Curvas de Rendimiento Diagnóstico (ROC)

A pesar de que los resultados de una prueba se expresan únicamente en positivo o negativo, pueden ser también continuos y medidos en escalas numéricas, ejemplos de ello son las pruebas de función renal, los niveles de glucemia o la leucocitosis,

En estos casos, es importante determinar puntos de corte por encima del cual la prueba se considerará positiva.

Para esto nos sirven las curva ROC. En el eje Y representamos la sensibilidad (VP), mientras que en el eje X se representan los FP o 1-Especificidad.

Entre más cercana esté la curva de la esquina superior izquierda mejor será la prueba; por el contrario, mientras más diagonal se encuentre será una prueba que no discrimine entre los resultados, por ello será una prueba poco confiable o inservible.

Likelihood Ratios (LR)

El inconveniente de la sensibilidad, la especificidad y los valores predictivos positivo y negativo es que no pueden utilizarse para comparar dos pruebas diagnósticas, ni son confiables al aplicarlos a datos propios, debido a que, principalmente los valores predictivos, dependen mucho de la prevalencia de la enfermedad en la población estudiada.

Los likelihood ratios, también llamados razones de verosimilitud o cociente de probabilidad, miden cuanto más probable es un resultado concreto, ya sea positivo o negativo, según la presencia o ausencia de la enfermedad. 

El LR (+) se calcula dividiendo la probabilidad de un resultado positivo en un paciente sano (Sensibilidad) entre la probabilidad de un resultado positivo en los sanos (1-Especificidad)

El LR (-) se calcula dividiendo la probabilidad de un resultado negativo en pacientes enfermos (1-Sensibilidad) entre la probabilidad de un resultado negativo en pacientes saos (Especificidad)

En el ejemplo utilizado anteriormente, se obtiene un LR (+) = 3.20

Esto nos indica que un tacto rectal anormal es 3 veces más probable en un paciente con cáncer prostático que en otro sujeto sin cáncer. 

El uso del LR nos sirve para estimar la probabilidad postest, utilizando el denominado nomograma, en el que al graficar la probabilidad previa y el LR, se obtiene una línea recta hasta el valor de la probabilidad posterior.

En el siguiente link [Nomograma] encontrará un nomograma interactivo con el que podrá practicar obtener la probabilidad postest utilizando diferentes valores. 

Ejemplo: Seguridad de pruebas diagnósticas

Retomando el ejemplo anterior sobre cáncer prostático:


El Valor Predictivo Positivo es en este caso del 70,21% (634/903)

El Valor Predictivo Negativo del 71,98% (1251/1738).


Esto significa que en un 70,21% de los pacientes con un tacto anormal finalmente se confirmó la presencia de cáncer, mientras que de los que no se detectaron anomalías en el tacto un 71,98% estaban efectivamente sanos.

En el siguiente video se ejemplifica la forma de obtener los VPP y VPN.

Seguridad de pruebas diagnósticas

Los valores de sensibilidad y especificidad carecen de valor en la práctica clínica, ya que no son las mejores herramientas para evaluar la medida en que los resultados modifican el conocimiento que se tenía del estado del paciente.

Es por esto que la seguridad de la prueba depende de los Valores Predictivos, tanto positivo como negativo.

VALOR PREDICTIVO POSITIVO

Probabilidad de que el paciente esté realmente enfermo si la prueba es positiva. Puede estimarse a partir de la proporción de pacientes con un resultado positivo en la prueba y que resultaron estar realmente enfermos.

VALOR PREDICTIVO NEGATIVO

Probabilidad de que el paciente esté realmente sano al haber obtenido un resultado negativo en la prueba. Este valor se estima dividiendo los verdaderos negativos entre el total de pacientes con prueba negativa.

Ejemplo: Validez de pruebas diagnósticas.

Consideremos un estudio que incluyó a 2.641 pacientes con sospecha de cáncer prostático que acudieron a una consulta de Urología durante un periodo de tiempo determinado.

Durante su exploración, se recogió el resultado del tacto rectal realizado a cada paciente, y se comparo con el posterior diagnóstico obtenido de la biopsia prostática.

Los datos del estudio y los resultados obtenidos se muestran en la siguiente tabla.

Se encontraron en total 1.121 casos de cáncer (42,45% del total).

