Cualquier prueba realizada en una población en particular, debe poder calcular sensibilidad, especificidad, valor predictivo positivo, y valor predictivo negativo, para determinar la utilidad de las pruebas en la detección de una enfermedad o característica poblacional en particular. Si queremos usar una prueba para probar ciertas características en una muestra de población, lo que necesitamos saber es:
- ¿Qué posibilidades hay de que esta prueba detecte existencia ciertas características de una persona con tales características (sensibilidad)?
- ¿Qué posibilidades hay de que esta prueba detecte ausencia ciertas características de una persona quien no tiene estas características (especificidad)?
- ¿Qué probabilidad hay de que alguien que tenga los mismos resultados de la prueba positivo verdaderamente tengo estas características (valor predictivo positivo)?
-
¿Qué probabilidad hay de que una persona cuyos resultados de la prueba negativo verdaderamente no tener estas características (valor predictivo negativo)?
Estos valores son muy importantes para calcular determinar si una prueba es útil para medir ciertas características en una población determinada.
Este artículo le mostrará cómo calcular estos valores.
Paso
Método 1 de 1: contándote a ti mismo
Paso 1. Defina la población a muestrear, por ejemplo 1000 pacientes en una clínica
Paso 2. Determine la enfermedad o característica deseada, por ejemplo, sífilis
Paso 3. Tener un estándar de oro para determinar la prevalencia de la enfermedad o las características deseadas, por ejemplo, documentación microscópica de campo oscuro de la bacteria Treponema pallidum a partir de fragmentos de úlcera sifilítica, en colaboración con los hallazgos clínicos
Utilice la prueba estándar de oro para determinar quién tiene las características y quién no. A modo de ilustración, digamos que 100 personas tienen la característica y 900 no.
Paso 4. Realice la prueba que le interesa para determinar su sensibilidad, especificidad, valor predictivo positivo y valor predictivo negativo para esta población
A continuación, realice la prueba para todos los miembros de la población de muestra. Por ejemplo, digamos que se trata de una prueba rápida de reagina plasmática (RPR) para detectar la sífilis. Úselo para probar 1000 personas en una muestra.
Paso 5. Para las personas que tienen las características (determinadas por el estándar de oro), registre el número de personas que dieron positivo y el número de personas que dieron negativo
Haga lo mismo para las personas que no tienen las características (según lo define el estándar de oro). Tendrás cuatro números. Las personas que tienen las características Y los resultados de las pruebas son positivos son verdaderos positivos (verdaderos positivos o TP). Las personas que tienen las características Y los resultados de las pruebas son negativos son falsos negativos (falsos negativos o FN). Las personas que no tienen las características Y los resultados de las pruebas son positivos son falsos positivos (falsos positivos o FP). Las personas que no tienen las características Y los resultados de las pruebas son negativos son verdaderos negativos (verdaderos negativos o TN). Por ejemplo, suponga que ha realizado una prueba de RPR en 1000 pacientes. Entre los 100 pacientes con sífilis, 95 de ellos dieron positivo, mientras que los 5 restantes fueron negativos. Entre los 900 pacientes que no tenían sífilis, 90 dieron positivo y los 810 restantes fueron negativos. En este caso, TP = 95, FN = 5, FP = 90 y TN = 810.
Paso 6. Para calcular la sensibilidad, divida TP por (TP + FN)
En el ejemplo anterior, el cálculo es 95 / (95 + 5) = 95%. La sensibilidad nos dice qué tan probable es que la prueba dé un resultado positivo para una persona que tiene la característica. Entre todas las personas que tienen la característica, ¿qué proporción da positivo? La sensibilidad del 95% es suficientemente buena.
Paso 7. Para calcular la especificidad, divida TN por (FP + TN)
En el ejemplo anterior, el cálculo es 810 / (90 + 810) = 90%. La especificidad nos dice acerca de la probabilidad de que una prueba dé un resultado negativo en alguien que no tiene la característica. Entre todas las personas que no tienen la característica, ¿qué proporción da negativo? La especificidad del 90% es suficiente.
Paso 8. Para calcular el valor predictivo positivo (NPP), divida TP por (TP + FP)
En el contexto anterior, el cálculo es 95 / (95 + 90) = 51,4%. Un valor predictivo positivo indica la probabilidad de que una persona tenga la característica si el resultado de la prueba es positivo. Entre todos los que dan positivo en la prueba, ¿qué proporción tiene realmente la característica? NPP 51,4% significa que si el resultado de su prueba es positivo, la probabilidad de padecer realmente la enfermedad en cuestión es del 51,4%.
Paso 9. Para calcular el valor predictivo negativo (NPN), divida TN por (TN + FN)
Para el ejemplo anterior, el cálculo es 810 / (810 + 5) = 99,4%. Un valor predictivo negativo indica la probabilidad de que una persona no tenga una característica si el resultado de la prueba es negativo. Entre todos los que dieron negativo, ¿qué proporción carece realmente de las características en cuestión? NPN 99,4% significa que si el resultado de la prueba de una persona es negativo, la probabilidad de no tener la enfermedad en esa persona es del 99,4%.
Consejos
- Precisión, o eficiencia, es el porcentaje de resultados de la prueba correctamente identificados por la prueba, es decir (verdadero positivo + verdadero negativo) / resultado total de la prueba = (TP + TN) / (TP + TN + FP + FN).
- Una buena prueba de detección tiene una alta sensibilidad, porque desea poder obtener todo lo que tenga ciertas características. Las pruebas que tienen una sensibilidad muy alta son útiles para descartar una enfermedad o característica si el resultado es negativo. ("SNOUT": regla de sensibilidad FUERA)
- Intenta hacer una mesa de 2x2 para que sea más fácil.
- Comprender que la sensibilidad y la especificidad son propiedades intrínsecas de la prueba que no depende de la población existente, es decir, que los dos valores deben ser iguales si se realiza la misma prueba en poblaciones diferentes.
- Una buena prueba de verificabilidad tiene una alta especificidad, porque desea que la prueba sea específica y no etiquete incorrectamente a las personas que no tienen la característica asumiendo que la tienen. Las pruebas que tienen una especificidad muy alta son útiles para encerrar determinadas enfermedades o características si el resultado es positivo. ("SPIN": regla de especificidad IN)
- El valor predictivo positivo y el valor predictivo negativo, por otro lado, dependen de la prevalencia de esta característica en una población en particular. Cuanto más rara sea la característica buscada, menor será el valor predictivo positivo y mayor el valor predictivo negativo (porque la probabilidad previa a la prueba es baja para las características raras). Por otro lado, cuanto más común es una característica, mayor es el valor predictivo positivo y menor el valor predictivo negativo (porque la probabilidad previa a la prueba es alta para la característica común).
- Trate de comprender bien estos conceptos.
