De poppenmethode is een projectieve test waarbij kinderen met anatomisch correcte poppen spelen. Hierbij probeert de diagnosticus uit dit spel kenmerken af te leiden van de manier waarop het kind met seksualiteit omgaat. Een voorbeeld uit de praktijk hiervan is een orthopedagoge die middels deze methode naging of met jonge kinderen op een kinderdagverblijf incest was gepleegd. Het hoge percentage kinderen wat incestslachtoffer was volgens de orthopedagoge leidde tot grote opschudding. In deze tijd stond incest sterk in de belangstelling. Echter kwam er al snel kritiek op de poppenmethode, omdat dit niet betrouwbaar en te weinig valide is. Ook werd de orthopedagoge bekritiseerd, omdat ze te weinig rekening gehouden heeft met de zeer lage prevalentie van incest. In deze optiek is de orthopedagoge slachtoffer van de zogenaamde base rate neglect.

Wat is een voorbeeld van een probleem in de diagnostiek? 

De poppenmethode is een projectieve test waarbij kinderen met anatomisch correcte poppen spelen. Hierbij probeert de diagnosticus uit dit spel kenmerken af te leiden van de manier waarop het kind met seksualiteit omgaat. Een voorbeeld uit de praktijk hiervan is een orthopedagoge die middels deze methode naging of met jonge kinderen op een kinderdagverblijf incest was gepleegd. Het hoge percentage kinderen wat incestslachtoffer was volgens de orthopedagoge leidde tot grote opschudding. In deze tijd stond incest sterk in de belangstelling. Echter kwam er al snel kritiek op de poppenmethode, omdat dit niet betrouwbaar en te weinig valide is. Ook werd de orthopedagoge bekritiseerd, omdat ze te weinig rekening gehouden heeft met de zeer lage prevalentie van incest. In deze optiek is de orthopedagoge slachtoffer van de zogenaamde base rate neglect.

In dit artikel worden de belangrijkste problemen in de diagnostiek besproken vanuit een modelmatig, besliskundig perspectief met de bedoeling duidelijk te maken welke rol statistische modellen kunnen spelen bij het oplossen van die problemen.

Welke notaties worden gebruikt in de diagnostiek?

De volgende notaties worden gebruikt: een persoon (patiënt of cliënt) behoort wel (C+) of niet (C-) tot een bepaalde categorie van personen. Een diagnostisch instrument kan een positieve (D+) of een negatieve (D-) diagnose geven. Bij een positieve diagnose wordt er van uitgegaan dat de persoon in C+ hoort, bij een negatieve diagnose in C-. De kwaliteit van het instrument kan in twee kansen worden uitgedrukt:

1. Een persoon krijgt een positieve diagnose en behoort ook daadwerkelijk tot de categorie C+, dit is de sensitiviteit(P(D+|C+)
2. Een persoon die in categorie C- hoort, krijgt een negatieve diagnose, dit is de specificiteit P(D-|C-).

Deze twee kansen kunnen geschat worden met behulp van onderzoek met een grote groep personen.

Wanneer een willekeurig persoon wordt gediagnosticeerd en een positieve diagnose krijgt, is de vraag hoe groot de kans is dat deze persoon ook werkelijk tot categorie C+ hoort. De regel van Bayes geeft het antwoord: P(C+|D+) = P(D+|C+) * P(C+)/P(D+). De kans P(C+) is de fractie personen in de populatie die tot de categorie C+ behoren, dit is de prevalentie of de base rate. De kans P(D+) is de proportie kansen van personen die positief gediagnosticeerd worden, dit is de selectieratio. De waarde van P(D+) is afhankelijk van de prevalentie, sensitiviteit en de specificiteit van het diagnostisch instrument. De kans dat iemand die positief is gediagnosticeerd ook inderdaad tot de categorie C+ behoort, is de predictieve accuratesse. Hoe beter het instrument, hoe groter de predictieve accuratesse. Maar daarentegen geldt ook, hoe lager de prevalentie, hoe kleiner de predictieve accuratesse.

Wat is de base rate neglect?

