Samenvatting Artikelen diagnostiek in de klinische psychologie

Diagnostiek in de Klinische
Psychologie
Inhoudsopgave

,Hoorcollege 1

Waarom iedere psycholoog de regel van Bayes moet
kennen - Tiemens et al.
Stel, u werkt in de Generalistische Basis GGZ en een patiënt is door de huisarts verwezen
vanwege een ver- hoogde score op een depressievragenlijst. In die huisartspraktijk heeft 11%
van de patiënten een depressie (de prevalentie). Als een patiënt een depressie heeft, is de
kans dat die patiënt positief scoort op deze depressielijst 83% (sensitiviteit). Bij een patiënt
die geen depressie heeft, is de kans om negatief op de lijst te scoren 80% (specificiteit) en de
kans om toch positief op depressie te scoren 20% (kans op fout-positieve uitslag). Hoe groot
is de kans dat de verwezen patiënt een depressie heeft?

Bij het beantwoorden van deze vraag dient rekening te worden gehouden met de
sensitiviteit en specificiteit van een psychologische test. Op de prevalentie wordt de regel
van Bayes toegepast. Het negeren van deze nogal ingewikkelde formule kan leiden tot
overdiagnostiek.

Overdiagnostiek
Doordat overdiagnostiek minder ingrijpende gevolgen heeft dan onderdiagnostiek, zijn
zorgprofessionals over het algemeen banger om een ziekte te missen dan dat ze vrezen voor
overdiagnostiek. Patiënten die overgediagnosticeerd worden weten het niet, knappen snel
op of worden uitgebreid behandeld. Ze zullen dan ook niet snel klagen.

Overdiagnostiek in de GGZ
In een meta-analyse werd 50% van de depressies gemist en bij iets minder dan 20% van de
patiënten die geen depressie hadden, stelden de huisartsen toch een depressie vast. Dit
betekent dat meer patiënten ten onrechte de diagnose depressie kregen dan dat er
depressies werden gemist.

Bayes in studie en opleiding
In het standaard lesmateriaal voor psychologen is weinig terug te vinden over de regel van
Bayes.
Psychodiagnostische instrumenten zouden moeten worden ingezet als hiermee de zekerheid
over een advies of uitspraak toeneemt. Dat wil zeggen, als de kans op de aanwezigheid of
afwezigheid van de onderzochte aandoening binnen de setting waarin wordt getest hiermee
toeneemt.

De regel van Bayes
De regel van Bayes helpt om de kans op een aandoening te bepalen bij een individu, gegeven
de prevalentie van die aandoening in de populatie waar dat individu deel van uitmaakt, de
uitkomst op een test en de psychometrische kenmerken van die test.
De populatie is van belang aangezien dezelfde testuitslag in verschillende populaties een
andere kans op de geteste aandoening geeft.

, Rekensom: heeft de cliënt een depressie?
Base rate  De kans op het hebben van de aandoening voordat er wordt getest.
 Dit is ook wel de prevalentie

Sensitiviteit  De kans dat een patiënt met een depressie ook daadwerkelijk positief scoort
op een depressievragenlijst
Specificiteit  De kans dat een patiënt zonder depressie daarop negatief scoort.




In de formule van Bayes betekent P(D+|T+) de kans (P) dat de patiënt een depressie heeft
(D+), gegeven (|) een positieve testuitslag (T+) op een depressievragenlijst.




- P(T+|D+) is de kans dat een patiënt met een positieve test een depressie heeft,
dus de sensitiviteit, hier 0,83.
- P(D+) is de kans dat een patiënt in deze populatie een depressie heeft, de
prevalentie, hier 0,11.
- P(T+|D-) is de kans dat een patiënt met een positieve test geen depressie
heeft, dus 1-specificiteit (de kans dat een patiënt met een negatieve
test geen depressie heeft), hier 1-0,8=0,2.
- P(D-) is de kans dat een patiënt in deze populatie geen depressie heeft, 1-
prevalentie, hier 1-0,11=0,89.

Het kan makkelijker
Het is simpeler als dezelfde informatie in absolute aantallen in plaats van kansen wordt
gegeven.