Gigavatting - Voortgangtoets
Deze bundel is gemaakt van aantekeningen die ik heb verzameld over veelvoorkomende
voortgangstoetsonderwerpen. Hoewel hij aardig uitgebreid is zal er altijd wel iets ontbreken dat
getoetst kan worden. Ik raad het daarom ook af om de gehele bundel uit je hoofd te leren, maar
eerder om de hoofdstukken door te bladeren als opfrisser of de onderdelen na te checken waar
je eerder fouten op hebt gemaakt.
Succes!
Versie 10-2025
1
,Hoofdstukken
§1. Statistiek ....................................................................................................................3
§2. Medische rechtsgeleerdheid.................................................................................... 12
§3. Medische ethiek ..................................................................................................... 16
§4. Moleculaire mechanismen van Gezondheid ............................................................ 19
§5. Interne geneeskunde ................................................................................................ 42
§6. Infectiologie en microbiologie ............................................................................... 103
§7. Cardiologie............................................................................................................. 131
§8. Pulmonologie (longeneeskunde) ................................................................................ 152
§9. Gastero-enterologie .............................................................................................. 167
§10. Neurologie ........................................................................................................... 203
§11. Psychiatrie ............................................................................................................ 236
§12. Orthopedie, het bewegingsapparaat en traumachirurgie ...................................... 255
§13. Urologie ............................................................................................................... 286
§14. Gynaecologie ....................................................................................................... 297
§15. Pediatrie (kindergeneeskunde) .................................................................................. 314
§16. Dermatologie ....................................................................................................... 322
§17. Keel-neus-oor ...................................................................................................... 359
§18. Oftalmologie (oogheelkunde) ................................................................................... 367
§19. Farmacologie ........................................................................................................ 377
Voor vragen/opmerkingen:
2
,§1. Statistiek
Calculatie
- TP/FP/TN/FN
o TP (true positive): ziekte+,
Test+
o FP (false positive): ziekte-,
Test+
o TN (true negative): ziekte-,
Test-
o FN (fale negative): ziekte+,
Test-
- Specificiteit, sensitiviteit,
positief voorspellende
waarde en negatief
voorspellende waarde.
→ kruistabel
o Sensitiviteit: vermogen van een test om zieken correct te identificeren (hoe weinig
vals-negatieven er zijn).
▪ Sens = TP/(TP+FN)
▪ Voorbeeld: stel een test voor HIV detecteert 95 van 100 echt geïnfecteerde
patiënten → sensitiviteit = 95%.
o Specificiteit: vermogen van een test om niet-zieken correct te identificeren (hoe
weinig vals-positieven er zijn).
▪ Spec = TN(TN+FP)
▪ Voorbeeld: een test voor borstkanker geeft bij 90 van 100 gezonde vrouwen een
negatieve uitslag → specificiteit = 90%.
o Positief voorspellende waarde (PVW): kans dat iemand met een positieve testuitslag
ook écht ziek is.
▪ PVW = TP/(TP+FP
▪ Voorbeeld: bij een zeldzame ziekte kan een test met hoge sensitiviteit en
specificiteit tóch een lage PVW hebben. Stel 1000 mensen getest, 10 ziek, test
vindt 9 zieken (TP), maar geeft ook 90 vals-positieven → PVW = 9 / (9+90) = 9%.
o Negatief voorspellende waarde (NVW): kans dat iemand met een negatieve
testuitslag ook écht gezond is.
▪ NVW = TN/(TN+FN)
▪ Voorbeeld: in dezelfde setting hierboven: 891 echte negatieven (TN) en 1 vals-
negatief (FN) → NVW = 891 / (891+1) = 99,9%.
Kortom, sensitiviteit en specificiteit beschrijven de intrinsieke kwaliteit van een test en blijven
gelijk, ongeacht hoe vaak een ziekte voorkomt in de populatie (prevalentie). De positief en
negatief voorspellende waarde daarentegen geven de kans dat een testuitslag bij een individuele
patiënt klopt, en zijn daardoor sterk afhankelijk van de prevalentie: hoe hoger de prevalentie, hoe
hoger de PVW; hoe lager de prevalentie, hoe hoger de NVW.
3
, Groot voorbeeld
Stel 10.000 mensen uit deze populatie zullen er
100 de ziekte hebben (prevalentie 1%). 9900
personen (99%) hebben de ziekte niet. Een
sensitiviteit van 99% betekent dat de test bij 99
zieke mensen positief is. Bij een specificiteit
van 99% betekent dat de test bij 9801 van de
9900 mensen (0,99*9900) negatief zal uitslaan.
Nu kan je de PPV en NPV uitrekenen:.
Je ziet in de tabel dat je bij deze groep van 10.000 mensen 198 keer een positieve testuitslag mag
verwachten. 99 keer zal dat van een ziek persoon zijn, en 99 keer van een gezond persoon. De
kans dat jouw willekeurige persoon met een positieve testuitslag daadwerkelijk de ziekte heeft,
is 99/198, oftewel 50%! Ondanks de uitstekende sensitiviteit en specificiteit.
