Der Post-Test-Wahrscheinlichkeitsrechner unterstützt medizinisches Fachpersonal, Studierende und Forschende bei der präzisen Auswertung diagnostischer Testergebnisse nach den Grundsätzen der evidenzbasierten Medizin. In der klinischen Diagnostik reicht ein einfaches positives oder negatives Testergebnis selten aus, um eine endgültige Diagnose zu stellen. Erst die Kombination aus der Vortestwahrscheinlichkeit (Prätest-Wahrscheinlichkeit) und den Gütekriterien des diagnostischen Tests (Sensitivität und Spezifität) liefert die tatsächliche Wahrscheinlichkeit, dass eine Erkrankung vorliegt. Mit dem Post-Test-Wahrscheinlichkeitsrechner führen Sie diese Bayes-Berechnungen transparent und in Echtzeit durch.
So nutzen Sie den Post-Test-Wahrscheinlichkeitsrechner
Die Bedienung des Rechners ist intuitiv aufgebaut und liefert bei jeder Werteänderung sofortige Ergebnisse:
- Vortestwahrscheinlichkeit (Prävalenz) eingeben — Tragen Sie die geschätzte Wahrscheinlichkeit ($P$) vor Durchführung des Tests in Prozent ein. Dieser Wert basiert auf epidemiologischen Daten, klinischen Risikoscores oder der individuellen Anamnese.
- Sensitivität definieren — Geben Sie den Anteil der tatsächlich Erkrankten an, bei denen der Test positiv ausfällt (Richtig-Positiv-Rate in %).
- Spezifität angeben — Tragen Sie den Anteil der gesunden Personen ein, bei denen der Test korrekt negativ ausfällt (Richtig-Negativ-Rate in %).
- Testergebnis auswählen — Bestimmen Sie, ob das vorliegende Testergebnis positiv oder negativ ausgefallen ist.
- Ergebnisse ablesen — Der Post-Test-Wahrscheinlichkeitsrechner ermittelt unmittelbar die Post-Test-Wahrscheinlichkeit, die Likelihood Ratios ($LR^+$ und $LR^-$) sowie die relevanten Odds.
Formeln & mathematische Methodik
Der Post-Test-Wahrscheinlichkeitsrechner basiert auf dem Satz von Bayes, formuliert über Quoten (Odds) und Likelihood Ratios (Likelihood-Verhältnisse).
1. Umrechnung von Wahrscheinlichkeit in Odds
Wahrscheinlichkeiten ($p$) lassen sich mathematisch nicht direkt mit Testcharakteristika multiplizieren. Daher erfolgt zunächst die Transformation in Odds (Chance):
$$\text{Prätest-Odds} = \frac{\text{Vortestwahrscheinlichkeit}}{1 - \text{Vortestwahrscheinlichkeit}} = \frac{P(D)}{1 - P(D)}$$
2. Berechnung der Likelihood Ratios (LR)
Das Likelihood Ratio beschreibt, um welchen Faktor ein Testergebnis die Odds für das Vorliegen der Krankheit verändert:
- Positives Likelihood Ratio ($LR^+$): Verhältnis von Richtig-Positiven zu Falsch-Positiven: $$LR^+ = \frac{\text{Sensitivität}}{1 - \text{Spezifität}} = \frac{\text{TPR}}{\text{FPR}}$$
- Negatives Likelihood Ratio ($LR^-$): Verhältnis von Falsch-Negativen zu Richtig-Negativen: $$LR^- = \frac{1 - \text{Sensitivität}}{\text{Spezifität}} = \frac{\text{FNR}}{\text{TNR}}$$
3. Post-Test-Odds & finale Post-Test-Wahrscheinlichkeit
Nach Vorliegen des Befunds werden die Post-Test-Odds berechnet:
$$\text{Post-Test-Odds} = \text{Prätest-Odds} \times LR$$
Anschließend rechnet der Post-Test-Wahrscheinlichkeitsrechner die Post-Test-Odds zurück in die finale Post-Test-Wahrscheinlichkeit ($P(D|T)$):
$$P(D|T) = \frac{\text{Post-Test-Odds}}{1 + \text{Post-Test-Odds}}$$
In geschlossener Form für ein positives Testergebnis lautet die Bayes-Gleichung:
$$P(\text{Krank} \mid \text{Positiv}) = \frac{P(D) \times \text{Sensitivität}}{P(D) \times \text{Sensitivität} + (1 - P(D)) \times (1 - \text{Spezifität})}$$
Praxisbeispiel: Diagnostischer Schnelltest
Ein Patient stellt sich mit typischen Symptomen vor. Der Arzt schätzt die Vortestwahrscheinlichkeit auf 20 % ($P(D) = 0{,}20$). Ein diagnostischer Schnelltest weist eine Sensitivität von 90 % und eine Spezifität von 95 % auf.
- Prätest-Odds: $0{,}20 / (1 - 0{,}20) = 0{,}25$
- Positives Likelihood Ratio ($LR^+$): $0{,}90 / (1 - 0{,}95) = 18{,}0$
- Negatives Likelihood Ratio ($LR^-$): $(1 - 0{,}90) / 0{,}95 \approx 0{,}105$
Szenario A (Positiver Test):
- $\text{Post-Test-Odds} = 0{,}25 \times 18{,}0 = 4{,}5$
- $\text{Post-Test-Wahrscheinlichkeit} = 4{,}5 / (1 + 4{,}5) = 0{,}8182$ (81,82 %)
Szenario B (Negativer Test):
- $\text{Post-Test-Odds} = 0{,}25 \times 0{,}1053 \approx 0{,}0263$
- $\text{Post-Test-Wahrscheinlichkeit} = 0{,}0263 / (1 + 0{,}0263) = 0{,}0256$ (2,56 %)
Der Post-Test-Wahrscheinlichkeitsrechner zeigt anschaulich, wie das positive Testergebnis die Erkrankungswahrscheinlichkeit von 20 % auf knapp 82 % anhebt, während ein negatives Ergebnis das Restrisiko auf unter 3 % senkt.
Klinische Relevanz & Fagan-Nomogramm
In der klinischen Praxis veranschaulicht das Fagan-Nomogramm diesen zweistufigen Bayes-Prozess grafisch mit drei Achsen (Vortestwahrscheinlichkeit, Likelihood Ratio, Post-Test-Wahrscheinlichkeit). Die Einordnung der Likelihood Ratios folgt bewährten Richtwerten:
- $LR^+ > 10$ oder $LR^- < 0{,}1$: Führt zu substanziellen und oft entscheidungsrelevanten Verschiebungen der Wahrscheinlichkeit.
- $LR^+$ zwischen 5 und 10 (bzw. $LR^-$ zwischen 0,1 und 0,2): Mäßige Verschiebung der Wahrscheinlichkeit.
- $LR^+$ zwischen 1 und 2 (bzw. $LR^-$ zwischen 0,5 und 1,0): Kaum klinisch relevante Änderung der Wahrscheinlichkeit.
Nutzen Sie den Post-Test-Wahrscheinlichkeitsrechner, um Fehlinterpretationen wie den Prävalenzfehler (Base-Rate Fallacy) zu vermeiden und diagnostische Entscheidungen auf ein verlässliches mathematisches Fundament zu stellen.