Evaluacin de una prueba

diagnstica
Prueba dicotmica:
Resultado positivo o negativo

Prueba diagnstica con (R +) o (R -)

R+

R+
R-

REnfermos

Sanos

Exactitud de una prueba diagnstica

Sensibilidad: Es la probabilidad de un resultado
positivo cuando el individuo est enfermo, o la
proporcin de resultados positivos entre los
enfermos (Es la capacidad para detectar la
enfermedad)
Sensibilidad = P(R+ \ E)
Especificidad: Es la probabilidad de un
resultado negativo para un individuo sano, o la
proporcin de resultados negativos en un grupo
de sanos. (Es la capacidad para detectar los
sanos)
Especificidad = P(R- \ S)

Valor predictivo de una prueba

diagnstica
Valor predictivo positivo: es la probabilidad de
presencia de la enfermedad, cuando se ha
obtenido un resultado positivo o la propocin de
enfermos entre los resultados positivos.
VPP = P(E \ R+)
Valor predictivo negativo: es la probabilidad de
ausencia de la enfermedad cuando se ha obtenido
un resultado negativo o la proporcin de sanos
entre los resultados negativos.
VPN = P(S \ R-)

Resultado
Verdadero diagnstico
de la
Enfermo
Sano
prueba
Positivo
Verdaderos
Falsos
positivos (VP)
Positivos (FP)
Negativo

Falsos
Negativos (FN)

Verdaderos
negativos (VN)

Sensibilidad = VP / (VP + FN)

Especificidad = VN / (FP + VN)
Valor predictivo positivo = VP / (VP + FP)
Valor predictivo negativo = VN / (FN +VN)

Tabla 2: prevalencia 0.20 20%

Resultado
de la
prueba
Positivo
Negativo

Verdadero diagnstico
Enfermo

Sano

160

80

40

720

Sensibildad = 160/200 = 0.80 80%

Especificidad = 720/800 = 0.90 90%
VPP = 160/240 = 0.667 66.7%
VPN = 720/760 = 0.947 94.7%

Tabla 3:
Resultado
de la
prueba
Positivo
Negativo

Verdadero diagnstico
Enfermo

Sano

190

80

10

720

Sensibildad = 190/200 = 0.95 95%

Especificidad = 720/800 = 0.90 90%
VPP = 190/270 = 0.704 70.4%
VPN = 720/730 = 0.986 98.6%

Tabla 4:
Resultado
de la
prueba
Positivo
Negativo

Verdadero diagnstico
Enfermo

Sano

160

20

40

780

Sensibildad = 160/200 = 0.80 80%

Especificidad = 780/800 = 0.975 97.5%
VPP = 160/180 = 0.889 88.9%
VPN = 780/820 = 0.951 95.1%

Tabla 5: prevalencia 0.4 40 %

Resultado
de la
prueba
Positivo
Negativo

Verdadero diagnstico
Enfermo

Sano

320

60

80

540

Sensibildad = 320/400 = 0.80 80%

Especificidad = 540/600 = 0.90 90%
VPP = 320/380 = 0.842 84.2%
VPN = 540/620 = 0.871 87.1%

Tabla 6: prevalencia 0.10 10%

Resultado
de la
prueba
Positivo
Negativo

Verdadero diagnstico
Enfermo

Sano

80

90

20

810

Sensibildad = 80/100 = 0.80 80%

Especificidad = 810/900 = 0.90 90%
VPP = 80/170 = 0.471 47.1%
VPN = 810/830 = 0.976 97.6%

Sensibilidad 0.80 Especificidad 0.90

Prevalencia = 0.40

Prevalencia = 0.10

R+

R+

R+

R+
R-

R-

R-

R-

VPP = 0.842
VPN = 0.871

VPP = 0.471
VPN = 0.976

Frmula de Bayes
Sens * P(E)
VPP =
Sens * P(E) + (1-Espec) * (1- P(E))

Espec * (1-P(E))
VPN =
Espec * (1- P(E)) + (1-Sens) * P(E)