Een van de veelvoorkomende problemen in de diagnostiek is het gebruik of juist het negeren van de base rate of de prevalentie van bepaalde verschijnselen. Dit gebeurt met name in situaties waarin diagnostische uitspraken betreffende zeldzame gebeurtenissen moeten worden gedaan. Hierbij wordt genegeerd dat bepaalde ziekte een zo lage prevalentie hebben dat zelfs een positieve diagnose van een diagnostisch instrument niet zonder meer aanleiding kan zijn tot de conclusie dat de patiënt in kwestie de ziekte bezit. Echter zijn hierbij twee kanttekeningen te plaatsen.

1. Ten eerste staat de conclusie geheel los van de methode of het diagnostisch instrument dat wordt gebruikt. Ongeacht de uitslag van welk diagnostisch instrument dan ook, de prevalentie is zo extreem laag dat de kans enorm klein is dat iemand daadwerkelijk het verschijnsel heeft.
2. Ten tweede kan een diagnosticus geen uitspraken doen over een willekeurig onbekend persoon uit de populatie, maar over een individueel geval met een bekende voorgeschiedenis die is vastgelegd in medische dossiers. Soms kan het dus beter zijn om de base rate te negeren wanneer reeds bekende informatie erop wijst dat persoon in kwestie een veel grotere kans heeft tot een bepaalde diagnostische categorie te behoren dan een willekeurig persoon uit de populatie. De formule van Bayes is slechts een subjectieve waarschijnlijkheid, die moet veranderen wanneer de diagnosticus op rationele en coherente wijze diagnostische informatie wil verwerken. De diagnosticus moet daarom plausibel maken waarom haar apriori subjectieve waarschijnlijkheid aanzienlijk veel hoger is dan de prevalentie in de populatie. 

Mogen diagnostici instrumenten van onvoldoende betrouwbaarheid gebruiken?

Een instrument met sensitiviteit en betrouwbaarheid in de buurt van 1 laat uitspraken stelliger toe dan een instrument met waarden voor deze eigenschappen in de buurt van kansniveau. Echter is elk instrument met sensitiviteit en specificiteit boven kansniveau informatief. De kern is dat weinig betrouwbare diagnostische instrumenten niet in hun eentje gebruikt moeten worden, maar altijd in combinatie met andere diagnostische instrumenten.

Er kan onderscheid gemaakt worden tussen het gebruik van tests in explorerende zin en in hypothesetoetsende zin. Bij explorerend onderzoek wil men vaststellen welke personen van een grote groep wel of niet in de categorie C+ behoren. Bij extreem lage prevalentie zal dit bij explorerend onderzoek altijd leiden tot onaanvaardbare grote aantallen foute classificaties, denk aan de poppenmethode of tests voor HIV-virus. Deze tests zijn wel van nut als ze gebruikt worden in hypothesetoetsend onderzoek bij een persoon die op basis van andere informatie al een grote kans moet worden toegekend tot de categorie C+ te behoren. Hierbij wordt met de test meer zekerheid verkregen over de juistheid van het diagnostisch oordeel.

Lage betrouwbaarheid van een diagnostisch instrument is onwenselijk, maar niet onoverkomelijk. Het gaat met name om de diagnosticus die zijn subjectieve verwachtingen combineert met de objectieve informatie van een aantal diagnostische instrumenten.

Wat is de conclusie?

De modelmatige analyse van het behandelde probleem is pas compleet wanneer ook de subjectieve waarde van de consequenties van de onderscheiden diagnostische uitspraken erbij wordt betrokken. Naast de foute diagnose gaat het namelijk ook om de ernst van de consequenties van een foute diagnose.

Een statistisch model kan gebruikt worden in een diagnostische discussie, door aan te geven dat de formalisering van een probleem de mogelijkheid biedt op overzichtelijke wijze na te gaan hoe de verschillende aspecten van het probleem elkaar beïnvloeden. Hierbij moeten zowel subjectieve als objectieve elementen gecombineerd worden, zodat de mogelijkheid wordt geboden om op rationele wijze met subjectiviteit om te gaan.