[McPomNormalo]

Unsinn. HIV-Tests der neueren Generation zeigen spätestens 8-12 Wochen nach dem Risikokontakt zu 99% ein richtiges Ergebnis an. (...)
Es sei denn, man macht den alleine zu Hause und vor Nervosität und Sorgen irgendwas falsch. Zu Hause ist auch kein Bestätigungstest möglich.
(....)

1. Widersprechen Ihre Fakten meiner Meinungsäußerung nicht.
2. Darf ein Selbst-Tester nicht mehr zum Gesundheitsamt? Da bekommt er dann selbstverständlich den Bestätigungstest, NACHDEM sich sein eingeschätztes Risiko erhöht hat, und er deshalb Klärung und Beratung sucht.

[Growling Mad Scientist]

Die Arzneimittelbehörde der USA hat einen HIV-Schnelltest für Zuhause zugelassen. Damit lässt sich die Infektion bei manchen Menschen früher erkennen - ein enormer Vorteil für die HIV-Behandlung. Die fehlende Beratung birgt jedoch auch Gefahren.

HIV-Schnelltest für zu Hause könnte Behandlung von Aids verbessern - SPIEGEL ONLINE

Nach welchen Kriterien arbeitet denn der Test überhaupt? Fast jedes Land hat doch eine unterschiedliche Definition von AIDS und welche Tests dafür durchgeführt werden. So passiert es, dass man in einem Land positiv auf AIDS getest wird während die gleiche Blutprobe in einem anderen Land negativ ist.

[Kein Pardon]

...Wird ein ansonsten gesundheitlich fitter Mensch früh behandelt, hat er eine annähernd normale Lebenserwartung...

HIV-Schnelltest für zu Hause könnte Behandlung von Aids verbessern - SPIEGEL ONLINE

Völlig unverantwortlich, eine solche Behauptung in den Raum zu stellen. Dieser Quatsch wird wohl offensichtlich im Auftrag der Pharmaindustrie verbreitet, die sich an jedem neuen HIV-Patienten dumm und dämlich verdient.

Eine absolut unsinnige Botschaft gerade an junge Leute!

[tubaner]

Erst einmal @Redaktion: warum gibt es zu dem Thema zwei Artikel (Wissenschaftsressort, Gesundheitsressort) mit jeweils eigener Forumsdiskussion (1, 2)? Ich hab bei der Suche nach meinem Kommentar von vorher zwischenzeitlich an meiner geistigen Gesundheit gezweifelt…

Nun eine kleine Statistik-Wiederholung für die Profis: […]
Intreressant sind aber die umgekehrten Vorhersagewerte, nämlich die bedingte Wahrscheinlichkeit, dass das Testergebnis den richtigen Infektionsstatus anzeigt, diese ist P(K|T+) und entsprechend P(nicht-K|T-)
Jetzt muss man mit dem Bayes-Theorem, der Prävalenz (a-priori-Wahrscheinlichkeit) die positiven Vorhersagewerte errechnen.

Den Rechenweg spar ich mir hier mal, aber im Ergebnis kommt heraus, dass der Test insbesondere bei Risikogruppen jedweder Art ein zuverlässiges Ergebnis nahe 100% ergibt, da hier die Prävalenz höher ist als in der Allgemeinbevölkerung.

Ich hab es mal schnell nachgerechnet: bei einer Risikogruppe
mit Prävalenz 1% gilt P(K|T+) = 97,89%,
bei Prävalenz 10% gilt P(K|T+) = 99,80%,
bei Prävalenz 50% sogar P(K|T+) = 99,98%.
Wohingegen für die Allgemeinbevölkerung (Prävalenz 0,08%) der Test wie benny gesagt hat ziemlich unzuverlässig ist: P(K|T+) = 78,65%.

[xRGBx]

Für alle die die Rechenwege von Benny und Co nicht verstehen:

Es sind so wenige Leute HIV Positiv, dass mehr Menschen zu unrecht positiv getestet werden, als tatsächlich Menschen infiziert sind.


Im Mathe-LK haben wir mit damals aktuellen Zahlen (vor etwa 7 Jahren) ausgerechnet, dass ein positiver Test mit 90% Wahrscheinlichkeit falsch ist.

Das gilt natürlich nur, wenn man keiner Risikogruppe angehört.

[brainbox]

Frühere Generationen von Tests wurden mit Blutbestandteilen von Menschen standardisiert, deren Symptome als Symptome einer HI-Virusinfektion eingestuft worden waren. Ich konnte noch nichts darüber finden womit dieser Test standardisiert wurde.

Dafür fand ich ein Untersuchungsergebnis, das empfiehlt "frische" Testkits zu verwenden. Weil die Rate der falsch-positiven Egebnisse höher wird je näher das Testkit am Ablaufdatum ist.
http://www.plosone.org/article/info:doi/10.1371/journal.pone.0008217

[Gregor]

Correction: July 5, 2012



Because of an editing error, an article on Wednesday about federal approval of a rapid H.I.V. test sold over the counter for use at home reversed the odds of a person’s getting a false positive or false negative result in taking the OraQuick H.I.V. test. About one person in 5,000 would get a false positive test, and about one person in 12 could get a false negative — not the other way around.