Intervalo de 95% de confianza =

[ p 1.96

p (1-p) / n ; p + 1.96

p (1-p) / n ]

Para la tabla 1:
Sensibilidad = 0.80 [0.7445 ; 0.8554]
Especificidad = 0.90 [0.8792 ; 0.9208]
VPP = 0.667 [0.9108 ; 0.7232]
VPN = 0.947 [0.9311 ; 0.9629]

Aplicacin de mltiples
pruebas diagnsticas
En paralelo: se realizan varias
determinaciones al mismo tiempo, se
considera un resultado positivo cuando
cualquiera da positiva.

En serie: se realizan varias pruebas

secuencialmente, se considera un
resultado positivo cuando todas dan
positivas.

Exactitud de dos pruebas T1 y T2 combinadas

Resultado
de los
tests
T1+ , T2T1- , T2+

Tipo

Negat.
Negat.

Posit.
Posit.

15
20

20
15

35
35

T1+ , T2+

Posit.

Posit.

60

65

T1- , T2-

Negat.

Negat.

60

65

100

100

200

Serie

Enfermedad

Paralelo Presente Ausente

Total
Sens.(T1)= 0.75
Espec .(T1)= 0.75

Sens.(T2)= 0.80
Espec .(T2)= 0.80

En serie:
Sensibilidad = 0.60
Especificidad = 0.95

En paralelo:
Sensibilidad = 0.95
Especificidad = 0.60

Total

Exactitud de dos pruebas

combinadas
En serie:

En paralelo:

Disminuye sensibilidad
Aumenta especificidad
Aumenta VPP

Aumenta sensibilidad
Disminuye Especificidad
Aumenta VPN

Algunos ejercicios

Los siguientes datos se recogieron de

un estudio sobre el uso de una tcnica
denominada ventriculografa de
radioistopos como prueba diagnstica
para detectar alguna enfermedad
coronaria. Se aplic a un grupo de
pacientes con sntomas previos de
enfermedad coronaria. Los resultados
se presentan en la siguiente tabla.

Prueba

Enfermedad

Total

Presente Ausente
Positivo

302

80

382

Negativo

179

372

551

Total

481

452

933

1) Cul es la prevalencia en este grupo?

a) 382/933
b) 302/382
c) 481/933
d) 302/481

Prueba

Enfermedad

Total

Presente Ausente
Positivo

302

80

382

Negativo

179

372

551

Total

481

452

933

2) Cul es la sensibilidad?
a) 382/933
b) 372/452
c) 481/933
d) 302/481

10

Prueba

Enfermedad

Total

Presente Ausente
Positivo

302

80

382

Negativo

179

372

551

Total

481

452

933

3) Cul es la probabilidad de que un individuo sin

enfermedad coronaria tenga un resultado
negativo?
a) 382/933
b) 372/452
c) 481/933
d) 302/481

Prueba

Enfermedad

Total

Presente Ausente
Positivo

302

80

382

Negativo

179

372

551

Total

481

452

933

4) La probabilidad calculada en la pregunta

anterior se llama:
a) Valor predictivo negativo
b) Sensibilidad
c) Especificidad
d) Valor predictivo positivo

11

Prueba

Enfermedad

Total

Presente Ausente
Positivo

302

80

382

Negativo

179

372

551

Total

481

452

933

5) Si se aplica esta prueba en una poblacin

donde la prevalencia de enfermedades
coronarias es de 0.10, calcular la probabilidad
de que un individuo padezca enfermedad
coronaria, sabiendo que la prueba dio un
resultado positivo?

