Hoofdstuk 1: Algemene inleiding
1.1. Wat is normaal? (statistiek)
De normaliteit van data: er wordt nagegaan of de observaties, de verzamelde data van de populatie
normaal verdeeld zijn rond de gemiddelde waarde. De data worden voorgesteld in een histogram en
hierin wordt een Gauss-curve getrokken. Op deze manier kunnen we gaan aftoetsen of de waarde
van de patiënt zich binnen het normale bereik bevindt. In de Gauss-curve hebben we een
gemiddelde waarde (µ=0) en een standaarddeviatie (σ=1)). Deze curve stelt de verdeling of
distributie van de data van de populatie voor. 95% van de data zal bij deze data liggen binnen het
bereik: µ ±2x σ. Deze 95% wordt statistisch als normaal beschouwd.
Op bovenstaande figuur is er een histogram opgesteld van de glucosewaarden die gemeten zijn in
een populatie van 1)00 gezonde honden. Op de y-as stellen we de frequentie van voorkomen en op
de x-as de glucosewaarden die gemeten zijn. Op de figuur zien we:
Skewness = mate van scheefheid, naarmate de curve meer data bevat met kleinere waarden
is de scheefheid positief, naarmate de curve meer data bevat met grotere waarden, dan is de
scheefheid negatief.
Kurtosis (vlak of piek) = mate voor de vlakheid of de piekheid van de curve. Wanneer veel
data rond het gemiddelde liggen, dan is er een scherpe curve (negatief). Wanneer de data
verspreid liggen rond het gemiddelde, dan is de curve vlak (positief).
In een normaal verdeelde curve ligt 95% van de waarden in het bereik µ ± 2x σ. Dit is normaal. Als we
het links en rechts testen zal er aan beide kanten 2,5% van de waarden liggen. De data zijn links en
1)
,rechts ongeveer gelijk verdeeld van het gemiddelde. In een dataset van 1)00 stalen zullen er 5 stalen
zijn waarvan wij zeggen dat ze abnormaal zijn, hoewel ze in realiteit wel normaal zijn. We maken dus
een fout waarbij we gezonde dieren gaan bestempelen als ongezond. Bij 5% van de stalen, genomen
bij gezonde honden (= Gauss-standaard) gaan we toch zeggen dat ze ziek zijn. Dit is een type-I fout of
α, we hebben vals positieven. Bij een bloedonderzoek gaan er referentiewaarden opgesteld zijn.
A.d.h.v. die referentiewaarden, kunnen we snel zien of de bekomen waarde normaal of niet normaal
is. Toch dienen we hiermee op te passen.
Bovenstaande figuur geeft de gegevens van een test waarbij er bloed is genomen van 1)00 gezonde
(=gauss-standaard) honden en de distributie van de observaties werd opgesteld. De distributie ziet er
normaal uit. Als de grens opschuift wordt de alfa kleiner en wordt de specificiteit groter. De kans dat
ze plots als gezond worden gediagnosticeerd terwijl ze behoren tot de zieke bende is ook groter.
Zomaar met de lijn spelen heeft consequenties. ** Examen, grafiek leren maken.
Goud standaard is gezond veronderstellen we. Daarna hebben we een lijn getrokken en we stellen
dat alle waarden, die hoger liggen dan de waarde van de lijn, abnormaal zijn. Deze waarden zijn
gelegen buiten het bereik van µ ± 2x σ. Deze lijn noemen we de DIAGNOTISCHE GRENS of decission
making grens. Dit is abnormaal. Wanneer de observaties links blijven liggen van de diagnotische
grens, dan zeggen we dat de honden gezond zijn.
Daarnaast hebben we ook een populatie zieke honden waarbij de glucoseconcentraties bepaald
kunnen worden. De distributie van de populatie zieke (gauss-standaard) honden wordt opgesteld in
een Gauss-curve. Ook hier moeten we een grens gaan trekken. De drempelwaarde blijft gelijk voor
de gezonde en de zieke honden. Onder de drempelwaarde is normaal of gezond. Boven de
drempelwaarde is abnormaal of ziek.
Voor de diagnose gaan we ons baseren op wat we meten, maar hier gaan we toch fouten maken. We
gaan foutief gezonde honden diagnosticeren als ziek en zieke honden diagnosticeren als gezond. We
hebben hier te maken met een twee soorten fouten: Een type-I fout of α, waarbij we een vals
positieve diagnose stellen, en een type-II fout of β, waarbij we een vals negatieve diagnose stellen.
We hebben steeds ons testresultaat dat we gaan aftoetsen aan de hand van de ‘gouden waarheid’.
Deze fouten zijn natuurlijk gevaarlijk en dienen vermeden te worden. We kunnen de drempelwaarde
2
,gaan verschuiven in de richting van 0, maar dit zal altijd ten koste gaan van α of β. We moeten dus op
zoek naar een test met de beste balans tussen α en β.
De POWER is 1)00% - β. De power is de kans dat een echt ziek dier ook als ziek wordt aangeduid door
de test. Een test met een hoge power is een zeer goede test, die in staat is om zoveel mogelijk echt
zieke dieren aan te duiden als ziek. De power van een statistisch model is de kans dat de
nulhypothese daadwerkelijk te verwerpen is a.d.h.v. het model.
