Skip to main content

Overdiagnostik: Et negligeret og uløst problem i diagnostikken

Colourbox
Colourbox

John Brandt Brodersen

20. feb. 2023
4 min.

Videnskabeligt er vi som læger opdraget med, at den diagnostiske præcision af en test kan beregnes ud fra det bayesianske paradigme i en 2 × 2-tabel, hvor mennesker deles op i at være »syge« eller »raske« (eller ingen sygdom), og testens udfald betragtes som enten »positiv« (abnorm) eller »negativ« (normal). Herfra kan der beregnes outcomes som sensitivitet, specificitet, positive og negative prædiktive værdier, positive og negative likehood-ratioer (LR). Forskere i evidensbaseret diagnostik vil desuden ofte udforme en »ROC-kurve« (receiver operating characteristic-kurve) og beregne arealet under kurven. Diagnostisk forskning har også ført til tommelfingerreglen: En positiv LR over 10 og en negativ LR under 0,1 øger post test-sandsynligheden relativt meget sammenlignet med præ test-sandsynligheden [1]. Og på engelsk findes huskereglen: SpPIn (positive results from highly specific tests can rule a diagnosis in) og SnNOut (Negative results from highly sensitive tests can rule a diagnosis out) [2].

I Graff et al’s statusartikel Diagnostisk bias, introduceres læseren for, at det er umuligt for læger at undgå fejldiagnoser, og forfatterne præsenterer andre værktøjer og tænkninger end det bayesianske paradigme, til hvorfor det kan gå så galt [3]. Forfatterne præsenterer the dual process theory med to typer af tænkning: system 1, som »er det hurtige ikkeanalytiske system karakteriseret som intuitivt, personligt samt erfarings- og traditionsbaseret«, og system 2, som »involverer systematisk, bevidst og mere kompleks tænkning«. ROWS (rule out worst-case scenario), mønstergenkendelse og heuristikker beskrives også, hvor det sidste betegnes som »mentale smutveje« og »personlige kvalificerede gæt« baseret på lægelige erfaringer. Herefter gennemgår Graff nogle af de mange beskrevne diagnostiske bias og strategier til at mindske disse bias, som kan anvendes for at undgå fejldiagnostik. Jeg kan på det varmeste anbefale at læse Graffs statusartikel, så vi kan mindske falsk positive svar, falsk negative svar (underdiagnostik) og fejldiagnostik. Men hvor alle disse usikkerheder i diagnostikken er velkendte og velbeskrevne problemstillinger i den videnskabelige diagnostiske litteratur, så er nutidens måske største diagnostiske udfordring, overdiagnostikken, meget sparsomt beskrevet i statusartiklen.

Bredt forstået handler overdiagnostik om, at mennesker unødvendigt gøres til patienter, og at hverdagens lidelser, hændelser og problemer påføres en medicinsk diagnose [4]. Problemet er, at der ses en tsunami af overdiagnostik inden for alle lægelige specialer [5]. Et andet problem er, at det bayesianske diagnostiske paradigme ikke fungerer, når der forekommer overdiagnostik: 2 × 2-tabellen skal udvides til en 2 × 3-tabel [1, 5]. Måske kan system 2-tænkningen i the dual process theory mindske overdiagnostik, mens system 1-tænkningen, ROWS, mønstergenkendelse og heuristikker måske ligefrem kan øge overdiagnostikken? Vi ved det ikke, fordi overdiagnostik forskningsmæssigt er et nedprioriteret og negligeret forskningsfelt, og der derfor mangler viden på området – til skade for patienter, folkesundheden og samfundet. Samtidig er overdiagnostik spild af ressourcer og øger den sociale ulighed. Vi står altså med en kæmpe udfordring i diagnostikken.

Der mange forskellige mekanismer, incitamenter, drivkræfter og årsager til overdiagnostik [5]. Ser vi på vores egen lægefaglige arena, så ses en stigning i både billeddiagnostiske undersøgelser med højere opløsningsevne og flere parakliniske prøver, med biomarkører med større følsomhed. Alt sammen kan føre til mere overdiagnostik [5]. Drivkræfterne til overdiagnostik kan anskues som to sundhedskulturer på henholdsvis mikro- og makroniveau, hvor læger og patienter befinder sig på mikroniveauet. På makroniveauet befinder tre typer af aktører sig; offentlige (f.eks. myndigheder, lovgivning og undervisningsinstitutioner), interesseorganisationer og politiske (medier, politikere, industri og patientforeninger) og videnskabelige (fonde, forskning, teknologisk videnskab og lægevidenskabelige selskaber) [5]. Derfor er tværdisciplinær forskning i overdiagnostik en nødvendighed, før vi kan mindske, eller helt forebygge, overdiagnostik.

Korrespondance John Brandt Brodersen, Center for Forskning & Uddannelse i Almen Medicin, Forskningsenheden for Almen Praksis, Region Sjælland og Institut for Folkesundhedsvidenskab, Det Sundhedsvidenskabelige Fakultet, Københavns Universitet, Center for Sundhed og Samfund. Allmennmedisinsk Forskningsenhet, Institutt for samfunnsmedisin, Universitetet i Tromsø. E-mail: jobr@sund.ku.dk

Interessekonflikter Der er anført potentielle interessekonflikter. Forfatterens ICMJE-formular er tilgængelig sammen med lederen på ugeskriftet.dk

Referencer

  1. Guyatt G, Rennie D, Meade M, Cook D. Users' guides to the medical literature: a manual for evidence-based clinical practice. 3rd Edition ed. New York: McGraw-Hill Professional, 2015.
  2. Pewsner D, Battaglia M, Minder C et al. Ruling a diagnosis in or out with “SpPIn” and “SnNOut”: a note of caution. BMJ. 2004;329(7459):209-13.
  3. Graff S, Oppfeldt AM, Gotfredsen M, Christensen B. Diagnostisk bias. Ugeskr Læger. 2022;184:V06210530.
  4. Brodersen J, Schwartz LM, Heneghan C et al. Overdiagnosis: what it is and what it isn’t. BMJ Evid Based Med. 2018;23(1):1-3.
  5. Jønsson ABR, Brodersen JB. Snart er vi alle patienter. Overdiagnostik i medicinske og samfundsfaglige perspektiver. Samfundslitteratur, 2022.