Der Anteil der Personen, die tatsächlich eine bestimmte Erkrankung haben und vom diagnostischen Test als positiv eingestuft werden; formal Sensitivität = TP / (TP + FN), wobei TP = True Positives und FN = False Negatives.

Prinzip

Hohe Sensitivität bedeutet eine niedrige Rate falscher Negativer für den gewählten Test‑Schwellenwert; ein hochsensitiver Test übersieht seltener Fälle bei tatsächlich Erkrankten.

Demonstration

Illustratives Szenario → Ein Screening‑Test für Erkrankung X wird gegen einen Referenzstandard in einer Stichprobe mit Erkrankten geprüft. Erkennung → Von 100 Erkrankten zeigt der Test bei 95 ein positives Ergebnis (TP=95, FN=5). Handlung → Kliniker werten negative Ergebnisse mit Vorsicht. Folge → Weniger übersehene Erkrankte als bei einem weniger sensitiven Test.

Fehlanwendung

Sensitivität als Wahrscheinlichkeit zu interpretieren, dass ein positives Testergebnis Krankheit bedeutet (Verwechslung von Sensitivität mit PPV). Der semantische Fehler liegt darin, P(test+ | krank) mit P(krank | test+) gleichzusetzen.

Konsequenz

Bei Auswahl eines hochsensitiven Schwellenwerts werden weniger Fälle übersehen (weniger FN), jedoch steigt üblicherweise die Zahl falscher Positiver, was zu mehr Bestätigungsuntersuchungen und zusätzlichem Ressourcenaufwand führen kann.

Umkehrung

Wenn der Referenzstandard unvollständig ist, ein Spektrumsbias vorliegt oder die getestete Population von der Validierungsstichprobe abweicht, gilt die gemessene Sensitivität möglicherweise nicht; in solchen Fällen garantiert hohe scheinbare Sensitivität nicht geringe FN‑Raten in der Praxis.

Abgrenzung

Innerhalb: Binäre diagnostische Tests im Vergleich zu einem definierten Referenzstandard mit spezifiziertem Positivitäts‑Schwellenwert. Randfall: Kontinuierliche Biomarker, deren Sensitivität vom gewählten Cut‑off abhängt. Außerhalb: Prävalenzabhängige Vorhersagegrößen (z. B. PPV) oder kalibrierte probabilistische Risikomodelle statt binärer Klassifikation.

Semantische Spannung

Sensitivität ↔ Spezifität: Eine Erhöhung der Sensitivität führt oft zu einer Verringerung der Spezifität desselben Tests, sodass die Maximierung der Sensitivität dem Ziel, Falsch‑Positive zu minimieren, entgegenstehen kann.

Synthese

Sensitivität quantifiziert, wie gut ein Test vorhandene Erkrankungen erkennt (P(test+ | krank)); ihr Wert ergibt sich aus den klinischen Folgen übersehener Fälle und aus der Abhängigkeit von Schwellenwert und Population.