La sensibilidad del tacto rectal fue de 56,56% (634/1121) y la especificidad de 82,3% (1251/1520).

Así, el tacto fue anormal en un 56,56% de los casos de cáncer prostático y normal en un 82,3% de los casos que presentaron finalmente otras patologías.

Esto significa que un 100-56,56=43,44% de los pacientes que efectivamente tenían cáncer presentaban tactos normales.

Esto indica la necesidad de utilizar otros marcadores más sensibles, como el PSA o sus derivados, para poder establecer el diagnóstico de forma más precisa.

Validez de una prueba diagnóstica

Como ya se mencionó antes, la validez de una prueba depende de la sensibilidad y la especificidad. Estas miden la discriminación diagnóstica de una prueba en relación con los resultados positivos y negativos.
Generalmente se asocia un resultado positivo con la presencia de la enfermedad y uno negativo con la ausencia de la misma.

Se utiliza una tabla de 2x2 (Figura 1), en la cual se presentan los resultados de la prueba diagnóstica (Filas) con el estado de los pacientes (Columnas). Los resultados pueden ser correctos (Verdaderos positivos/negativos) o incorrectos (Falsos positivos/negativos).

Figura 1.

En el siguiente video se muestra como se construye una tabla de 2x2.

SENSIBILIDAD 

Probabilidad de clasificar correctamente a un individuo enfermo, es decir, que la prueba salga positiva cuando el paciente realmente esté enfermo. 

La sensibilidad se estimaría como:

ESPECIFICIDAD

Capacidad de una prueba para identificar a los sujetos sanos, es decir, la probabilidad de que para un sujeto sano la prueba salga negativa.

La especificidad se estimaría como:

En el siguiente video se muestra más detalladamente la forma de obtener la sensibilidad y la especificidad.

Como parte del plan de estudios de la carrera de Médico Cirujano de la Facultad de Medicina de la Universidad Nacional Autónoma de México (UNAM), se imparte la materia de Informática Biomédica II (IB II) a los alumnos que cursan el segundo año de la licenciatura, la cual tiene como propósito enseñarles a utilizar las herramientas electrónicas necesarias para la toma de decisiones bajo condiciones de incertidumbre.

Como parte de esta enseñanza se ha creado esta herramienta para favorecer el aprendizaje de los temas que más confusión provocan.

La Real Academia Española define al diagnóstico como el "Arte o acto de conocer una enfermedad mediante la observación de sus síntomas y signos" [RAE], mientras que el diccionario Webster agrega que es "la decisión u opinión resultante de un examen o investigación".

Durante el ejercicio de la profesión, los médicos nos encontramos ante distintas incertidumbres en las actividades que realizamos, desde las preventivas, terapéuticas y pronósticas, hasta las diagnósticas. Debido a esto, es necesario contar con herramientas que nos ayuden a determinar cual es el camino que hay que seguir.

 Una vez establecido uno o más diagnósticos presuntivos, es necesario realizar pruebas que nos ayuden a confirmar o descartar los que no se relacionen con nuestro paciente.

Para que una prueba diagnóstica se diga buena, debería ser positiva en los enfermos y negativa en los sanos, por lo que debe cumplir con tres condiciones básicas:

• Validez: Es el grado en que una prueba mide lo que debe medir.
• La Sensibilidad y la especificidad son sus medidas.
• Reproductividad: Es la capacidad de la prueba para arrojar los mismos resultados cuando esta se repita en condiciones similares.
• Seguridad: ¿Con qué seguridad la prueba demostrará la presencia o ausencia de la enfermedad?
• Determinada por el Valor Predictivo Positivo (VPP) y el Valor Predictivo Negativo (VPN)

Además de esto, la prueba debe ser sencilla para aplicar, de bajo costo y bien aceptada por la población.

BIBLIOGRAFÍA:

• Sánchez M. Melchor, et al., Informática Biomédica, 2° edición, Ed. ELSEVIER, México, 2014, p.p. 307-311
• Pita Fernández, S., Pruebas diagnósticas, sensibilidad y especificidad, Unidad de Epidemiología Clínica y Bioestadística. Complexo Hospitalario Universitario de A Coruña (España), disponible en internet en: https://www.fisterra.com/mbe/investiga/pruebas_diagnosticas/pruebas_diagnosticas.asp#Tabla 1