¿Cómo se interpreta el resultado de una prueba?

El resultado de una prueba de autoinmunidad tiene varios valores. Los valores de rendimiento más importantes que se deben interpretar en los diagnósticos de autoinmunidad son:

1.  Sensibilidad y especificidad

2.  Curva ROC

3.  Valor predictivo positivo y negativo

4.  Proporción de probabilidad positiva y negativa

 

1. Sensibilidad y especificidad

La sensibilidad es el número de resultados de pruebas positivos.

 

TP

 

Número de resultados de pruebas positivos verdaderos

Sensibilidad =

----------

=

-------------------------------------

 

TP + FN

 

todos los pacientes con enfermedad

(TP = positivos verdaderos, FN = falsos negativos)

 

La especificidad es el número de resultados negativos en personas que no tienen la enfermedad (el negativo verdadero da lugar a controles).

 

TN

 

Número de resultados de pruebas negativos verdaderos

Especificidad =

----------

=

-------------------------------------

 

TN + FP

 

todos los pacientes sin enfermedad

(TN = Negativos verdaderos, FP = Falsos positivos)

El grupo de control puede ser una población de personas sanas. Sin embargo, para evaluar la especificidad de una prueba de forma realista, la población de control debe estar compuesta por pacientes con enfermedades, importantes en el diagnóstico diferencial. Por ejemplo, la especificidad de una prueba para la celiaquía se debe evaluar en una población de pacientes con otras enfermedades gastrointestinales, como enfermedades intestinales inflamatorias, infecciones gastrointestinales, etc.

Ejemplo:

La prevalencia de la artritis reumatoide en la población sometida a pruebas es del 2%. Por tanto, 100 de cada 5.000 personas sometidas a pruebas tendrán artritis reumatoide. 4.900 estarán sanas o presentarán otra enfermedad, pero no artritis reumatoide.

Con la prueba de este ejemplo, 73 de 100 pacientes con artritis reumatoide tuvieron un resultado positivo (positivos verdaderos). 27 no se detectaron y, por tanto, tuvieron un resultado negativo (falsos negativos). En el grupo de control de las 4.900 personas que no tenían artritis reumatoide, 73 fueron positivos (falsos positivos) y 4.827 fueron negativos (negativos verdaderos).

 Prueba positivaPrueba negativaTotal
Artritis reumatoide 73 27 100
No artritis reumatoide 73 4.827 4.900
Total 146 4.854 5.000

La sensibilidad de esta prueba es del 0,73% o del 73% (número de positivos verdaderos = 73 / número de pacientes = 100) y la especificidad es del 0,985 o del 98,5% (número de negativos verdaderos = 4.827 / número de controles = 4.900).

Relevancia de la especificidad

En el ejemplo anterior, 73 de cada 5.000 personas ofrecerían un falso positivo en la prueba. Esto significa que 73 personas serán referidas a un especialista o, en el peor de los casos, tratadas con medicación tóxica.

Si la prueba tiene una especificidad inferior al 92%, por ejemplo (que sigue pareciendo muy razonable), los resultados falsos positivos aumentan considerablemente.

 Prueba positivaPrueba negativaTotal
Artritis reumatoide 73 27 100
No artritis reumatoide 392 4.508 4.900
Total 465 4.535 5.000

Existe un riesgo de emitir un diagnóstico incorrecto sobre la artritis reumatoide en 392 individuos, más de 5 veces más personas que con una especificidad del 98,5%.

Volver al principio 

 

2. Curva ROC

La sensibilidad de una prueba es superior cuando se elige un cut-off bajo. Un cut-off bajo implica directamente una especificidad inferior. El cut-off en las pruebas de autoinmunidad constituye siempre un equilibrio entre la sensibilidad y la especificidad. Estos valores se correlacionan de forma inversa entre sí, y a cada valor de sensibilidad corresponde un valor de especificidad. Esta relación se puede ilustrar en una curva ROC.

Definición:

En la teoría de detección de señales, la característica operativa del receptor (ROC, del inglés "receiver operating characteristic"), o simplemente "curva ROC", es una representación gráfica de la sensibilidad, o positivos verdaderos, frente a (1 - especificidad) o falsos positivos.

Ejemplo:

En un estudio de Bizzarro et al. (Clin Chem 2007; 53:1527-33), se compararon 11 pruebas para la detección de anticuerpos asociados a la artritis reumatoide. Con el grupo sérico probado, la curva ROC siguiente resultó verdadera para EliA CCP:

ROC CCP

Se estará eligiendo un cut-off óptimo para una prueba si la sensibilidad y la especificidad son tan altas como sea posible. Para EliA CCP, el cut-off óptimo revela una especificidad del 98,5% y una sensibilidad del 73%.

ROC RF

Se comparó una prueba RF clásica en el mismo estudio con las mismas opciones séricas. Se usaron una sensibilidad y especificidad de cut-off recomendadas del 54% y el 86,1%, respectivamente.

Para obtener una comparación óptima de las distintas pruebas, la especifidad se puede establecer con un valor específico, y las sensibilidades respectivas se pueden calcular con la ayuda de una curva ROC. En este ejemplo, se compararon las sensibilidades correspondientes a especificidades definidas del 99%, 98% y 97%.

