Wie aussagekräftig ist das Ergebnis eines Corona-Tests?

Hier können Sie das interaktiv berechnen lassen. Wählen Sie mit Hilfe der Schieberegler realistische Ausgangsdaten für den Test (kein Test ist 100%-ig sicher!) und für die Verbreitung des zu ermittelnden Merkmals (also z. B. die Infektion) und schauen Sie sich die Kommentare zu den Ergebnissen an!

Für den Roche-Test auf SARS-CoV-2 „Elecsys Anti-Sars-CoV-2“ gibt der Hersteller eine Sensitivität von 100% an (unter Laborbedingungen) und eine Spezifität von 99,8% (Quelle). In der Praxis können, z.B. durch fehlerhafte Handhabung bei der Probenentnahme, diese Werte auch niedriger sein.

Die Spezifität eines Tests lässt sich - was bei geringer Verbreitung eines Merkmals besonders wichtig ist - durch „Dual Target Tests“ erhöhen; dafür wird auf das Vorhandensein von zwei Kennzeichen einer Infektion getestet, also etwa von zwei Genen des Virus SARS-CoV-2 (Quelle). Auch das RKI gibt entsprechende Empfehlungen (Quelle). Wenn ein einzelner PCR-Test, wie eine Studie ergeben hat, eine Falsch-positiv-Rate von 2% hat (1 von 50), dann sinkt diese durch den „Dual Target Test“ auf 0,04% (1 von 50 × 50), wie Clemens Lode in seiner Kritik an einem Vortrag von Katharina Reiss (YouTube-Video) erklärt.

1. Qualität des Testverfahrens

Sensitivität: - % (Anteil korrekt als positiv erkannter unter den Merkmalsträgern)

Spezifität: - % (Anteil korrekt als negativ erkannter unter den Nicht-Merkmalsträgern)

Falsch-negativ-Rate: - % (Anteil fälschlicherweise negativ getesteter unter den Merkmalsträgern)

Falsch-positiv-Rate: - % (Anteil fälschlicherweise positiv getesteter unter den Nicht-Merkmalsträgern)

Sensitivität und Falsch-negativ-Rate hängen voneinander ab (sie summieren sich zu 100%); das gilt ebenso für die Spezifität und die Falsch-positiv-Rate.

2. Annahmen zur Bevölkerung

Tatsächliche Verbreitung des Merkmals (Prävalenz, z.B. die Infektionsrate): - %

3. Ergebnisse

Anteile in der Bevölkerung

Richtig negativ:
Falsch negativ:
Richtig positiv:
Falsch positiv:

Vorhersagewert negativer Ergebnisse (NPW)

Richtig negativ:
Falsch negativ:

Vorhersagewert positiver Ergebnisse (PPW)

Richtig positiv:
Falsch positiv:

Die Unsicherheiten des Tests wirken sich in zwei Arten von Fehlern aus, die hier in den Tortengrafiken als kräftiger gefärbte Flächen dargestellt werden:

Falsch positive Ergebnisse (rot): Das sind Personen ohne das Merkmal (also z. B. Nicht-Infizierte), bei denen es dennoch ein positives Testergebnis gibt. Das ist problematisch, weil dadurch z. B. Menschen unnötigerweise einer Behandlung mit Nebenwirkungen oder Quarantänemaßnahmen ausgesetzt werden können oder aber (bei einem Test auf Antikörper) sich fälschlicherweise in Sicherheit wiegen. Für die Gesundheitsbehörden kann eine hohe Zahl falsch positiver Ergebnisse zu unnötigem Aufwand führen.
Falsch negative Ergebnisse (blau): Das sind Personen mit dem Merkmal (also z. B. Infizierte), bei denen es dennoch ein negatives Testergebnis gibt. Hier liegt das Problem darin, dass z. B. eine nötige Behandlung bzw. Isolation unterbleibt und weitere Personen infiziert werden können. Für die Gesundheitsbehörden kann eine hohe Zahl falsch negativer Ergebnissen dazu führen, dass eine Infektionsausbreitung unerkannt bleibt.

Flächendeckende Tests auf eine Infektion können bei niedriger Prävalenz einen so hohen Anteil falscher Ergebnisse unter positiven Testergebnissen erzeugen, dass sie wenig hilfreich sind.

MaiLab hat auf YouTube ein Video, das das Ganze gut erklärt und Quellen mit Bezug auf SARS-CoV-2 angibt: Corona im Herbst | Ändern Schnelltests alles?

Weiteres dazu gibt es bei Wikipedia: Beurteilung eines binären Klassifikators.

Impressum