Achieve Mastery of Medical Concepts

Study for medical school and boards with Lecturio

Valores Epidemiológicos dos Testes Diagnósticos

Os testes de diagnóstico são aspetos importantes para fazer um diagnóstico. Certas informações estatísticas sobre a precisão e a validade dos próprios testes podem ajudar a transformar os dados em informação utilizável e aplicável. Alguns dos valores epidemiológicos mais importantes dos testes diagnósticos incluem a sensibilidade e a especificidade, falsos positivos e falsos negativos, valores preditivos positivos e negativos, razões de verossimilhança e probabilidades pré-teste e pós-teste. Por exemplo, um teste com alta sensibilidade é útil como teste de rastreio, enquanto uma alta especificidade é necessária para um diagnóstico preciso. Alternativamente, valores preditivos positivos e negativos ajudam a determinar a probabilidade de doença no caso de determinados resultados de testes.

Última atualização: Jul 28, 2022

Responsibilidade editorial: Stanley Oiseth, Lindsay Jones, Evelin Maza

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”).

Tabela de contingência de testes de triagem

Tabela de contingência para testes de rastreio

Imagem por Lecturio. Licença: CC BY-NC-SA 4.0

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
Tabela de contingência para falsos positivos e negativos

Tabela de contingência identificando falsos positivos (B) e falsos negativos (C)

Imagem por Lecturio. Licença: CC BY-NC-SA 4.0

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?
Fração positiva verdadeira

Fração positiva verdadeira:
Diagrama que ilustra o conceito de frações positivas verdadeiras – a proporção da população representada pela sensibilidade de um teste. Esta figura mostra que todos os pacientes testaram positivo; no entanto, as figuras verdes representam indivíduos que não tiveram a doença, mas cujo teste foi incorretamente positivo (falsos positivos). As figuras vermelhas representam os indivíduos que realmente tiveram a doença e também testaram positivo (verdadeiros positivos).

Imagem por Lecturio. Licença: CC BY-NC-SA 4.0

Cálculo:

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

Tabela de contingência de testes de triagem

Tabela de contingência para testes de rastreio

Imagem por Lecturio. Licença: CC BY-NC-SA 4.0

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:

$$ Sensibilidade = \frac{A}{A + C} $$

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:

Doentes Grupo de controlo Total
Teste positivo 90 20 110
Teste negativo 10 80 90
Total 100 100 200
Sensibilidade = VP / (VP + FN) = 90 / 100 = 90%

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
Fração negativa verdadeira

Fração negativa verdadeira:
Diagrama que ilustra o conceito de frações negativas verdadeiras – a proporção da população representada pela especificidade de um teste. Este diagrama mostra que todos os pacientes tiveram um resultado de teste negativo. As figuras vermelhas representam os indivíduos que realmente tiveram a doença, mas que testaram negativo (falsos negativos), enquanto as figuras verdes representam os indivíduos que não tiveram a doença e que testaram corretamente o negativo (verdadeiros negativos).

Imagem por Lecturio. Licença: CC BY-NC-SA 4.0

Cálculo:

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

Tabela de contingência de testes de triagem

Tabela de contingência para testes de rastreio

Imagem por Lecturio. Licença: CC BY-NC-SA 4.0

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:

$$ Especificidade = \frac{D}{B + D}\ ou \ Especificidade = \frac{VN}{(FP + VN)} $$

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:

Doentes Grupo de controlo Total
Teste positivo 90 20 110
Teste negativo 10 80 90
Total 100 100 200
Especificidade = VN / (VN + FN) = 80 / 100 = 80%

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).

Tabela de contingência destacando os valores necessários para o cálculo do valor preditivo positivo

Tabela de contingência destacando os valores necessários para o cálculo do valor preditivo positivo

Imagem por Lecturio. Licença: CC BY-NC-SA 4.0

Cálculo:

O valor preditivo positivo é calculado usando a equação:

$$ Valor\ preditivo\ positivo = \frac{A}{A + B} $$

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:

Doentes Grupo de controlo Total
Teste positivo 90 20 110
Teste negativo 10 80 90
Total 100 100 200
Valor preditivo positivo = VP / (VP + FP) = 90 / (90 + 20) = 90 / 110 = 81,8%

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).