Una prueba experimental para SIDA tiene una

sensibilidad de 82% y una especificidad de 93%. Si
la prevalencia de SIDA en la poblacin donde se
aplicar la enfermedad es de 3%.
1) La probabilidad de que un
individuo con resultado
positivo no tenga SIDA, es:

2) La probabilidad de que un
individuo con resultado
positivo tenga SIDA, es:

a) 0.27

a) 0.27

b) 0.73

b) 0.73

c) 0.82

c) 0.82

d) 0.18

d) 0.18

12

Se llev a cabo un estudio sobre el uso de

glucemia capilar por ayuno, como prueba
diagnstica para diabetes. Se utiliz un
diseo de casos y controles. Eligiendo un
valor de la prueba 5.6 como criterio de
positividad, se obtuvieron los siguientes
resultados

Prueba

Diabetes

Total

Presente Ausente
Positivo

44

28

72

Negativo

72

78

Total

50

100

150

1) La sensibilidad es:
a) 28/100
b) 50/150
c) 44/50
d) 44/72

13

Prueba

Diabetes

Total

Presente Ausente
Positivo

44

28

72

Negativo

72

78

Total

50

100

150

2) La probabilidad de que una persona diabtica

obtenga un resultado negativo es:
a) 72/100
b) 6/50
c) 72/78
d) 44/50

Prueba

Diabetes

Total

Presente Ausente
Positivo

44

28

72

Negativo

72

78

Total

50

100

150

3) El valor predictivo positivo de esta prueba es:

a) 28/72
b) 44/72
c) 72/78
d) ninguno de los anteriores

14

Prueba diagnstica con

resultados sobre una escala
continua
Punto de corte
Sensibilidad
Especificidad

Prueba diagnstica con valores continuos

Sanos

Enfermos

pc
Resultado positivo cuando el valor de la prueba es
mayor que el punto de corte (pc)
Una prueba como esta discrimina muy bien ambas
opoblaciones

15

Prueba diagnstica con valores continuos

Sanos

Enfermos

pc
Se define un resultado positivo cuando el valor de
la prueba es mayor que el punto de corte (pc)

Valor de corte bajo

Sanos
XS

Enfermos
XE

pc

Sensibilidad = P (XE >= pc) est prximo a 1

Especificidad = P (XS < pc) es poco ms de 0.5

16

Valor de corte alto

Sanos
XS

Enfermos
XE

pc

Sensibilidad = P (XE >= pc) aproximadamente 0.5

Especificidad = P (XS < pc) est prximo a 1

Cuando el criterio de positividad es: R+ si el

valor de la muestra es mayor que el pc:
Sensibilidad: disminuye al aumentar el pc
Especificidad: aumenta al aumentar el pc
(1- especificidad): disminuye al aumentar el pc

La curva ROC es la grfica de los

puntos (1-espec , sens)

17

Curva ROC
1

sensibilidad

0,8

0,6

0,4

0,2

0
0

0,2

0,4

0,6

0,8

1 - especificidad

Estimacin de la curva ROC

mtodo emprico
Para cada pc estimamos:
Sensibilidad estimada = #{XE > pc}/ nE
(1 - especifidad) estimada = # {XS > pc}/ nS

18

Ejemplo 1

Enfermos

Sanos

194,8

162.3

201,5

164.2

207,6

170.4

215,4

172.6

220,8

173.8

223,6

175.1

225,8

180.3

231,7

184.9

235,3

195.2

240,9

199.4

248,6

208.6

252,7

215.7

260,4

223.2

estado

prueba

estado

prueba

162.3

208.6

164.2

215.4

170.4

215,7

172.6

220.8

173.8

223.2

175.1

223.6

180.3

225.8

184.9

231.7

194.8

235.3

195.2

240.9

199.4

248.6

201.5

252.7

207.6

260.4

19

Ejemplo 1:
1

0,8

0,6

0,4

0,2

0
0

0,2

0,4

0,6

0,8

Eleccin del punto de corte

Para cada punto de corte se podra definir una tabla
con VP, FN, FP y VN. Si se asigna una utilidad a
cada uno de esos resultados:
UVP: enfermo y la prueba indica enfermedad (+)
UFN: enfermo y la prueba no lo detecta (- )
UFP: sano y la prueba indica enfermedad (- )
UVN: sano y la prueba indica sano (+)

