Modellen met Latente Variabelen in Diagnostische Geneeskunde

Het doel van diagnostische studies is het schatten van de waarde van een of meerder diagnostische testen. Deze waarde wordt meestal beschreven in termen van gevoeligheid en specificiteit. De gevoeligheid, of sensitiviteit, van een test is de waarschijnlijkheid van een positief test resultaat in mensen die de ziekte waarvoor getest wordt ook werkelijk hebben. De specificiteit is de waarschijnlijheid van een negatief resultaat in mensen die deze ziekte niet hebben. De gevoeligheid en specificiteit worden in praktijk meestal geschat door het vergelijken van de test resultaten van de nieuwe, of index, test met die van een referentie test. Deze resultaten zijn echter enkel correct indien de referentie test alle individuen correct kan classifieren als ziek of niet. In dit geval spreken we van een gouden standaard of een perfecte referentie test. Indien in de evaluatie van een nieuwe test echter een imperfecte referentie test wordt gebruikt, kan dit leiden tot incorrecte schatting van de diagnostische waarde van de nieuwe test. Bij infectieziekten zijn gouden standaard testen vaak onbeschikbaar of moeilijk uit te voeren. In dit geval kunnen statistische modellen met latente variabelen een uitweg bieden. In een latente variabele model is ``ziekte'' een niet geobserveerde, of latente, variabele. De geobserveerde data bestaat uit de resultaten voor een aantal diagnostische testen waaronder een imperfecte referentie test. Deze geobserveerde data worden gemodelleerd met de latente variabele ``ziekte'' als voornaamste predictor. De associatie tussen de resultaten van de diagnostische testen wordt aldus gebruikt om de diagnostische waarde van de testen te schatten, zonder a priori een van de testen als referentie te gebruiken. In dit type modellen wordt vaak enkel gebruik gemaakt van dichotome variabelen. Veel diagnostische testen geven echter continue of ordinale resulaten. Door middel van een drempelwaarde worden deze testen dan gepresenteerd als binaire resultaten: positief en negatief. Met ``mixture'' modellen, een vorm van latente variabele modellen, kunnen deze continue data echter direct worden gemodelleerd. Diagnostische studies zijn vaak eerder klein en geven bijgevolg niet erg nauwkeurige schattingen van de waarde van een test. Door middel van een meta-analyze kunnen resultaten van verschillende diagnostische studies gecombineerd worden om een meer precieze schatting van de gevoeligheid en specificiteit van een test te verkrijgen. Bij deze meta-analyzes is het ook nuttig om door middel van latent variabele modellen te corrigeren voor het gebruik van imperfecte referentie testen in de originele publicaties. Met als toepassing de diagnose van viscerale leishmaniase (VL), een verwaarloosde tropische ziekte die elk jaar tot 400,000 mensen treft, bestuderen we in dit proefschrift het gebruik van latente variabele modellen in de medische diagnostiek. In de eerste plaats geven we aandacht aan de rol en interpretatie van latente variabele modellen in het onderzoek van de diagnostisch waarde van sneltesten voor infectieziekten. Daarna maken we in een cluster gerandomiseerd onderzoek naar de preventie van VL door middel van met insecticide behandelde bed netten gebruik van continue data in een latente variabele model. Dit laat toe de incidentie van \textit{Leishmania} infectie te schatten zonder een drempelwaarde om besmette van niet besmette individuen te onderscheiden. Tot slot bestuderen we het gebruik van latente variabele modellen om een meta-analyze van de diagnostische waarde van sneltesten te corrigeren voor het gebruik van imperfecte referentie testen in de originele publicaties.

Jaar van publicatie:2015