Valores Epidemiológicos dos Testes Diagnósticos

Visão Geral dos Testes de Rastreio

Testes de rastreio

Os testes de rastreio são usados para identificar indivíduos nos estádios iniciais de uma doença e possibilitar a intervenção precoce com o objetivo de reduzir a morbimortalidade.

Os testes de rastreio não fornecem um diagnóstico definitivo:

• Os testes de rastreio não “provam” que uma pessoa tem uma doença, mas apenas elevam o grau de suspeição.
• Um teste de rastreio positivo é seguido por outro teste diagnóstico, que (idealmente) pode verificar definitivamente a suspeita (por exemplo, uma biópsia).

A utilidade dos testes de rastreio requer a avaliação de:

• Frequência de sobrediagnóstico: Com que frequência um teste sugere que um paciente tem uma doença quando na verdade não tem?
• Frequência de diagnóstico errado
• Efeitos adversos do teste: O teste é doloroso ou prejudicial?
• Rastreio de doenças para as quais a intervenção precoce não mostrou benefício

Tabelas de contingência usadas na avaliação de testes de rastreio

As tabelas de contingência são usadas frequentemente na análise estatística de múltiplas variáveis. Para avaliar o valor epidemiológico de um teste de rastreio, pode usar-se uma tabela semelhante à apresentada abaixo para determinar as frequências relativas de indivíduos com diferentes combinações de resultados de testes de rastreio (positivos ou negativos) e o estado real de doença (na realidade tem ou não tem a doença).

É importante que a tabela seja disposta de uma forma padronizada para que se possa aplicar fórmulas padrão. A tabela padrão é apresentada abaixo (com os resultados dos testes de rastreio à esquerda, o verdadeiro estado da doença no topo e as respostas “sim” antes das respostas “não”).

Nesta tabela:

• A representa verdadeiros positivos (VPs): indivíduos com teste de rastreio positivo e que, na realidade, têm a doença
• B representa falsos positivos (FPs): indivíduos com um teste de rastreio positivo, mas que, na realidade, não têm a doença
• C representa falsos negativos (FNs): indivíduos com um teste de rastreio negativo, mas que, na realidade, têm a doença
• D representa verdadeiros negativos (VNs): indivíduos com teste de rastreio negativo e que, na realidade, não têm a doença

Falsos Positivos e Falsos Negativos

Falso positivo

• Um resultado FP num teste indica que um indivíduo tem a doença quando, na realidade, não a tem.
• Conhecido como um erro do tipo I:
  • Um erro no qual um resultado de teste indica incorretamente a presença de uma doença quando esta não está realmente presente
  • A rejeição de uma hipótese nula verdadeira
• Efeitos dos resultados FP:
  • Pode levar a testes e medicamentos desnecessários
  • Sobrecarga do sistema de saúde
  • Ansiedade para os pacientes

Falso negativo

• Um resultado FN num teste indica que um indivíduo não tem a doença quando, na realidade, a tem.
• Conhecido como erro tipo II:
  • Um erro em que o resultado do teste falha na deteção da presença de uma doença quando, na realidade, esta está presente
  • A não rejeição de uma hipótese nula falsa
• Efeitos dos resultados FN:
  • Os indivíduos com a doença não são rapidamente diagnosticadas.
  • Leva a um atraso no plano de tratamento e um possível ↑ na morbilidade ou mortalidade

Sensibilidade e Especificidade

Sensibilidade e especificidade são medidas utilizadas para avaliar o desempenho dos testes de rastreio e diagnóstico.

Sensibilidade

Definição:

• Probabilidade de um teste diagnosticar com precisão uma pessoa que tem a doença
• A proporção de indivíduos doentes que testam positivo
• Uma medida da inclusão de um teste diagnóstico: o teste identifica todos que realmente têm a doença?

Cálculo:

Para calcular a sensibilidade, deve preencher-se uma tabela de contingência 2×2:

A sensibilidade é a proporção de indivíduos que testam positivo no teste de rastreio e que têm a doença (VPs, encontrados na célula A) dividida por todos os indivíduos que estão realmente doentes, independentemente dos resultados do teste de rastreio (VPs e FNs, A + C). A sensibilidade é representada pela seguinte equação:

Exemplo: Avalia-se um novo teste de diagnóstico num grupo de pacientes: sabe-se que 100 pacientes têm a doença e que outros 100 pacientes de um grupo de controlo não têm a doença. Entre eles, 90 pacientes com a doença e 20 indivíduos do grupo controlo apresentam resultado positivo. Qual é a sensibilidade do novo teste?