20

Eleccin del punto de corte

La utilidad global global ser:
U = P(E)*P(R+ / E)*UVP + P(E)*P(R- /E )*UFN
+ P(S)*P(R+ / S)*UFP + P(S)*P(R- / S)*UVN =
= (UVP UFN)*P(E)*P(R+ / E) + P(E)*UFN +
(UFP UVN)*P(S)* P(R+ / S) + P(S)*UVN
Para maximizar la utilidad, derivamos respecto de P(R+ / S),
e igualamos a 0

Eleccin del punto de corte

dP(R+\E)

UVN UFP

P(S)

dP(R+\S)

UVP UFN

P(E)

El primer miembro es la pendiente de la curva ROC, se

elige el punto de corte de modo que la curva ROC en
ese punto tenga pendiente igual a la expresin de la
derecha.
costo de un falso positivo 1 P
m=
costo de un falso negativo

21

UVP = 1
UFN = - 0.3
UVN = 0.7
UFP = - 0.5
Costo de falso positivo = 0.7-(-0.5) = 1.2
Costo de falso negativo = 1-(-0.3) = 1.3
Prevalencia = 0.3
Pendiente = 2.15

0.25

0.3
0.6

0,8
0.7
1.2

0,6
1.5

0,4

3.5

0,2

4.2
8.8

0
0

0,2

0,4

0,6

0,8

22

Algunos ejemplos

Glucemia capilar como prueba para diabetes

20%

Porcentaje

15%

10%

5%

0%
2,00

4,00

6,00

8,00

10,00

glucemia capilar

23

Curva ROC para glucemia capilar

1
0,8

rea = 0.893

0,6

Error estndar = 0.032

IC = [0.830 ; 0.956]

0,4
0,2
0
0,2

0,4

0,6

0,8

Nivel de creatinina como predictor de rechazo

de un implante

15%

Porcentaje

10%

5%

0%
1,00

1,50

2,00

2,50

3,00

creatinina

24

Curva ROC para nivel de creatinina

1

Punto de corte: 1.77

( 0.3 ; 0.8 )

0,8

Sensibilidad = 0.8
Especificidad = 0.7

0,6
0,4
0,2
0
0

0,2

0,4

rea = 0,831

0,6

0,8

error estndar = 0.034

IC = [ 0.764 ; 0.898 ]

d-ALA-D(U/L de glbulo rojo) como

indicador de exposicin al plomo

Porcentaje

30%

20%

10%

0%
10,00

20,00

30,00

40,00

d-ALA-D(U/L de glbulo rojo)

25

Curva ROC para d-ALA-D(U/L de glbulo rojo)

1(

0.11 ; 0.96 )

0,8

0,6

0,4

0,2

0
0

rea = 0,922

0,2

0,4

0,6

0,8

error estndar = 0.040

IC = [ 0.844 ; 0.999 ]

Niveles de VCM como indicador de anemia ferropnica

Recuento

12

0
60,00

70,00

80,00

90,00

vcm

26

Curva Roc para VCM

1,0

,8

Sensibilidad

,5

,3

0,0
0,0

,3

,5

,8

1,0

1 - Especificidad
Los segmentos diagonales son producidos por los empates.

rea = 0.934
Error estndar = 0.023

Niveles de Ferritina como indicador de anemia ferropnica

40

Recuento

30

20

10

20,00

40,00

60,00

80,00

FERRITINA

27

Curva ROC para ferritina

1,0

,8

Sensibilidad

,5

,3

0,0
0,0

,3

,5

,8

1,0

1 - Especificidad
Los segmentos diagonales son producidos por los empates.

rea = 0.797
Error estndar = 0.038

1,0

,8

Sensibilidad

,5

,3

Lnea de referencia
FERRITINA

0,0

VCM

0,0

,3

,5

,8

1,0

1 - Especificidad
Los segmentos diagonales son producidos por los empates.

Comparacin:
Z = 3.95 (P-valor < 0.001)
El rea bajo las curvas es diferente, la prueba
basada en valores de VCM discrimina mejor

28

Curva ROC:
Receiver Operating Characteristic curve

29