Interpretação dos Resultados dos Testes

1.  Sensibilidade e especificidade

2.  Curva ROC

3.  Valor preditivo positivo e negativo

4.  Rácio de verosimilhança positivo e negativo

1. Sensibilidade e especificidade

Sensibilidade é o número de resultados de teste verdadeiros positivos.

(VP = Verdadeiros positivos, FN = Falsos negativos)

Especificidade é o número de resultados negativos em pessoas que não têm a doença (resultados verdadeiros negativos nos controlos).

(VN = Verdadeiros negativos, FP = Falsos positivos)

O grupo de controlo poderia ser uma população de indivíduos saudáveis. Contudo, para avaliar a especificidade de um teste de forma realista, a população do controlo deveria consistir em indivíduos com doenças, que são importantes para o diagnóstico diferencial. Por exemplo, a especificidade de um teste para a doença celíaca deve ser avaliada através de uma população de doentes com outras doenças gastrintestinais, como por exemplo, doenças inflamatórias intestinais, infecções gastrintestinais, etc.

Exemplo:

A prevalência da artrite reumatóide (AR) na população testada é de 2%. Por conseguinte, 100 dos 5000 indivíduos testados terão artrite reumatóide. 4900 são saudáveis ou têm outra doença que não artrite reumatóide.

Aplicando o teste a este exemplo, 73 dos 100 doentes com AR tiveram um resultado do teste positivo (verdadeiros positivos). 27 não foram detectados e tiveram assim um resultado do teste negativo (falsos negativos). No grupo de controlo dos 4900 indivíduos que não têm AR, 73 deram positivo (falsos positivos) e 4827 deram negativo (verdadeiros negativos).

A sensibilidade deste teste é de 0,73 ou 73% (número de verdadeiros positivos = 73 / número de doentes = 100) e a especificidade é de 0,985 ou 98,5% (número de verdadeiros negativos = 4827 / número de controlos = 4900).

Relevância da especificidade

No exemplo acima, 73 dos 5000 indivíduos teriam um teste falso positivo. O que significa que 73 indivíduos iriam consultar um especialista ou, no pior dos cenários, seriam tratados com medicação tóxica.

Se o teste tivesse uma especificidade inferior, por exemplo, 92% (valor que continuaria a ser muito razoável) os resultados falsos positivos aumentariam substancialmente.

Existe o risco de diagnóstico errado de AR em 392 indivíduos, 5 vezes mais indivíduos do que com uma especificidade de 98,5%.

Voltar ao início 

2. Curva ROC

Se se escolher um ponto de corte baixo, a sensibilidade de um teste é superior. Um ponto de corte baixo leva directamente a uma especificidade inferior. O ponto de corte nos testes auto-imunes representa sempre um equilíbrio entre sensibilidade e especificidade. Ambos os valores estão inversamente correlacionados um com o outro e a cada valor de sensibilidade corresponde um valor de especificidade. Esta relação pode ser ilustrada numa curva ROC.

Definição:

Na teoria de detecção do sinal, uma curva "Receiver Operating Characteristic" (ROC), ou simplesmente curva ROC, é uma representação gráfica da sensibilidade ou verdadeiros positivos, vs. (1 − especificidade) ou falsos positivos.

Exemplo:

Num estudo de Bizzarro et al. (Clin Chem 2007; 53:1527-33) foram comparados 11 testes para a detecção dos anticorpos associados à artrite reumatóide. Com o painel de soros testado, a seguinte curva ROC foi considerada verdadeira para EliA CCP:

Um ponto de corte ideal para um teste é escolhido quando a sensibilidade e a especificidade estão o mais elevadas possível. Para EliA CCP o ponto de corte ideal revela uma especificidade de 98,5% e uma sensibilidade de 73%.

No mesmo estudo, com o mesmo soro, foi comparado um teste FR clássico. Utilizando o ponto de corte recomendado, a sensibilidade e a especificidade eram de 54% e 86,1%, respectivamente.

