Teora curvas ROC Resumen Se sabe que los procederes diagnsticos son parte esencial y crtica en la toma de decisiones

clnicas, de ah la importancia de evaluar su precisin diagnstica. El anlisis de las curvas Receiver-Operating Characteristic aporta, de manera sencilla, un magnfico indicador de la precisin de una prueba diagnstica. En este trabajo se consideraron aspectos, fundamentalmente prcticos, relativos a la metodologa Receiver-Operating Characteristic como: utilidad, modo de interpretar los resultados y ventajas en relacin con otros mtodos. Se concluy que el conocimiento sobre esta metodologa resulta de gran utilidad para todo profesional de la salud encargado de desarrollar, validar, indicar e interpretar resultados de pruebas diagnsticas. DeCS: CURVA ROC; TECNICAS Y PROCEDIMIENTOS DIAGNOSTICOS; METODOS Y PROCEDIMIENTOS ESTADISTICOS; SENSIBILIDAD Y ESPECIFICIDAD. Los procederes diagnsticos permiten clasificar correctamente a los pacientes en determinadas categoras, en relacin con una enfermedad, de modo que se pueda aplicar una teraputica adecuada y estimar su pronstico. Sin embargo, ese proceso es a menudo difcil. Los pacientes pueden tener diversos procesos patolgicos concurrentes y los sntomas y signos clnicos de muchas enfermedades en ocasiones carecen de especificidad. Adems, los resultados de exmenes de laboratorio y otros procederes diagnsticos de individuos saludables y enfermos a menudo se superponen. Es necesario aplicar una amplia gama de mtodos estadsticos para evaluar y manejar la informacin diagnstica, lo cual facilita la adecuada atencin de los pacientes.1 El desempeo clnico de una prueba diagnstica puede ser medido en trminos de precisin diagnstica, o sea, de su habilidad para clasificar correctamente a los sujetos en subgrupos clnicamente relevantes.2 Aunque la sensibilidad, la especificidad y los valores predictivos han sido usados por mucho tiempo como indicadores de la precisin de una prueba diagnstica, existen mtodos modernos, como las curvas de operacin caracterstica del receptor (Receiver-Operating Characteristic [ROC]), la regresin logstica y la razn de verosimilitud, que son considerados indicadores ms robustos, pues superan muchas de las limitaciones de los ndices tradicionales.3,4 Las curvas ROC proporcionan un buen ndice de la capacidad de una prueba diagnstica para discriminar entre estados alternativos de salud cuando los resultados son medidos en escala ordinal, por intervalo o continua.2,5 Son tiles tambin para comparar distintos procederes diagnsticos4, 6-10 y seleccionar umbrales de decisin (puntos de corte entre los resultados positivos y negativos de la prueba).2, 10- 13

Las pruebas diagnsticas son una parte crtica del proceso clnico; estrategias diagnsticas inapropiadas ponen en riesgo al paciente y ocasionan grandes prdidas de recursos, esto evidencia la importancia de evaluar adecuadamente la precisin de las pruebas. Con este trabajo nos hemos propuesto un acercamiento, fundamentalmente prctico, a un mtodo muy til, y aceptablemente sencillo, para evaluar el poder discriminatorio de un proceder diagnstico, para esto haremos una breve descripcin terica del mtodo y de las situaciones en las que est indicado su uso, expondremos el modo de interpretar los resultados del grfico y del rea bajo la curva ROC, las ventajas y las desventajas del mtodo. Hemos incluido algunos ejemplos de la aplicacin de esta tcnica estadstica en la evaluacin de mtodos diagnsticos en el campo de la Endocrinologa.

Descripcin del mtodo La metodologa ROC fue desarrollada en el contexto de la deteccin de seales electrnicas en los inicios de la dcada de los 50. A mediados de los 60 se haban usado las curvas ROC en psicologa y psicofsica experimental.14 Leo Lusted, un radilogo, fue el primero en usarlas en el proceso de toma de decisiones mdicas, en 1967, y comenz a aplicarlas en estudios con imgenes, en 1969.15, 16 Las pruebas diagnsticas son utilizadas para ayudar a responder preguntas en relacin con la atencin de los pacientes. La precisin es la principal caracterstica de un proceder diagnstico como recurso de clasificacin, esta mide la habilidad de la prueba para distinguir entre estados alternativos de salud, lo cual incluye la distincin entre enfermedad y salud, entre enfermedad benigna y maligna, entre sujetos que responden o no a una determinada terapia y predecir quin enfermar o no. Esta habilidad de discriminar es el punto de comienzo cuando estimamos qu contribucin puede hacer una prueba diagnstica al proceso de atencin del paciente. Si bien la precisin de una prueba diagnstica es el indicador fundamental de su valor en la atencin al paciente, otro aspecto que debemos considerar al evaluarlas es su utilidad, el valor prctico de la informacin que obtendremos. Una prueba puede tener una habilidad considerable para discriminar y, sin embargo, poco valor prctico para la atencin a los pacientes, por su costo y carcter invasivo, entre otros aspectos.17,18 La precisin de un proceder diagnstico ha sido definida como su habilidad para discriminar entre 2 subclases de sujetos cuando hay alguna razn clnica relevante para hacerlo.2 La precisin de una prueba diagnstica puede ser medida en trminos de sensibilidad y especificidad, estas son definidas como la proporcin de sujetos con enfermedad y sin ella, correctamente clasificados por la prueba.19

La importancia de estos conceptos es absolutamente reconocida, pero reportar un solo valor de sensibilidad y especificidad es una simplificacin del problema; un proceder diagnstico no tiene un solo valor de sensibilidad y especificidad, sino muchos. Como el umbral de decisin usado para clasificar a los sujetos como positivos o negativos vara a travs del rango de resultados posibles, la sensibilidad y la especificidad se movern en direcciones opuestas, cuando una aumenta la otra disminuye, para cada umbral de decisin hay una combinacin de sensibilidad y especificidad. Consecuentemente, solo el rango completo de los pares sensibilidad/especificidad proporciona un cuadro ntegro de la precisin de la prueba.