Dankzij de lage prevalentie en de hoge sensitiviteit is de NPV wel heel goed, namelijk 99,99%.
Een hoge specificiteit geeft een hoge positief voorspellende waarde (PPV), oftewel hoe hoger de
specificiteit, hoe hoger de betrouwbaarheid van een positieve testuitslag. Een hoge sensitiviteit
geeft een hoge negatief voorspellende waarde (NPV), oftewel hoe hoger de sensitiviteit, hoe
hoger de betrouwbaarheid van een negatieve testuitslag.
- Prevalentie vs incidentie
o Prevalentie: het aantal mensen dat op een bepaald moment (puntprevalentie) of in
een bepaalde periode (periodeprevalentie) een ziekte heeft. Dit omvat zowel
bestaande als nieuwe gevallen.
o Incidentie: het aantal nieuwe gevallen dat optreedt in een bepaalde periode, vaak
weergegeven per 1.000 of 100.000 personen per jaar.
- Risico’s
o Risk difference (RD): absoluut verschil in risico tussen twee groepen.
▪ RD = risico blootgestelde groep – risico niet-blootgestelde groep
▪ Voorbeeld: 20% longkanker bij rokers vs. 1% bij niet-rokers → RD = 19%.
o Relatief risico (RR): verhouding van het risico in de blootgestelde groep ten opzichte
van de niet-blootgestelde groep
▪ RR = risico blootgestelde groep / risico niet-blootgestelde groep
▪ Voorbeeld: 20% / 1% = RR 20 → rokers hebben 20× zoveel kans
o Attributief risico (AR): extra risico op ziekte in de blootgestelde groep dat aan de
blootstelling kan worden toegeschreven (in feite zelfde formule als RD, maar nadruk
op blootstelling)
▪ AR = risico blootgestelde groep – risico niet-blootgestelde groep
▪ Voorbeeld: 20% – 1% = 19% → dus 19% van het risico bij rokers komt door roken
o Attributief risico percentage (AR%): aandeel van de ziektegevallen bij de
blootgestelden dat aan de blootstelling kan worden toegeschreven
▪ AR% = (AR / risico blootgestelde groep) × 100%
▪ Voorbeeld: (19% / 20%) × 100% = 95%
- Number needed to X
o Number needed to treat (NNT): Aantal patiënten dat behandeld moet worden voor
één extra goed resultaat. Hoe lager, hoe beter.
▪ NNT = 1/RD
4
Deze bundel is gemaakt van aantekeningen die ik heb verzameld over veelvoorkomende
voortgangstoetsonderwerpen. Hoewel hij aardig uitgebreid is zal er altijd wel iets ontbreken dat
getoetst kan worden. Ik raad het daarom ook af om de gehele bundel uit je hoofd te leren, maar
eerder om de hoofdstukken door te bladeren als opfrisser of de onderdelen na te checken waar
je eerder fouten op hebt gemaakt.
Succes!
Versie 10-2025
1
,Hoofdstukken
§1. Statistiek ....................................................................................................................3
§2. Medische rechtsgeleerdheid.................................................................................... 12
§3. Medische ethiek ..................................................................................................... 16
§4. Moleculaire mechanismen van Gezondheid ............................................................ 19
§5. Interne geneeskunde ................................................................................................ 42
§6. Infectiologie en microbiologie ............................................................................... 103
§7. Cardiologie............................................................................................................. 131
§8. Pulmonologie (longeneeskunde) ................................................................................ 152
§9. Gastero-enterologie .............................................................................................. 167
§10. Neurologie ........................................................................................................... 203
§11. Psychiatrie ............................................................................................................ 236
§12. Orthopedie, het bewegingsapparaat en traumachirurgie ...................................... 255
§13. Urologie ............................................................................................................... 286
§14. Gynaecologie ....................................................................................................... 297
§15. Pediatrie (kindergeneeskunde) .................................................................................. 314
§16. Dermatologie ....................................................................................................... 322
§17. Keel-neus-oor ...................................................................................................... 359
§18. Oftalmologie (oogheelkunde) ................................................................................... 367
§19. Farmacologie ........................................................................................................ 377
Voor vragen/opmerkingen:
2
,§1. Statistiek
Calculatie
- TP/FP/TN/FN
o TP (true positive): ziekte+,
Test+
o FP (false positive): ziekte-,
Test+
o TN (true negative): ziekte-,
Test-
o FN (fale negative): ziekte+,
Test-
- Specificiteit, sensitiviteit,
positief voorspellende
waarde en negatief
voorspellende waarde.
→ kruistabel
o Sensitiviteit: vermogen van een test om zieken correct te identificeren (hoe weinig
vals-negatieven er zijn).
▪ Sens = TP/(TP+FN)
▪ Voorbeeld: stel een test voor HIV detecteert 95 van 100 echt geïnfecteerde
patiënten → sensitiviteit = 95%.
o Specificiteit: vermogen van een test om niet-zieken correct te identificeren (hoe
weinig vals-positieven er zijn).
