendah.
PREDICTIVE VALUE
• Sensitivitas dan spesifisitas adalah sifat dari suatu pengujian yang harus diperhitungkan
ketika memutuskan akan menggunakan suatu pengujian atau tidak. Namun begitu hasil
tes diagnostik tersedia, baik positif atau negatif, sensitivitas dan spesifisitas tes tidak lagi
relevan karena nilai-nilai ini diperoleh pada orang yang diketahui memiliki atau tidak
menderita penyakit tersebut.
DEFINISI PPV AND NPV
• Nilai prediksi positif dan negatif berhubungan langsung dengan prevalensi penyakit
dalam suatu populasi.Dengan asumsi semua faktor lain tetap konstan, PPV akan
meningkat dengan meningkatnya prevalensi; dan NPV menurun dengan peningkatan
prevalensi.
PENENTUAN DARI PREDIKSI VALUE
Perhitungan dengan menggunakan tabel 2X2.
Sensitivitas: a/(a+c)
Tes Baru / Gold Standar Test Total
Spesifisitas: d/(b+d) Tes Sakit Tidak Sakit
diagnostik
Positif a b a+b
Negatif c d c+d
Total a+c b+d N
Positive predictive value (PPV) atau nilai ramal positif Negative predictive value (NPV) atau nilai ramal negatif
(NRP). Adalah proporsi pasien yang tes nya positif dan betul (NRN). Adalah proporsi pasien yang tes nya negatif dan
menderita sakit. Dengan kata lain “Jika tes seseorang positif, betul-betul tidak menderita sakit. Bisa juga dikatakan “Jika
berapa probabilitas dia betul-betul menderita penyakit?” tes seseorang negatif, berapa probabilitas dia betul-betul
tidak menderita penyakit?”
• Secara Garis besar, prevalensi lebih berguna
dalam menentukan predictive value
dibandignkan sensitivitas dan spesifisitas
• Contoh : pertimbangkan perbedaan prevalensi
liver disease pada orang dewasa yaung sehat
yang tidak menggunakan obat-obatan, tidak
melakukan hubungan seks pranikah, dan hanya
mengkonsumsi alkohol sesekali berbanding
pengguna narkoba suntikan yang mengalami
PPV MENURUT ikterus yang memiliki banyak pasangan seks.
SENSITIVITAS,
SPESIFISITAS DAN • Sebaliknya, sensitivitas dan spesifisitas tes
PREVALENSI diagnostik bervariasi dalam rentang yang jauh
PENYAKIT lebih sempit, dari sekitar 50% hingga 99%
MENENTUKAN PREVALENCE
TIDAK AKURAT
Medical Literature adalah sumber akurat untuk memperkirakan prevalensi dibandingkan hanya penilaian implisit
• Mempertimbangkan hubungan antara predictive value dari test dengan prevalensi, jelas
menguntungkan bagi dokter untuk melalukan tes diagnostik pada pasien dengan
kemungkinan lebih besar dengan kemungkinan diagnosa tersebut
• Test diagnostic membantu ketika kehadiran penyakit sangat mungkin atau sangat tidak
mungkin
MENINGKATKAN KEMUNGKINAN DIAGNOSE SUATU
PENYAKIT SEBELUM MELALUKAN TES DIAGNOSTIK
Penyakit
NPC Non NPC Jumlah
Hasil uji
Positif 70 25 95
Biopsi
Negatif 30 75 105
Jumlah 100 100 200
Penyakit
NPC Non NPC Jumlah
Hasil uji
Positif 40 5 45
Biopsi
Negatif 10 95 105
Jumlah 50 100 150
(40/50)X100% 1-(40/50)
(95/100)X100% (40/50) 50/150
/(95/100)
/(1-95/100)
= 80%
=95% =16 = 33,33%
=0,21
PRE TEST ODDS = POST-TEST PROBABILITY=
POST TEST ODDS =
PREVALENCE: POST TEST ODDS:
PRE TEST ODDS X LR+
(1-PREVALENCE) (1+POST TEST ODDS)
0,5 X 16 8 : (1+8)
(50/150) : (1-50/150)
= 0.88
=8 = 88%
= 0,5