Valores Epidemiológicos de las Pruebas de Diagnóstico

Descripción General de las Pruebas de Tamizaje

Pruebas de tamizaje

Las pruebas de tamizaje se utilizan para identificar a personas en las primeras etapas de una enfermedad y permitir una intervención temprana con el objetivo de reducir la morbilidad y la mortalidad.

Las pruebas de tamizaje no proporcionan un diagnóstico definitivo:

• Las pruebas de tamizaje no “prueban” que una persona tenga una enfermedad, sino que solo brindan sospechas.
• Una prueba de tamizaje positiva es seguida por otra prueba de diagnóstico, que (idealmente) puede verificar definitivamente la sospecha (e.g., biopsia).

La utilidad de las pruebas de tamizaje requiere la evaluación de:

• Frecuencia de sobrediagnóstico: ¿Con qué frecuencia una prueba sugiere que un paciente tiene una enfermedad cuando en realidad no es así?
• Frecuencia de diagnóstico erróneo
• Efectos adversos de la prueba: ¿La prueba es dolorosa o dañina?
• Tamizaje de enfermedades para las que la intervención temprana no ha demostrado ningún beneficio

Tablas de contingencia utilizadas en la evaluación de las pruebas de tamizaje

Las tablas de contingencia se utilizan comúnmente en el análisis estadístico de múltiples variables. Para evaluar el valor epidemiológico de una prueba de tamizaje, se puede usar una tabla similar a la que se presenta a continuación para determinar las frecuencias relativas de individuos con diferentes combinaciones de resultados de la prueba de tamizaje (positivos o negativos) y el estado real de la enfermedad (realmente tienen o no tienen la enfermedad).

Es importante que la tabla esté configurada de manera estándar para que las fórmulas estándar sean aplicables. La tabla estándar se presenta a continuación (con los resultados de las pruebas de tamizaje a la izquierda, el estado real de la enfermedad en la parte superior y las respuestas “sí” antes de las respuestas “no”).

En esta tabla:

• A representa verdaderos positivos: personas con una prueba de tamizaje positiva y que realmente tienen la enfermedad
• B representa falsos positivos: personas con una prueba de tamizaje positiva, pero que en realidad no tienen la enfermedad
• C representa falsos negativos: personas con una prueba de tamizaje negativa, pero que en realidad tienen la enfermedad
• D representa verdaderos negativos: personas con una prueba de tamizaje negativa y que no tienen la enfermedad

Falsos Positivos y Falsos Negativos

Falso positivo

• El resultado falso positivo de una prueba indica que una persona tiene la enfermedad cuando no la tiene.
• Conocido como un error tipo I:
  • Un error en el que el resultado de una prueba indica incorrectamente la presencia de una afección cuando la afección no está realmente presente
  • Un rechazo de una hipótesis nula verdadera
• Efectos de los resultados falsos positivos:
  • Puede conducir a pruebas y medicamentos innecesarios
  • Carga sobre el sistema de salud
  • Ansiedad para los pacientes

Falso negativo

• El resultado falso negativo de una prueba indica que una persona no tiene la enfermedad cuando, de hecho, la tiene.
• Conocido como un error tipo II:
  • Un error en el que, incorrectamente, el resultado de la prueba no detecta la presencia de una afección cuando, de hecho, la afección está presente
  • No rechazo de una hipótesis nula falsa
• Efectos de los resultados falsos negativos:
  • Las personas con la enfermedad no son diagnosticadas con prontitud.
  • Conduce a un retraso en el plan de tratamiento y un posible ↑ en la morbilidad o mortalidad

Sensibilidad y Especificidad

La sensibilidad y la especificidad son medidas utilizadas para evaluar el rendimiento de las pruebas de tamizaje y de diagnóstico.

Sensibilidad

Definición:

• Probabilidad de que una prueba diagnostique con precisión a una persona que tiene la enfermedad
• La proporción de personas enfermas que resultan positivo
• Una medida de la inclusividad de una prueba diagnóstica: ¿Identifica a todos los que realmente tienen la enfermedad?