Ensayosens. a cut-off recomendadoespec. a cut-off recomendadosens. a 99% espec.sens. a 98 % espec.sens. a 97 % espec.
EliA CCP 73% 98,5% 69% 74% 74%
RF 54% 86,1% 13% 17% 17%

 

Volver al principio

 

3. Valor predictivo positivo y negativo

Definición:

El valor predictivo positivo (VPP), o índice de precisión, o probabilidad posterior a la prueba de la enfermedad, es la proporción de pacientes con resultados de pruebas positivos que tienen la enfermedad. El valor predictivo está relacionado con la sensibilidad y la especificidad de la prueba o del método de selección.

 

TP

 

Número de pacientes positivos

PPV =

----------

=

-------------------------------------

 

 TP+FP

 

todos los resultados positivos

(TP = positivos verdaderos, FP = falsos positivos)

 

El valor predictivo negativo (VPN) es la proporción de pacientes de control con resultados de pruebas negativos que han sido diagnosticados correctamente.

 

TN

 

Número de controles negativos

NPV =

----------

=

-------------------------------------

 

 TN+FN

 

todos los resultados negativos

(TN = Negativos verdaderos, FN = Falsos negativos)

Ejemplo:

 Prueba positivaPrueba negativaTotal
Artritis reumatoide 73 27 100
No artritis reumatoide 73 4.827 4.900
Total 146 4.854 5.000

Con el mismo ejemplo que en el párrafo sobre la sensibilidad y la especificidad (consulte la sección anterior) para una prueba de artritis reumatoide, el PPV es del 50% (73 TP / 146 P). El NPV es 99%  (4.827 TN / 4.854 N).

Con esta población, un médico deberá tener en cuenta que la mitad de los resultados positivos serán de individuos sin artritis reumatoide. Un resultado positivo predice la enfermedad con una probabilidad del 50%. Por otro lado, un resultado negativo predice con un 99% que la enfermedad no está presente.

Dependencia con respecto a la probabilidad previa a la prueba

Los valores predictivos son altamente dependientes en la probabilidad previa a la prueba. En este ejemplo es del 2%, que es bastante pequeña. Si la probabilidad de previa a la prueba fuera del 10% (por ejemplo, porque es un análisis de reumatología especializada), los datos cambiarían en consecuencia: 

 Prueba positivaPrueba negativaTotal
Artritis reumatoide 370 130 500
No artritis reumatoide 60 3.940 4.000
Total 430 4.570 5.000

El resultado de la prueba o de las características clínicas del marcador no cambian con la probabilidad de previa a la prueba. Por tanto, la sensibilidad y la especificidad de la prueba son relativamente fijas. Sin embargo, el valor predictivo positivo aumenta con una probabilidad 5 veces mayor previa a la prueba del 50% al 89% (370 TP / 430 P) y el valor predictivo negativo disminuye del 99% al 86% (3.940 TN / 4.570 N).

Volver al principio

 

4. Proporción de probabilidad positiva y negativa

Definición:

La proporción de probabilidad incluye la sensibilidad y la especificidad de la prueba y proporciona una estimación directa de cuánto cambiará el resultado de una prueba las probabilidades de tener una enfermedad.

La proporción de probabilidad para un resultado positivo (LR positiva) le indica cuánto aumentan las probabilidades de la enfermedad cuando un resultado es positivo.

 

TP / (TP + FN)

 

Sensibilidad

pos LR =

-----------------

=

---------------

 

FP / (FP + TN)

 

1 - Especificidad

(TP = Positivos verdaderos, TN = Negativos verdaderos, FP = Falsos positivos, FN = Falsos negativos)

La proporción de probabilidad para un resultado negativo (LR negativa) le indica cuánto disminuyen las probabilidades de la enfermedad cuando un resultado es negativo.

 

FN / (TP + FN)

 

1 - Sensibilidad

neg LR =

-----------------

=

-------------------

 

TN / (FP + TN)

 

Especificidad

(TP = Positivos verdaderos, TN = Negativos verdaderos, FP = Falsos positivos, FN = Falsos negativos)

Ejemplo:

 Prueba positivaPrueba negativaTotal
Artritis reumatoide 73 27 100
No artritis reumatoide 73 4.827 4.900
Total 146 4.854 5.000

Si se usa el mismo ejemplo que en los párrafos anteriores (consulte la sección anterior) para una prueba de artritis reumatoide, el LR positivo es muy alto si  (73 / 100) / (73 / 4.900) = 50. Si el paciente tiene un resultado de prueba positivo, la probabilidad de que tenga artritis reumatoide es muy alta. El LR negativo es (27 /100) / (4.827 / 4.900) = 0,27.

Interpretación de la proporción de probabilidad:

 LR negativoLR positivo
son valor clínico = la calidad de la prueba no es útil 1 1
pequeña diferencia que puede ser relevante 0,2 – 0,5 2 – 5
modesto, pero diferencia sustancial 0,1 – 0,2 5 – 10
diferencia clínicamente importante = la calidad de la prueba es muy útil <0,1> >10

 

El marcador en el ejemplo anterior tiene un LR positivo muy alto de 50. Por tanto, un resultado positivo indica la enfermedad con una alta probabilidad. Sin embargo, un resultado negativo no excluye la enfermedad. Con un LR negativo de 0,27, la utilidad clínica es pequeña.

Volver al principio