[Celegorm]

Eine absolut unsinnige Botschaft gerade an junge Leute!

Wieso eine unsinnige Botschaft? Eine annähernd normale Lebenserwartung, welche mittlerweile effektiv nicht mehr von der Hand zu weisen ist, bedeutet noch lange kein normales Leben. Es sollte eigentlich klar sein, dass diese Lebenserwartung mit einer permanenten rigorosen Medikamenteneinnahme erkauft wird. Ein Spass ist das deshalb noch lange nicht. Auf der anderen Seite gibt es eigentlich keinen Grund für diese seit je her etwas gar hysterische Prävention bei dem Thema.

[kumi-ori]

Das mit den 92 % Sensitivität kann so nicht unkommentiert übernommen werden. Die Sensitivität des Tests beträgt nach Herstellerangaben 99,3 %
Woher kommen nun die 92%? Diese kommen aus einer Testung von 5000 Personen. Da die Sensitivität 99,3% beträgt, sind also 5000*0,993 richtige Ergebnisse zu erwarten, das sind 4965. Also sind 35 Ergebnisse falsch. je nach Anzahl der tatsächlich infizierten in dieser Testgruppe errechnen sich dann diese 92%. Das ist das Problem von allen medizinischen Tests, wenn in der Grundgesamtheit das zu testende Merkmal nur eine sehr geringe Verbreitung aufweist.
Die Güte des Testergebnisses hängt also von der Verbreitung in der zu testenden Gruppe ab, dies nenn man auch Prävalenz.

Dem statistisch nicht so informierten Leser kann daher zusammenfassend gesagt werden, dass man dieses Problem durch Angabe der "accuracy" löst. Dies ist die pauschale Wahrscheinlichkeit, dass das Testergebnis auch richtig ist. Die "accuracy" bei diesem Test beträgt 99%. Man kann ihn daher unbesorgt durchführen und sich auf das Ergebnis verlassen..

Nun eine kleine Statistik-Wiederholung für die Profis:
Sensitivität ist die bedingte Wahrscheinlichkeit, dass der Test bei einer infizierten Person (K) richtig positiv reagiert. P(T+|K)
Spezifität ist die bedingte Wahrscheinlichkeit, dass eine nicht infizierte Person ein richtiges negatives Testergebnis erhält P(T-|K)

Intreressant sind aber die umgekehrten Vorhersagewerte, nämlich die bedingte Wahrscheinlichkeit, dass das Testergebnis den richtigen Infektionsstatus anzeigt, diese ist P(K|T+) und entsprechend P(nicht-K|T-)
Jetzt muss man mit dem Bayes-Theorem, der Prävalenz (a-priori-Wahrscheinlichkeit) die positiven Vorhersagewerte errechnen.

Den Rechenweg spar ich mir hier mal, aber im Ergebnis kommt heraus, dass der Test insbesondere bei Risikogruppen jedweder Art ein zuverlässiges Ergebnis nahe 100% ergibt, da hier die Prävalenz höher ist als in der Allgemeinbevölkerung.

Man kann es an einem kurzen Beispiel verdeutlichen: Sei die Prävalenz 0,001 (also 1 infizierter auf Tausend) und die Spezifität 99,3%, dann sind bei 100.000 Testpersonen nach der Prävalenz 100 positive Testergebnisse zu erwarten. Der Test zeigt aber nur 99,3 (gerundet: 99) positive Ergebnisse an. Einer wird also übersehen.
Bei der Sensitivität mit 99,8% ergeben sich 99800 negative Ergebnisse, also 200 positive Ergebnisse. Es sind also 100 positive Ergebnisse falsch, also nur 50% der positiven Ergebnisse auf eine Infektion zurückzuführen.
Das heisst, das man bei Anwendung des Heimtests bei einem negativen Ergebnis (fast) sicher sein kann, auch negativ zu sein.
Und dies will man ja gerade testen....

Dementsprechend sind die 92% ("jedes 12. Ergebnis falsch") eine für die Praxis untaugliche Angabe.

Von 1000 positiven Proben werden 993 erkannt. Das ist Fakt.

Ich kann Ihnen nicht folgen: es hieß im Text, jeder zwölfte positive Patient werde nicht erkannt (falsch negativ). Das heißt, wenn ich positiv bin und den Test mache, dann besteht ein 8%iges Risiko, dass meine Infektion nicht erkannt wird. Für diesen Mangel ist es unerheblich, dass die Prävalenz hoch oder niedrig sein mag, dass ich zu einer Hoch-Risiko-Gruppe gehöre oder nicht. Dass die Wahrscheinlichkeit, infiziert zu sein, insgesamt gering ist, entschuldigt nicht die fehlende Sensitivität. Schließlich weiß ich ja, warum ich den Test machen will.