Rekenen/statistiek: effectiviteit van COVID-testen

Onderbouw voortgezet onderwijs

Tijdens de coronaperiode was er natuurlijk veel onzekerheid in Nederland. Op een gegeven moment werd het testbeleid landelijk uitgerold. Armand Girbes, hoogleraar en hoofd IC van het VUmc, publiceerde een blog in Arts & Auto (de testsamenleving: een loze belofte) waar hij voorrekende hoe, ondanks de grote precisie van de test, bij grote aantallen testen én lage incidentie er een heleboel foute (vooral positieve) testresultaten voorkomen. En hij zette dus vraagtekens bij het gekozen beleid.

De kern van zijn betoog is samen te vatten met een simpele 2 bij 2 matrix waarbij hier voor het gemak een prevalentie van 0,1% is genomen (m.a.w. 1 op de 1000 geteste mensen heeft Covid), een specificiteit van 99% en een sensitiviteit van 90% (lees het blog voor een uitleg van deze begrippen die aangeven hoe ‘goed’ de test is in het correct diagnosticeren van wél of géén Covid)

.

Door de lage prevalentie blijkt 1 % van 99.900 niet-zieke mensen toch een groot aantal foutieve positieve testen op te leveren. Hierdoor is de kans dat een positieve test ook daadwerkelijk betekent dat je Covid hebt zeer laag (90/1089 = 8,26%).

Deze blog is behandeld in Quest bij rekenen/wiskunde. Het interessante is dat hier gewerkt wordt met vrij geavanceerde statistische begrippen als type I en type II fouten. Tegelijkertijd zijn de gepresenteerde berekeningen gewoon het netjes optellen en aftrekken en goed de percentages uitrekenen. Dit hebben we dan ook gedaan, door de gepresenteerde tabellen bij verschillende prevalenties na te rekenen.

De leeropbrengst is groot: naast het rekenen, wordt hier begrip en duiding gegeven over een belangrijk maatschappelijk onderwerp met behulp van vaardigheden die de leerlingen reeds bezitten. We kunnen het inhoudelijk betoog van een hoogleraar volgen en narekenen. En als klap op de vuurpijl bleek er in de blog een rekenfout te zijn gemaakt. De hierboven gepresenteerde kans op Covid na een positieve test bij prevalentie 0,1% was gepresenteerd als 4,8% ipv de correcte 8,26%. We hebben contact gezocht met de hoogleraar via LinkedIn en hij was zo sportief om onder de blog, tot groot enthousiasme van de leerlingen, het volgende te schrijven:

“CORRECTIE: Ondanks controle door 3 peers, dankzij een wiskunde-klas van leraar Gerdt Kernkamp werd ik gewezen op een rekenfoutje bij de prevalentie 0,1%: PPV = 8,26% en NIET 4,8% zoals ik hierboven schrijf. Excuses, mijn schuld. Het doet niet veel af aan de boodschap, maar toch …”

Zo beginnen jongvolwassenen zichzelf te zien als onderdeel van de samenleving waar ze op basis van inhoud een positieve bijdrage kunnen leveren. 

Bron: https://www.artsenauto.nl/de-testsamenleving-een-loze-belofte/