Figura de la curva ROC Para que una prueba diagnstica sea usada en la atencin de pacientes es imprescindible seleccionar un umbral de decisin, pero no es necesario hacerlo para estimar la precisin. La figura de la curva ROC proporciona un cuadro completo de la habilidad de una prueba para discriminar, se examinan todos los posibles umbrales de decisin; representa los pares de sensibilidad/especificidad para todo el rango de resultados observados. En el eje Y se representa la sensibilidad o la fraccin de verdaderos positivos definido como:

VP: Sujetos enfermos que el proceder diagnstico clasifica como tales. FN: Sujetos enfermos que el proceder diagnstico clasifica como sanos. Esta es tambin definida como la positividad en presencia de una enfermedad o condicin y es calculada solo del grupo afectado. En el eje X est la fraccin de falsos positivos o 1especificidad, definida como:

FP: Sujetos sanos que el proceder diag nstico clasifica como enfermos. VN: Sujetos sanos que el proceder diagnstico clasifica como tales. Este es un ndice de especificidad y solo se calcula en el grupo no afectado. Las fracciones de verdaderos y falsos positivos se calculan por separado para cada subgrupo, por tanto, la curva ROC es independiente de la prevalencia de la enfermedad en la muestra. Cada punto en la figura representa un par de sensibilidad/especificidad correspondiente a un umbral de decisin particular. Una prueba diagnstica con una

discriminacin perfecta tiene una curva que pasa a travs de la esquina superior izquierda, donde la fraccin de verdaderos positivos es 1 100 % (sensibilidad perfecta) y la fraccin de falsos positivos es 0 (especificidad perfecta). Una figura terica para una prueba que no discrimina (distribucin idntica de los resultados para ambos grupos) es una lnea diagonal de 45 o desde la esquina inferior izquierda hasta la superior derecha. La mayora de las representaciones caen entre estos extremos. Cuanto ms cerca est la lnea de la esquina superior izquierda, mayor ser la precisin de la prueba.

Comparacin de diferentes pruebas diagnsticas mediante la figura de la curva ROC Cuando se han obtenido resultados de mltiples pruebas en un mismo grupo de pacientes, pueden ser representados juntos. La posicin relativa de las lneas indica la precisin relativa de las pruebas. Una curva que cae encima y a la izquierda de otra indica mayor precisin.

Ventajas de la figura de la curva ROC

Es una representacin simple, y fcilmente comprensible, de la precisin de una prueba, o sea, de su habilidad de discriminar a travs de todo el rango de valores. No requiere seleccionar un umbral de decisin particular porque es incluido todo el rango de posible umbrales. Es independiente de la prevalencia, no necesita obtener muestras con prevalencia representativa, de hecho usualmente es preferible tener igual nmero de sujetos con ambas condiciones. Sin embargo, se ha planteado que estudios en los que se recluta a los pacientes con la enfermedad y sin ella, por separado, sobrestiman la precisin, en relacin con aquellos en que los sujetos son obtenidos como una muestra representativa de la poblacin en la cual el proceder diagnstico fue realizado, sin seleccin previa, segn el estado de la enfermedad.20 Proporciona una comparacin visual directa entre pruebas sobre una escala comn. Puede ser aplicado para pruebas diagnsticas cuyos resultados son medidos en escala tanto ordinal, como por intervalo o continua.11

Desventajas de la figura de la curva ROC

No se muestra los umbrales de decisin reales. No se muestra el nmero de sujetos, y a medida que el tamao de la muestra decrece, la representacin grfica tiende a volverse progresivamente mellada y desigual.2 La generacin de la figura y el clculo de los parmetros es difcilmente manejable sin programas de computacin, los que no estn ampliamente disponibles. No tiene aplicacin cuando los resultados de la prueba son medidos en una escala dicotmica.

rea bajo la curva ROC El rea bajo la curva ROC es el mejor indicador global de la precisin de una prueba diagnstica.4 Hace factible expresar el desempeo de una prueba mediante un nmero simple. Esta rea es siempre mayor o igual a 0,5. El rango de valores se mueve entre 1 (discriminacin perfecta) y 0,5 (no hay diferencias en la distribucin de los valores de la prueba entre los 2 grupos). La interpretacin del valor del rea sera del modo siguiente: un rea de 0,8 significa que un individuo seleccionado aleatoriamente del grupo de enfermos tiene un valor de la prueba mayor que uno seleccionado aleatoriamente del grupo de sanos en el 80 % de las veces. Mediante una prueba de hiptesis y/o de la estimacin del intervalo de confianza para el rea, podemos evaluar la precisin de un proceder diagnstico. Rechazar la hiptesis de que el rea terica es igual a 0,5 (p < 0,05 y/o intervalo de confianza que no contiene al 0,5), proporciona evidencia de que la prueba diagnstica tiene la habilidad para distinguir entre los 2 subgrupos. Utilizando una prueba de hiptesis es posible comparar varias reas bajo la curva ROC, lo que permite hacer distinciones entre el poder discriminatorio de 2 o ms procederes diagnsticos, cuando estos se han realizado en el mismo grupo de pacientes.2