Cálculos:

Para calcular la sensibilidad, se debe configurar una tabla de contingencia de 2×2:

La sensibilidad es la proporción de personas que resultan positivo en la prueba de tamizaje y tienen la enfermedad (verdaderos positivos, que se encuentra en el cuadrado A) dividida entre todas las personas que están realmente enfermas, independientemente de los resultados de la prueba de tamizaje (verdaderos positivos y falsos negativos, A + C). La sensibilidad está representada por la siguiente ecuación:

Ejemplo: Se evalúa una nueva prueba de diagnóstico en un grupo de pacientes: se sabe que 100 pacientes tienen la enfermedad y otros 100 pacientes se sabe que están libres de la enfermedad en un grupo control. Entre ellos, 90 pacientes con la enfermedad y 20 individuos en el grupo control muestran un resultado positivo. ¿Cuál es la sensibilidad de la nueva prueba?

Respuesta: En este caso, había 100 pacientes que se sabía que tenían la enfermedad. La sensibilidad es la proporción de estos pacientes que fueron identificados correctamente en base a la prueba positiva. Configure una tabla de contingencia de la siguiente manera:

Importancia de la sensibilidad:

• Las pruebas con alta sensibilidad son importantes cuando es crucial pasar por alto la menor cantidad de casos como sea humanamente posible.
• Las pruebas con alta sensibilidad son buenas pruebas de tamizaje.
• Ejemplo: pruebas de tamizaje de virus de inmunodeficiencia humana (VIH). Para la 1ra prueba de tamizaje, desea lanzar una red amplia y detectar todos los casos positivos. Es probable que termine con una mayor cantidad de falsos positivos (que se pueden identificar en pruebas confirmatorias posteriores) al no haber perdido a nadie durante su prueba de tamizaje inicial.

Especificidad

Definición:

• Probabilidad de que una prueba, correctamente, rechace a una persona que no tiene la enfermedad
• La proporción de personas sanas que resultan negativo
• Una medida de la exclusividad de una prueba diagnóstica

Cálculo:

La especificidad también se calcula utilizando una tabla de contingencia similar:

La especificidad es la proporción de personas que son realmente negativas y tienen una prueba de tamizaje negativa (verdaderos negativos, que se encuentra en el cuadro D) dividida entre todas las personas que son realmente negativas, independientemente de los resultados de su prueba de tamizaje (verdaderos negativos y falsos positivos, B + D). La especificidad está representada por las siguientes ecuaciones:

donde VN = verdaderos negativos y FP = falsos positivos

Ejemplo: Se prueba una nueva prueba de diagnóstico en un grupo de pacientes: se sabe que 100 pacientes tienen la enfermedad y se sabe que otros 100 pacientes están libres de la enfermedad en un grupo control. Entre ellos, 90 pacientes con la enfermedad y 20 individuos en el grupo control muestran un resultado positivo. ¿Cuál es la especificidad de la nueva prueba?

Respuesta: En este caso, se sabe que todos los pacientes del grupo control están libres de enfermedad. La especificidad es la proporción de estos pacientes que fueron identificados correctamente en base a la prueba negativa. Configure una tabla de contingencia de la siguiente manera:

Importancia de la especificidad:

• Las pruebas con alta especificidad son importantes cuando es crucial que excluya a todos los que están realmente sanos.
• Las pruebas con alta especificidad son buenas pruebas de confirmación/diagnóstico.
• Ejemplo: Pruebas de confirmación de VIH. No queríamos excluir a nadie en las pruebas de tamizaje iniciales; por lo tanto, aceptamos una tasa alta de falsos positivos para asegurarnos de que nadie con VIH fuera excluido. Sin embargo, antes de comenzar un tratamiento de por vida con antirretrovirales, es importante excluir todos los casos de falsos positivos para garantizar que solo las personas que son realmente VIH positivas reciban tratamiento.

Valores Predictivos Positivos y Negativos

Los valores predictivos también se denominan “índices de precisión”.

Valor predictivo positivo

Definición:

El valor predictivo positivo es el porcentaje de personas con resultado positivo que realmente tienen la enfermedad entre todas las personas con resultado positivo (A), independientemente de que tengan o no la enfermedad (A+B).

