¿Es válida una prueba diagnóstica determinada? Una prueba diagnóstica ha de cumplir una serie de características desde el punto de vista de validación técnica, y para ello, es conveniente tener claros varios conceptos.
Exactitud = Veracidad + Precisión
Error absoluto = Error sistemático + Error aleatorio
Veracidad es el grado de concordancia entre el valor real y la media obtenida tras varias mediciones nuestras, mientras que la precisión refleja la similitud entre los valores medidos de forma independiente en una misma muestra. Estos dos elementos componen la exactitud. Este esquema representa de forma sencilla estos dos conceptos:
Para la validación de una prueba diagnóstica, tenemos la referencia de una prueba gold standard con la cual vamos a comparar nuestros resultados. Esta prueba nos indica con total certeza la presencia o ausencia de una situación, como una biopsia. Con ambos resultados se construye una tabla de contingencia de la siguiente manera:
Los verdaderos positivos (VP) son los enfermos que dan positivo en la prueba a validar
Los falsos negativos (FN) son los enfermos que dan negativo en la prueba a validar
Los verdaderos negativos (VN) son los sanos que dan negativo en la prueba a validar
Los falsos positivos (FP) son los sanos que dan positivo en la prueba a validar
A partir de estos datos podremos obtener diversos indicadores de la validez de esta prueba:
Sensibilidad vs especificidad
La sensibilidad (S) es la capacidad de la prueba para detectar un enfermo como enfermo (positivo), mientras que la especificidad (E) es la capacidad de la prueba para detectar un sano como sano (negativo).
¿Qué es la prevalencia? La prevalencia es el número de enfermos en toda la población, por lo que será la probabilidad que tenemos antes de realizar ninguna prueba.
Hay ocasiones en las que la variable es dicotómica, es decir, se distinguen dos estados (sano/enfermo por ejemplo). Sin embargo, en otros casos donde la variable es continua, somos nosotros los que tenemos que establecer un punto de corte para diferenciar las dos situaciones. Para ello, se utilizan como herramienta las curvas ROC.
¿Qué son las curvas ROC?
Las curvas ROC son un método gráfico que muestran la capacidad de un test para diferenciar entre dos poblaciones. Se relacionan los verdaderos positivos y los falsos positivos, enfrentando la sensibilidad y 1-especificidad.
Atendiendo al área bajo la curva (AUC), podremos determinar la capacidad de resolución de la prueba, de modo que cuanto más se acerque a 1 el área, más válida será esta prueba al tener mayor rendimiento.
A partir de aquí se puede calcular el AUC o el YI, que son los parámetros que indican la validez de las pruebas diagnósticas. Habiendo comentado el primero, pasamos a hablar del índice de Youden (YI), el cual mide la eficacia de un marcador diagnóstico y permite la elección de un punto de corte óptimo mediante un cálculo sencillo utilizando la S y la E según indica la siguiente fórmula:
El YI adquiere valores entre 0 y 1, siendo mejor la prueba cuanto más se acerque a este último valor.
Valores predictivos
Existen dos tipos de valores predictivos y nos dan información sobre la seguridad de la prueba diagnóstica.
- Valor predictivo positivo (VP+): probabilidad condicional de que los individuos que den positivo en la prueba sea realmente enfermos.
- Valor predictivo negativo (VP-): probabilidad condicional de que los individuos que den negativo en la prueba sea realmente sanos.
Se calculan mediante las siguientes fórmulas:
Además, cabe destacar que los valores predictivos dependen de la prevalencia, ya que cuanto más frecuente sea la enfermedad, tendremos un alto VP+ y un bajo VP-, lo que significa que aumentarán los FN (habría que aumentar la S de la prueba). Por el otro lado, cuanto más rara sea la enfermedad, tendremos un bajo VP+ y un alto VP-, y por tanto, aumentarán los FP (habría que aumentar la E de la prueba).
Razón de verosimilitud
La razón de verosimilitud (RV) sirve también para calcular el rendimiento de una prueba diagnóstica, pero al contrario que lo que ocurría con VP, RV no depende de la prevalencia y por ello es más ventajoso utilizar este parámetro. Existen dos tipos de RV:
- Razón de verosimilitud positiva (RV+): cuántas veces es más probable que el test sea positivo en los enfermos que en los no enfermos.
- Razón de verosimilitud negativa (RV-): cuántas veces es más probable que el test sea negativo en los enfermos que en los no enfermos.
Se calculan mediante las siguientes fórmulas:
Las pruebas válidas en clínica tienen que tener unos valores aproximados de RV+ > 10 y RV- < 0,1.
¿Cómo calculamos la probabilidad post-prueba?
A partir de los valores de RV+ y RV- se puede calcular la probabilidad post-prueba, mediante una fórmula que los relaciona con la prevalencia. Sin embargo, nos podemos ahorrar este cálculo si lo sustituimos por el uso del nomograma de Fagan.
El nomograma de Fagan es una herramienta muy útil que nos permite, además de calcular la probabilidad post-prueba, determinar si hay necesidad de hacer más pruebas diagnósticas, dependiendo si aumenta o disminuye la probabilidad post-prueba. Para ello, solo necesitamos relacionar mediante una línea trazada la probabilidad pre-prueba (prevalencia) y la razón de verosimilitud.
Comentarios
Publicar un comentario