Falsch-Positiv-Paradoxon — Wenn Logik sich verkleidet

Das Falsch-Positiv-Paradoxon tritt auf, wenn ein hochgenaurer Test bei einer seltenen Erkrankung in absoluten Zahlen mehr falsch-positive als richtig-positive Ergebnisse produziert. Selbst ein Test mit 99% Sensitivität und 99% Spezifität produziert bei 1% Prävalenz ein falsch-positives pro richtig-positivem Ergebnis.

Auch bekannt als: Basisratenvernachlässigung beim Testen, Screening-Paradoxon

Wie es funktioniert

Sensitivität und Spezifität sind bedingte Wahrscheinlichkeiten, die isoliert betrachtet beeindruckend wirken. Die Basisrate transformiert sie in den positiven prädiktiven Wert (PPV), der für klinische und politische Entscheidungen maßgeblich ist.

Ein klassisches Beispiel

Eine Erkrankung betrifft 1 von 1.000 Personen. Ein Test hat 99% Sensitivität und 99% Spezifität. Bei 100.000 getesteten Personen: 100 wahre Fälle, davon 99 positiv. Aber von 99.900 Gesunden testen 999 positiv — 10 Falsch-Positive pro Richtig-Positivem.

Wo man das in der Praxis findet

Flughafensicherheitsscreening, Massen-COVID-Tests und Drogentest-Programme sind alle mit dem Falsch-Positiv-Paradoxon konfrontiert; bei seltenen Erkrankungen sind die meisten positiven Ergebnisse falsch-positiv.

Wie man es erkennt und kontert

Immer den positiven prädiktiven Wert berechnen. Absolute Zahlen statt nur Raten berichten. Bestätigungstests für positive Ergebnisse in Betracht ziehen.

Das Fazit

Falsch-Positiv-Paradoxon gehört zu den Denkfehlern, die auf den ersten Blick völlig logisch klingen. Genau das macht sie gefährlich — sie tragen das Kostüm valider Argumentation, während sie eine fehlerhafte Schlussfolgerung einschmuggeln. Die beste Verteidigung? Langsamer werden und fragen: Folgt diese Schlussfolgerung tatsächlich aus diesen Prämissen?