De SENSITIVITEIT is de kans dat een echt ziek dier als ziek wordt gediagnosticeerd: 1 – β. Wanneer
we gaan opteren voor een test met een hoge sensitiviteit, dan gaan we met de drempelwaarde
schuiven ten koste van de α.Dit is de power van de test. Dit is de kans dat de test de nulhypothese
verwerpt of om een verschil te vinden. Of de kans om op een correcte manier een zieke patient of
een echt zieke patient als ziek te kunnen diagnosticeren.
De SPECIFICITEIT is de kans dat een echt gezond dier als gezond beschouwd zal worden: 1-α.
Cross-tabel:
ZIEK GEZOND
Test: positief A B A+B= alle dieren ziek getest
Test: C D C+D= alle dieren gezond
negatief getest
A+C= alle dieren echt B+D = alle dieren echt
ziek gezond
A
Sensitiviteit= Kans dat een echt ziek dier ook als ziek door de test wordt aangeduid: .
A +C
D
Specificiteit= Kans dat een niet-ziek dier ook als niet-ziek door de test wordt aangeduid: .
B+ D
VB: Mond-en-Klauw-Zeer. Dit is een ziekte die een enorme impact hebben op de veterinaire volksgezondheid
in de richting van epidemiologie bij landbouwhuisdieren. Als de ziekte uitbreekt, dan zullen er verschillende
bedrijven besmet raken. Deze bedrijven kennen dan een hoge mortaliteit en dit is een economische ramp. De
overheid hebben draaiboeken klaarliggen voor als deze epidemiologieën uitbreken en ze in actie moeten
schieten. Door het actieplan zullen bedrijven moeten worden opgeruimd. Er dient een onderzoek gestart te
worden om te testen of andere bedrijven al besmet zijn, hoewel ze nog geen ziekte vertonen. Het is dus
belangrijk dat er zoveel mogelijk echt zieke dieren als ziek worden aangeduid door de testen om de
epidemiologie te bestrijden, maar het is economisch niet aanvaardbaar dat er gezonde dieren als ziek worden
bestempeld en hierdoor een bedrijf onterecht opgeruimd wordt. De testen moeten dus zowel sensitief als
specifiek zijn. De testen moeten eerst keuringen ondergaan.
1.2. Precisie van de meting
We moeten toestellen hebben die de reële waarde zo goed mogelijk benaderen. Wanneer we
waarden krijgen die binnen het normale bereik liggen, dan hebben we geen probleem. Maar
wanneer de waarde bekomen door de meting, flirt met de grenswaarde, dan hebben we een
3
, probleem. De CV of Coëfficiënt of Variation drukken we uit als de standaarddeviatie σ ten opzichte
van het gemiddelde. De CV geeft de maat van de variatie tussen de metingen van eenzelfde staal. We
kunnen hieruit de herhaalbaarheid van de test op hetzelfde staal besluiten en dus de
betrouwbaarheid. De CV kan op twee verschillende manieren gemeten worden.
1). De INTRA ASSAY CV: De stalen worden ontdubbeld en de standaarddeviatie van de twee
metingen op elk ontdubbelde staal zal bepaald worden. De gemiddelde
standaarddeviatie van de bekomen SD’s zal berekend worden en gedeeld worden door
het algemeen gemiddelde van alle metingen. Bij deze test hebben we slechts één run.
2. De INTER ASSAY CV: Er wordt een staal genomen en ontdubbeld. Op elke ontdubbelde
staal worden 1)0 metingen uitgevoerd verspreid over 1)0 dagen. Er zijn dus meerdere
runs. De gemiddelde waarde van elke ontdubbelde staal, dus 1)0 gemiddelden, wordt
berekend. De SD van de 1)0 gemiddelden wordt berekend en gedeeld door het algemeen
gemiddelde van alle metingen.
1.3. Precisie en accuraatheid
Een meting is PRECIES wanneer de testresultaten van ontdubbelde stalen zeer dicht bij elkaar liggen.
We spreken dan van een precieze meting, maar de precisie zegt niets over de juistheid van de
meting. Een precieze test is goed herhaalbaar.
Een meting is ACCURAAT (= validity) wanneer het gemiddelde van de verschillende metingen gelijk is
aan de reële waarde (middelpunt van de roos). Een accurate test bevestigt de waarheid
1.4. Diagnose
We komen toe bij de veehouder en nemen de ANAMNESE af. Ondertussen houden we het dier al
met één oog in de gaten. Een anamnese is subjectief, de eigenaar kan je perfect vertellen wat hij wilt
vertellen en niets meer. Als dierenarts mogen we ons niet laten verleiden door in één richting te gaan
denken. Na de anamnese doen gaan we kijken naar het signalement van het dier (ras, geslacht,
ouderdom, dun of dik,…) en de algemene indruk van het dier. Daarna doen we een algemeen
onderzoek waarbij we eerst gaan temperaturen (door stress kan temperatuur toenemen), de mucosa
bekijken, de lymfeknopen aftasten op zoek naar infecties, de huidturgor testen om een beeld te
krijgen van de hydratatiestatus, ausculteren en de pols voelen. Hierna doen we een gerichter
onderzoek (bv. rectaal onderzoek, echografie,…). Vanuit deze dingen proberen we een diagnose te
stellen en o.b.v. de diagnose stellen we een bepaalde therapie voor, waarbij we ook moeten nagaan
of de therapie daadwerkelijk werkt. Eerst op afstand naar het dier kijken!
4
