Antes que nada, póngase la bata, que aunque vayamos a hacer cálculos, el protocolo es necesario.
En este post vamos a hablar sobre unos términos básicos dentro del análisis clínico: La validación clínica.
Cuando empleamos este término hacemos referencia al proceso de diagnóstico que nos ayuda a determinar el estado del paciente. Para ello se requiere de pruebas diagnósticas que diferencian entre situaciones dicotómicas, por ejemplo, o eres sano o eres enferma o tienes una enfermedad leve o una grave...etc.
Si la prueba diagnóstica es buena una paciente enferma obtendrá un resultado positivo, mientras que uno sano tendrá un resultado negativo. Esta situación la estamos viviendo día a día con las pruebas del SAR-COVID 19.
Pero de la misma forma que escuchamos día a día que con la prueba de antígenos hay casos de falsos positivos y falsos negativos, estos errores también se encuentran en otras pruebas.
¿Cómo se explica esto?
Las pruebas diagnósticas tienen una sensibilidad y una especificidad concretas.
Por un lado, la sensibilidad (S) es la capacidad de la prueba de detectar la enfermedad, es decir, de detectar a un enfermo como tal. Por tanto, si tenemos una gran sensibilidad, vamos a obtener menos casos de falsos negativos, ya que "cazamos" muy bien a los enfermos.
Te doy una pista: ¿Qué es más peligroso: diagnosticar un falso positivo, de forma que aunque no eres un riesgo para la sociedad, tengas que estar confinado; o diagnosticar un falso negativo que va a salir de su casa con sus amistades a tomarse un refresco o puede que vaya a visitar a sus padres o abuelos tranquilamente?
Este tipo de enfermedades se denominan enfermedades de tipo I y, dentro de ellas, se abarcan todas aquellas que tengan ser tratadas inmediatamente y en las que se requiera evitar falsos negativos (FN).
La especificidad (E), por su parte, determina la capacidad de la prueba de detectar a los sanos, por lo que a mayor especificidad, menos falsos positivos tendrá nuestra prueba.
En el caso de tratar con enfermedades de tipo II, es decir, con aquellas en los que sería grave diagnosticar un falso positivo, requerimos que nuestra prueba tenga una alta especificidad. Dentro de este grupo entran todas aquellas enfermedades que no sean curables o cuyo diagnóstico pueda causar una gran alteración en la vida de la persona e incluso en su salud mental.
Estos dos parámetros son los que determinan la validez de una prueba diagnóstica, es decir, cuál es la capacidad que tiene la prueba de diferenciar entre enfermos y sanos.
Para ver mejor esto que acabamos de explicar, vamos a trabajar con un caso.
Imagina que para detectar el SIDA realizas pruebas muy válidas, es decir, pruebas que tienen unos valores de S y E altos, concretamente en este caso, de 99,5%.
En el primer caso has realizado los tests en una población gallega formada por 2.800.000 ciudadanos. En Galicia los casos de SIDA son 6000 y según tus resultados han habido 19.940 casos positivos.
Estos datos así escritos son difíciles de visualizar, así que a continuación haremos una tabla de contingencia que divide nuestra muestra (nuestra población de estudio) en verdaderos positivos, falsos positivos, verdaderos negativos y falsos negativos:
|
|
|
CONDICIÓN |
|
|
|
|
|
SIDA |
NO |
|
|
PRUEBAS |
+ |
|
|
19940 |
|
- |
|
|
2780060 |
|
|
|
|
6000 |
2.794.000 |
|
Sabemos las ecuaciones con las que se calcula la sensibilidad y la especificidad:
S = VP/ (VP + FN)
E = VN/ (VN + FP)
Así que, a partir de los datos que ya tenemos vamos a calcular los verdaderos positivos y los verdaderos negativos:
S = VP/ (VP + FN)
0.995 = VP/ 6000
VP = 5970
Una vez sabemos los verdaderos positivos y teniendo en cuenta que la suba de ellos más los falsos negativos da 6000, se resta a esos 6000 casos de SIDA reales los 5970 casos que han sido positivos en la prueba y que realmente son enfermos. Por tanto, tenemos que 6000-5970= 30.