Resposta: Neste caso, havia 100 pacientes que sabidamente tinham a doença. A sensibilidade é a proporção desses pacientes que foram identificados corretamente com base no teste positivo. A tabela de contingência completa-se da seguinte forma:

Importância da sensibilidade:

• Testes com alta sensibilidade são importantes quando é crucial que se perca o menor número de casos humanamente possível.
• Testes com alta sensibilidade são bons testes de rastreio.
• Exemplo: testes de rastreio de VIH. Para o 1º teste de rastreio, deseja se lançar uma rede ampla e capturar todos os casos positivos. Provavelmente terminar-se-á com um número maior de FPs (que podem ser identificados por testes confirmatórios posteriores) por não se ter perdido ninguém durante o teste de rastreio inicial.

Especificidade

Definição:

• Probabilidade de um teste excluir corretamente uma pessoa que não tem a doença
• A proporção de pessoas saudáveis que testam negativo
• Uma medida da exclusividade de um teste de diagnóstico

Cálculo:

A especificidade também é calculada usando uma tabela de contingência semelhante:

A especificidade é a proporção de indivíduos que são verdadeiramente negativos e têm um teste de rastreio negativo (VNs, encontrado no quadrado D) dividida por todas os indivíduos que são realmente negativos, independentemente do resultado do teste de rastreio (VNs e FPs, B + D). A especificidade é representada pelas seguintes equações:

onde VN = verdadeiros negativos e FP = falsos positivos

Exemplo: Testa-se um novo teste de diagnóstico num grupo de pacientes: sabe-se que 100 pacientes têm a doença e que outros 100 pacientes de um grupo de controlo não têm a doença. Entre eles, 90 pacientes com a doença e 20 indivíduos do grupo de controlo apresentam um resultado positivo. Qual é a especificidade do novo teste?

Resposta: Neste caso, sabe-se que todos os pacientes do grupo controlo estão livres de doença. A especificidade é a proporção desses pacientes que foram identificados corretamente com base no teste negativo. A tabela de contingência completa-se da seguinte forma:

Importância da especificidade:

• Testes com alta especificidade são importantes quando é crucial excluir todos os que são verdadeiramente saudáveis.
• Testes com alta especificidade são bons testes confirmatórios/diagnósticos.
• Exemplo: testes de confirmação de VIH. Não queríamos excluir ninguém nos testes de rastreio iniciais; assim, aceitamos uma alta taxa de FP para garantir que ninguém com VIH é excluído. Antes de iniciar o tratamento vitalício com antirretrovirais, no entanto, é importante excluir todos os casos de FP para garantir que apenas os indivíduos verdadeiramente VIH positivos fazem o tratamento.

Valores Preditivos Positivos e Negativos

Os valores preditivos também são chamados “taxas de precisão”.

Valor preditivo positivo (VPP)

Definição:

O valor preditivo positivo é a percentagem de indivíduos com teste positivo que realmente tem a doença entre todas as pessoas com resultado positivo (A), independentemente de terem ou não a doença (A+B).

Cálculo:

O valor preditivo positivo é calculado usando a equação:

em que A = verdadeiros positivos e B = falsos positivos

Exemplo: Testa-se um novo teste de diagnóstico num grupo de pacientes: sabe-se que 100 pacientes têm a doença e que outros 100 pacientes de um grupo de controlo não têm a doença. Entre eles, 90 pacientes com a doença e 20 indivíduos do grupo controlo apresentam resultado positivo. Qual é o valor preditivo positivo do novo teste?

Resposta: O valor preditivo positivo questiona a proporção de casos VP de entre todos os casos positivos (VP + FP). A tabela de contingência completa-se da seguinte forma:

Diferença entre valor preditivo positivo e sensibilidade:

• O valor preditivo positivo considera todos os pacientes com teste positivo, incluindo aqueles que realmente têm e os que não têm a doença.
• A sensibilidade considera todos os pacientes que realmente têm a doença, incluindo aqueles com teste positivo e com teste negativo.

Valor preditivo negativo (VPN)

Definição:

O VPN é a percentagem de indivíduos com resultado negativo no teste que estão realmente livres da doença (D), entre todos os indivíduos com resultado negativo (independentemente de terem ou não a doença, C + D).

Cálculo:

O VPN é calculado usando a seguinte equação:

em que D = verdadeiros negativos e C = falsos negativos

Exemplo: Testa-se um novo teste de diagnóstico num grupo de pacientes: sabe-se que 100 pacientes têm a doença e que outros 100 pacientes de um grupo de controlo não têm a doença. Entre eles, 90 pacientes com a doença e 20 indivíduos do grupo de controlo apresentam resultado positivo. Qual é o VPN do novo teste?

Resposta: O VPN questiona a proporção de casos VN de todos os casos negativos (VN + FN). A tabela de contingência completa-se da seguinte forma:

Diferença entre VPN e especificidade:

• O VPN analisa todos os pacientes com teste negativo, incluindo aqueles que realmente têm e os que não têm a doença.
• A especificidade olha para todos os pacientes que estão realmente livres de doença, incluindo aqueles com teste positivo e com teste negativo.