Cálculo:

El valor predictivo positivo se calcula mediante la ecuación:

donde A = verdaderos positivos y B = falsos positivos

Ejemplo: Se prueba una nueva prueba de diagnóstico en un grupo de pacientes: se sabe que 100 pacientes tienen la enfermedad y se sabe que otros 100 pacientes están libres de la enfermedad en un grupo control. Entre ellos, 90 pacientes con la enfermedad y 20 individuos en el grupo control muestran un resultado positivo. ¿Cuál es el valor predictivo positivo de la nueva prueba?

Respuesta: El valor predictivo positivo pregunta sobre la proporción de casos de verdaderos positivos de todos los casos positivos (verdaderos positivos + falsos positivos). Configure una tabla de contingencia de la siguiente manera:

Diferencia entre valor predictivo positivo y sensibilidad:

• El valor predictivo positivo considera a todos los pacientes con una prueba positiva, incluidos los que realmente tienen y los que no tienen la enfermedad.
• La sensibilidad considera a todos los pacientes que realmente tienen la enfermedad, incluidos aquellos con pruebas positivas y negativas.

Valor predictivo negativo

Definición:

El valor predictivo negativo es el porcentaje de personas con resultado negativo en la prueba que realmente están libres de la enfermedad (D), entre todas las personas con resultado negativo (independientemente de que tengan o no la enfermedad, C + D).

Cálculo:

El valor predictivo negativo se calcula utilizando la siguiente ecuación:

donde D = verdaderos negativos y C = falsos negativos

Ejemplo: Se prueba una nueva prueba de diagnóstico en un grupo de pacientes: se sabe que 100 pacientes tienen la enfermedad y se sabe que otros 100 pacientes están libres de la enfermedad en un grupo control. Entre ellos, 90 pacientes con la enfermedad y 20 individuos en el grupo control muestran un resultado positivo. ¿Cuál es el valor predictivo negativo de la nueva prueba?

Respuesta: El valor predictivo negativo pregunta sobre la proporción de casos verdaderos negativos de todos los casos negativos (verdaderos negativos + falsos negativos). Configure una tabla de contingencia de la siguiente manera:

Diferencia entre valor predictivo negativo y especificidad:

• El valor predictivo negativo busca a todos los pacientes con una prueba negativa, incluidos los que realmente tienen y los que no tienen la enfermedad.
• La especificidad busca a todos los pacientes que están realmente libres de enfermedad, incluidos aquellos con pruebas positivas y negativas.

Ejemplo de Resumen: Sensibilidad, Especificidad, Valor Predictivo Positivo y Valor Predictivo Negativo

Ejemplo en embarazo:

En un estudio, 4810 mujeres se hicieron una prueba de embarazo casera en orina. A todas ellas se les realiza un ultrasonido para confirmar si realmente están embarazadas o no. Entre ellas, 9 mujeres tienen un resultado positivo en la prueba de embarazo en orina y en realidad se descubre que están embarazadas en un ultrasonido; 1 mujer tiene un resultado negativo en la prueba de embarazo en orina, pero en realidad está embarazada; 351 mujeres tienen resultados positivos en la prueba de embarazo en orina y se encuentra que no están embarazadas; 4449 mujeres tienen resultados negativos en la prueba de embarazo en orina y los resultados del ultrasonido confirman que no están embarazadas. (Nota: estos son datos de muestra y no representan valores reales).

En este ejemplo, la prueba de embarazo casera es la prueba de tamizaje y “embarazo” es el estado de “enfermedad”.