▪ Spec = TN(TN+FP)
▪ Voorbeeld: een test voor borstkanker geeft bij 90 van 100 gezonde vrouwen een
negatieve uitslag → specificiteit = 90%.
o Positief voorspellende waarde (PVW): kans dat iemand met een positieve testuitslag
ook écht ziek is.
▪ PVW = TP/(TP+FP
▪ Voorbeeld: bij een zeldzame ziekte kan een test met hoge sensitiviteit en
specificiteit tóch een lage PVW hebben. Stel 1000 mensen getest, 10 ziek, test
vindt 9 zieken (TP), maar geeft ook 90 vals-positieven → PVW = 9 / (9+90) = 9%.
o Negatief voorspellende waarde (NVW): kans dat iemand met een negatieve
testuitslag ook écht gezond is.
▪ NVW = TN/(TN+FN)
▪ Voorbeeld: in dezelfde setting hierboven: 891 echte negatieven (TN) en 1 vals-
negatief (FN) → NVW = 891 / (891+1) = 99,9%.
Kortom, sensitiviteit en specificiteit beschrijven de intrinsieke kwaliteit van een test en blijven
gelijk, ongeacht hoe vaak een ziekte voorkomt in de populatie (prevalentie). De positief en
negatief voorspellende waarde daarentegen geven de kans dat een testuitslag bij een individuele
patiënt klopt, en zijn daardoor sterk afhankelijk van de prevalentie: hoe hoger de prevalentie, hoe
hoger de PVW; hoe lager de prevalentie, hoe hoger de NVW.
3
, Groot voorbeeld
Stel 10.000 mensen uit deze populatie zullen er
100 de ziekte hebben (prevalentie 1%). 9900
personen (99%) hebben de ziekte niet. Een
sensitiviteit van 99% betekent dat de test bij 99
zieke mensen positief is. Bij een specificiteit
van 99% betekent dat de test bij 9801 van de
9900 mensen (0,99*9900) negatief zal uitslaan.
Nu kan je de PPV en NPV uitrekenen:.
Je ziet in de tabel dat je bij deze groep van 10.000 mensen 198 keer een positieve testuitslag mag
verwachten. 99 keer zal dat van een ziek persoon zijn, en 99 keer van een gezond persoon. De
kans dat jouw willekeurige persoon met een positieve testuitslag daadwerkelijk de ziekte heeft,
is 99/198, oftewel 50%! Ondanks de uitstekende sensitiviteit en specificiteit.
Dankzij de lage prevalentie en de hoge sensitiviteit is de NPV wel heel goed, namelijk 99,99%.
Een hoge specificiteit geeft een hoge positief voorspellende waarde (PPV), oftewel hoe hoger de
specificiteit, hoe hoger de betrouwbaarheid van een positieve testuitslag. Een hoge sensitiviteit
geeft een hoge negatief voorspellende waarde (NPV), oftewel hoe hoger de sensitiviteit, hoe
hoger de betrouwbaarheid van een negatieve testuitslag.
- Prevalentie vs incidentie
o Prevalentie: het aantal mensen dat op een bepaald moment (puntprevalentie) of in
een bepaalde periode (periodeprevalentie) een ziekte heeft. Dit omvat zowel
bestaande als nieuwe gevallen.
o Incidentie: het aantal nieuwe gevallen dat optreedt in een bepaalde periode, vaak
weergegeven per 1.000 of 100.000 personen per jaar.
- Risico’s
o Risk difference (RD): absoluut verschil in risico tussen twee groepen.
▪ RD = risico blootgestelde groep – risico niet-blootgestelde groep
▪ Voorbeeld: 20% longkanker bij rokers vs. 1% bij niet-rokers → RD = 19%.
o Relatief risico (RR): verhouding van het risico in de blootgestelde groep ten opzichte
van de niet-blootgestelde groep
▪ RR = risico blootgestelde groep / risico niet-blootgestelde groep
▪ Voorbeeld: 20% / 1% = RR 20 → rokers hebben 20× zoveel kans
o Attributief risico (AR): extra risico op ziekte in de blootgestelde groep dat aan de
blootstelling kan worden toegeschreven (in feite zelfde formule als RD, maar nadruk
op blootstelling)
▪ AR = risico blootgestelde groep – risico niet-blootgestelde groep
▪ Voorbeeld: 20% – 1% = 19% → dus 19% van het risico bij rokers komt door roken
o Attributief risico percentage (AR%): aandeel van de ziektegevallen bij de
blootgestelden dat aan de blootstelling kan worden toegeschreven
▪ AR% = (AR / risico blootgestelde groep) × 100%
▪ Voorbeeld: (19% / 20%) × 100% = 95%
- Number needed to X
o Number needed to treat (NNT): Aantal patiënten dat behandeld moet worden voor
één extra goed resultaat. Hoe lager, hoe beter.
▪ NNT = 1/RD
4