Exemplo Resumo: Sensibilidade, Especificidade, Valor Preditivo Positivo e VPN

Exemplo da gravidez:

Num estudo, 4.810 mulheres fazem um teste de gravidez de urina em casa. Todas foram submetidas a uma ecografia para confirmar se estão ou não realmente grávidas. Entre elas, 9 mulheres tiveram resultado positivo no teste de gravidez na urina e descobriram na ecografia que estavam grávidas; 1 mulher teve um resultado negativo no teste de gravidez na urina, mas na verdade estava grávida; 351 mulheres tiveram resultado positivo no teste de gravidez de urina e não estavam grávidas; 4.449 mulheres tiveram resultado negativo no teste de gravidez na urina e o resultado da ecografia confirmou que não estavam grávidas. (Nota: estes são dados de uma amostra e não representam valores reais.)

Neste exemplo, o teste de gravidez em casa é o teste de rastreio e “gravidez” é o estado de “doença”.

A tabela de contingência é a seguinte:

Teste de Razão de Verossimilhança

Definição

• Razões de verossimilhança (ou rácios de verossimilhança ou, em inglês, likelihood ratios – LR) são ORs que indicam a probabilidade de um determinado resultado de teste ser esperado num paciente com a doença em comparação com a probabilidade de que o mesmo resultado seria esperado num paciente sem a doença.
• Os LRs dizem-nos em quanto devemos alterar o nosso grau de suspeição de que uma pessoa tem uma doença com base no resultado do teste.
• Interpretação:
  • LR > 1:
    • O teste está associado à presença da doença.
    • Um LR alto (tipicamente e arbitrariamente definido como > 5 ou > 10) indica uma forte suspeita de que uma pessoa tem a doença se o teste for positivo.
  • LR < 1:
    • O teste está associado à ausência da doença.
    • Um LR baixo indica uma forte suspeita de que uma pessoa não tem a doença se o teste for negativo.
• Na prática, normalmente usamos apenas o LR positivo (LR+).

Razão de verossimilhança positiva (LR+)

• Definição: a probabilidade de um resultado de teste positivo para uma pessoa que realmente tem a doença (VPs) dividida pela probabilidade de um resultado de teste positivo para alguém que realmente não tem a doença (FPs)
• Equações:
  • LR+ = probabilidade de VPs / probabilidade de FPs
  • LR+ = P(VP) / P(FP)
  • Pode ser expressa em função da sensibilidade e especificidade:

Razão de verossimilhança negativa (LR‒)

• Definição: a probabilidade de um resultado de teste negativo para uma pessoa que realmente é saudável (VNs) dividida pela probabilidade de um resultado de teste negativo para alguém que realmente tem a doença (FNs)
• Equações:
  • LR‒ = probabilidade de VNs / probabilidade de FNs
  • LR‒ = P(VN) / P(FN)
  • Pode ser expressa em função da sensibilidade e especificidade:

Exemplo e interpretação de LRs

Usando o mesmo exemplo de gravidez na secção acima, e sabendo que a sensibilidade foi de 90% e a especificidade de 92,7%, o LR+ e o LR‒ podem ser calculados da seguinte forma:

LR+ = 0,9 / (1 ‒ 0,927) = 12,3 = 1230%

LR‒ = (1 ‒ 0,9) / 0,927 = 0,11 = 11%

Interpretação: Há uma probabilidade 12 vezes maior de uma mulher com teste positivo estar realmente grávida. Um resultado de teste negativo reduz as chances de estar grávida em 89%.

Probabilidades Pré-teste e Pós-teste

Probabilidade pré-teste

• Probabilidade de uma pessoa rastreada ter a doença
• Determinar a probabilidade pré-teste:
  • Pode ser determinada usando dados epidemiológicos publicados: normalmente a prevalência de uma doença na população
  • As escalas de critérios clínicos também podem ser usadas para calcular a probabilidade pré-teste (por exemplo, critérios de trombose venosa profunda (TVP) de Well para determinar clinicamente a probabilidade pré-teste de TVP))
• Usos clínicos:
  • Para calcular a probabilidade pós-teste (ver abaixo)
  • Se suficientemente elevada, pode ser usada para validar o início do tratamento sem testes
  • Se suficientemente baixa, pode ser usada para rejeitar o diagnóstico como improvável

Probabilidade pós-teste

• Probabilidade de uma pessoa ter a doença após obter os resultados de um teste
• Cálculo:
  • Normalmente calculada usando calculadoras online em estudos clínicos
  • Envolve as seguintes variáveis:
    • Probabilidade pré-teste
    • Sensibilidade do teste
    • Especificidade do teste
• Probabilidade pós-teste de um resultado positivo: probabilidade de a doença estar presente quando o resultado do teste é positivo
• Probabilidade pós-teste de um resultado negativo: probabilidade de a doença estar presente quando o resultado do teste é negativo