Para uma comparabilidade ideal de testes diferentes, a especificidade pode ser definida para um valor específico e as respectivas sensibilidades podem ser calculadas com a ajuda de uma curva ROC. Neste exemplo, as respectivas sensibilidades foram comparadas nas especificidades definidas para 99%, 98% e 97%.

Voltar ao início

3. Valor preditivo positivo e negativo

Definição:

O valor preditivo positivo (VPP), ou taxa de precisão, ou probabilidade pós-teste de doença, representa a proporção de doentes com resultados de teste positivos que têm a doença.O valor preditivo está relacionado com a sensibilidade e especificidade do teste ou método de rastreio.

(VP = Verdadeiros positivos, FP = Falsos positivos)

O valor preditivo negativo (VPN) representa a proporção de doentes do controlo com resultados de teste negativos que estão correctamente diagnosticados.

(VN = Verdadeiros negativos, FN = Falsos negativos)

Exemplo:

Partindo do mesmo exemplo utilizado no parágrafo sobre sensibilidade e especificidade (consulte acima) para um teste em relação à artrite reumatóide (AR), o VPP é de 50% (73 VP / 146 P). O VPN é de 99%  (4827 VN / 4854 N).

Com esta população, o médico tem de estar ciente de que metade dos resultados positivos pertencem a indivíduos que não têm AR. Um resultado positivo vaticina a doença com uma probabilidade de 50%. Por outro lado, um resultado negativo vaticina a não ocorrência da doença com uma probabilidade de 99%.

Dependência da probabilidade pré-teste

Os valores preditivos estão altamente dependentes da probabilidade pré-teste, que neste exemplo é de 2%, o que é um valor muito baixo.Se a probabilidade pré-teste for de 10% (por exemplo, porque se trata de um laboratório especializado em reumatologia), os dados devem alterar-se em conformidade: 

O desempenho do teste ou as características clínicas do marcador não são alterados pela probabilidade pré-teste. Por conseguinte, a sensibilidade e especificidade do teste são relativamente fixas. O valor preditivo positivo aumenta, com uma probabilidade pré-teste 5 vezes superior, de 50% para 86% (370 VP / 430 P) e o valor preditivo negativo diminui de 99% para 86% (3940 VN / 4570 N).

Voltar ao início

4. Rácio de Verosimilhança Positivo e Negativo

Definição:

O rácio de verosimilhança (likelihood ratio) incorpora a sensibilidade e especificidade do teste e fornece uma estimativa directa de quanto o resultado do teste vai alterar as probabilidades de ter a doença.

O rácio de verosimilhança para um resultado positivo (LR positivo) indica quanto aumentam as probabilidades da doença quando um teste é positivo.

(VP = Verdadeiros positivos, VN = Verdadeiros negativos, FP = Falsos positivos, FN = Falsos negativos)

O rácio de verosimilhança para um resultado negativo (LR negativo) indica quanto diminuem as probabilidades da doença quando um teste é negativo.

(VP = Verdadeiros positivos, VN = Verdadeiros negativos, FP = Falsos positivos, FN = Falsos negativos)

Exemplo:

Partindo do mesmo exemplo utilizado nos parágrafos anteriores (consulte acima) para um teste em relação à artrite reumatóide (AR), o LR positivo é muito elevado com (73 / 100) / (73 / 4900) = 50. Se o doente tiver um resultado de teste positivo, a probabilidade de ter AR é muito elevada. O LR negativo é de (27 /100) / (4827 / 4900) = 0,27.

Interpretação do rácio de verosimilhança:

O marcador no exemplo acima tem um LR positivo muito elevado, de 50. Por conseguinte, um resultado positivo indica a existência da doença com uma elevada probabilidade. Contudo, um resultado negativo não exclui a doença. Com um LR negativo de 0,27, a utilidade clínica é baixa.

Voltar ao início