Tabela de contingência destacando os valores necessários para o cálculo do valor preditivo negativo

Tabela de contingência destacando os valores necessários para calcular o valor preditivo negativo

Imagem por Lecturio. Licença: CC BY-NC-SA 4.0

Cálculo:

O VPN é calculado usando a seguinte equação:

$$ VPN = \frac{D}{C + D} $$

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:

Doentes Grupo de controlo Total
Teste positivo 90 20 110
Teste negativo 10 80 90
Total 100 100 200
VPN = VN / (VN + FN) = 80 / (80 + 10) = 80 / 90 = 88,9%

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:

Grávida Não grávida Total
Teste positivo 9 351 360
Teste negativo 1 4,449 4,450
Total 10 4,800 4,810
Tabela: Resumo de sensibilidade, especificidade, valor preditivo positivo e VPN usando o exemplo de gravidez
Pergunta clínica O que está a ser perguntado? Equação Resposta
Se a mulher está realmente grávida, qual é a probabilidade de o teste de gravidez na urina ser positivo? Sensibilidade = A / (A + C)
= 9 / (10)
90%
Se uma mulher não está realmente grávida, qual é a probabilidade de o teste de gravidez na urina mostrar corretamente que ela não está grávida? Especificidade = B / (B + D)
= 4.449 / 4.800
92,7%
Se uma mulher testar positivo no teste de gravidez de urina, qual é a probabilidade de estar realmente grávida? Valor Preditivo Positivo = A / (A + B)
= 9/360
2,5%
Se uma mulher testar negativo no teste de gravidez de urina, qual é a probabilidade de realmente não estar grávida? VPN = D / (C + D)
= 4.449 / 4.450
99,9%

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:
$$ LR+ = \frac{Sensibilidade}{1 – especificidade} $$

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:
$$ LR- = \frac{1 – sensibilidade}{Especificidade} $$

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

Referências

  1. Greenberg, R.S. (2014). Diagnostic testing. In R.S. Greenberg (Ed.), Medical Epidemiology: Population health and effective health care, 5e. New York, NY: McGraw-Hill Education. 
  2. Garibaldi, B.T., Olson, A.P.J. (2018). The hypothesis-driven physical examination. Medical Clinics of North America, 102(3), 433-442. 
  3. Safari, S., Baratloo, A., Elfil, M., Negida, A. (2016). Evidence-based emergency medicine; Part 4: Pre-test and post-test probabilities and Fagan’s nomogram. Emergency (Tehran, Iran), 4(1), 48–51.
  4. Colquhoun, D. (2017). The reproducibility of research and the misinterpretation of p-values. Royal Society Open Science. 4 (12), 171085.
  5. Colquhoun, D. (2018). The false-positive risk: A proposal concerning what to do about p values. The American Statistician. 73, 192–201.
  6. Mahutte, N.G., Duleba, A.J. (2021). Evaluating diagnostic tests. In Armsby, C. (Ed.), UpToDate. Retrieved July 1, 2021, from https://www.uptodate.com/contents/evaluating-diagnostic-tests 
  7. Calculator: Post-test probability from pre-test probability, sensitivity, and specificity. UpToDate. Retrieved July 1, 2021, from https://www.uptodate.com/contents/calculator-post-test-probability-from-pre-test-probability-sensitivity-and-specificity

USMLE™ is a joint program of the Federation of State Medical Boards (FSMB®) and National Board of Medical Examiners (NBME®). MCAT is a registered trademark of the Association of American Medical Colleges (AAMC). NCLEX®, NCLEX-RN®, and NCLEX-PN® are registered trademarks of the National Council of State Boards of Nursing, Inc (NCSBN®). None of the trademark holders are endorsed by nor affiliated with Lecturio.

Estuda onde quiseres

A Lecturio Medical complementa o teu estudo através de métodos de ensino baseados em evidência, vídeos de palestras, perguntas e muito mais – tudo combinado num só lugar e fácil de usar.

Aprende mais com a Lecturio:

Complementa o teu estudo da faculdade com o companheiro de estudo tudo-em-um da Lecturio, através de métodos de ensino baseados em evidência.

User Reviews

¡Hola!

Esta página está disponible en Español.

Details