La tabla de contingencia es la siguiente:

Cocientes de Probabilidad

Definición

• Los cocientes de probabilidad son razones de probabilidad que indican la probabilidad de que se espere un determinado resultado de una prueba en un paciente con la enfermedad en comparación con la probabilidad de que se espere el mismo resultado en un paciente sin la enfermedad.
• Los cocientes de probabilidad nos dicen cuánto debemos cambiar nuestra sospecha de que una persona tiene una afección según el resultado de su prueba.
• Interpretación:
  • Cociente de probabilidad > 1:
    • La prueba está asociada con la presencia de la enfermedad.
    • Un cociente de probabilidad alto (definido típica y arbitrariamente como > 5 o > 10) indica una fuerte sospecha de que una persona tiene la enfermedad si la prueba da positivo.
  • Cocientes de probabilidad < 1:
    • La prueba está asociada con la ausencia de la enfermedad.
    • Un cociente de probabilidad bajo indica una fuerte sospecha de que una persona no tiene la enfermedad si la prueba es negativa.
• En la práctica, normalmente solo usamos el cociente de probabilidad positivo.

Cociente de probabilidad positivo

• Definición: la probabilidad de un resultado de prueba positivo para una persona que realmente tiene la enfermedad (verdadero positivo), dividida por la probabilidad de un resultado de prueba positivo para alguien que realmente no tiene la enfermedad (falso negativo)
• Ecuaciones:
  • Cociente de probabilidad + = probabilidad de verdadero positivo / probabilidad de falso positivo
  • Cociente de probabilidad + = probabilidad (verdadero positivo) / probabilidad (falso positivo)
  • Puede expresarse en función de la sensibilidad y la especificidad:

Cociente de probabilidad negativo

• Definición: la probabilidad de un resultado de prueba negativo para una persona que realmente está sana (verdadero negativo), dividida por la probabilidad de un resultado de prueba negativo para alguien que realmente tiene la enfermedad (falso negativo)
• Ecuaciones:
  • Cociente de probabilidad ‒ = probabilidad de verdadero negativo / probabilidad de falso negativo
  • Cociente de probabilidad ‒ = probabilidad (verdadero negativo) / probabilidad (falso negativo)
  • Puede expresarse en función de la sensibilidad y la especificidad:

Ejemplo e interpretación del cociente de probabilidad

Usando el mismo ejemplo de embarazo en la sección anterior, y sabiendo que la sensibilidad fue del 90% y la especificidad del 92,7%, el cociente de probabilidad + y el cociente de probabilidad ‒ se pueden calcular de la siguiente manera:

Cociente de probabilidad + = 0,9 / (1 ‒ 0,927) = 12,3 = 1,230%

Cociente de probabilidad ‒ = (1 ‒ 0,9) / 0,927 = 0,11 = 11%

Interpretación: Hay una probabilidad 12 veces mayor de que una mujer que da positivo esté realmente embarazada. Un resultado negativo en la prueba reduce las probabilidades de estar embarazada en un 89%.

Probabilidades Previa y Posterior a la Prueba

Probabilidad previa a la prueba

• Probabilidad de que una persona a la que se ha hecho tamizaje tenga la enfermedad
• Determinación de la probabilidad previa a la prueba:
  • Se puede determinar utilizando datos epidemiológicos publicados: generalmente, la prevalencia de una enfermedad en la población
  • Las escalas de criterios clínicos también se pueden usar para calcular la probabilidad previa a la prueba (e.g., los criterios de trombosis venosa profunda (TVP) de Well para determinar clínicamente la probabilidad previa a la prueba de TVP)
• Usos clínicos:
  • Para calcular la probabilidad posterior a la prueba (ver más abajo)
  • Si es lo suficientemente alta, se puede utilizar para validar al comienzo del tratamiento sin realizar pruebas
  • Si es lo suficientemente baja, puede usarse para rechazar el diagnóstico como improbable

Probabilidad posterior a la prueba

• Probabilidad de que una persona tenga la enfermedad después de obtener los resultados de una prueba
• Cálculos:
  • Calculada típicamente usando calculadoras en línea en estudios clínicos
  • Involucra las siguientes variables:
    • Probabilidad previa a la prueba
    • Sensibilidad de la prueba
    • Especificidad de la prueba
• Probabilidad posterior a la prueba de un resultado positivo: probabilidad de que la enfermedad esté presente cuando el resultado de la prueba es positivo
• Probabilidad posterior a la prueba de un resultado negativo: probabilidad de que la enfermedad esté presente cuando el resultado de la prueba es negativo