Falsos Negativos = 30
De la misma forma, calculamos los verdaderos negativos:
E = VN/ (VN + FP)
0.995 = VN/ 2794000
VN = 2780030
Si VN + FP = 2794000, los Falsos Positivos son 13970
|
|
|
CONDICIÓN |
|
|
|
|
|
SIDA |
NO |
|
|
PRUEBAS |
+ |
5970 |
13970 |
19940 |
|
- |
30 |
2780030 |
2780060 |
|
|
|
|
6000 |
2.794.000 |
|
Como se puede ver en la tabla, tenemos muy pocos casos de falsos negativos, los cuales son las personas más peligrosas para la sociedad, pues son aquellas que pueden infectar al resto, al no ser conscientes de ser portadores del VIH.
Si lo comparamos con el número de falsos positivos vemos que hay muchas más personas en este último grupo (13970) a las cuales se las va a alertar sin que sean realmente enfermas. Estos casos no son tan preocupantes porque mediante otra prueba de alta especificidad se puede descartar la enfermedad.
💪💪💪
Muy bien mis patitos! Ahora sabemos trabajar con la sensibilidad y la especificidad, pero no nos vamos a quedar aquí.
Otro dato importante que hay que saber para el diagnóstico de una enfermedad es la prevalencia de esta dentro de la población.
La probabilidad pre-prueba o la prevalencia es la probabilidad a priori de que una persona sufra la enfermedad en una población concreta. Así, hay poblaciones en las que la prevalencia de una enfermedad es mayor que en otras.
Para calcularla tenemos que saber cuántos enfermos hay dentro de nuestra población a analizar:
Prevalencia = Enfermos / Población
Por tanto, continuando con nuestro ejemplo, si tenemos 6000 enfermos verdaderos dentro de una población compuesta de 2800000 personas:
Prevalencia = 6000/ 2800000
Prevalencia = 0.214 % de la población
Es decir, sabemos que el 0,214% de la población puede padecer la enfermedad.
😵😵😵
Además de la validez ya vista, las pruebas diagnósticas necesitan garantizar una seguridad. Esta seguridad está relacionada con los valores predictivos positivos y negativos, los cuales son útiles para tomar decisiones clínicas y dependen de la prevalencia, por lo que es importante tener ese dato claro.
El valor predictivo positivo (VP+) hace referencia a la probabilidad de que una persona que haya dado un resultado positivo en la prueba sea efectivamente enferma. Por tanto, tenemos que considerar todos aquellos individuos que la prueba juzga como enfermos: los verdaderos positivos y los falsos positivos
Se calcula de la siguiente forma:
VP+ = VP/(VP + FP)
El valor predictivo negativo (VP-) analiza todo lo contrario, es decir, es la probabilidad condicional de que los individuos con una prueba negativa no presenten la enfermedad. En este caso vamos a usar todos los negativos: los verdaderos y los falsos.
VP- = VN /(VN + FN)
En nuestro caso de estudio estos valores serían:
VP+ = 5970/ (19940)
VP+ = 0.299
VP- = 2780030 / 2780060
VP- = 0.9999
Podemos apreciar que VP+ es muy baja con respecto a VP-. Esto se debe a que la prevalencia de la enfermedad es muy baja dentro de la población, por lo que la mayoría de las pruebas positivas son falsos positivos. Es decir, la probabilidad de que una persona que haya dado positivo sea enferma es baja.
Por el contrario, cuanto más pequeña sea la prevalencia, más alto es el valor predictivo negativo, o sea, la mayoría de las pruebas negativas corresponden a verdaderos negativos.
Comentarios
Publicar un comentario