Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Diagnsticas en Medicina
Andrs Fandio L. MD. MSc. PhD.
Escuela de Salud Pblica.
Universidad del Valle.
Fuentes de variabilidad
Reproducibilidad o concordancia
Grado en que concuerdan dos o ms
mediciones sobre la misma muestra
Validez
Grado en que una medicin coincide con la
verdad
Validez y reproducibilidad...
120 100 -
80 tiempo
Validez de una
prueba diagnstica
Validez
Grado en el que los resultados
de una medicin corresponden
al fenmeno real (la verdad)
ENFERMEDAD
S
+
PRUEBA
No
Verdaderos
positivos a
c
Falsos
negativos
b
d
Falsos
positivos
Verdaderos
negativos
ENFERMEDAD
S
+
PRUEBA
No
Verdaderos
Positivos a
c
Falsos
Negativos
o lo son y no parecen
serlo;
o no son y s
parecen serlo.
b
d
Falsos
Positivos
Verdaderos
Negativos
o no lo son y no parecen
serlo;
Validez
Grado en que los resultados de una prueba
corresponden realmente a aquello que se est
midiendo.
Capacidad de la prueba para medir el fenmeno
que se est estudiando.
Capacidad de una prueba diagnstica de clasificar
correctamente a enfermos y no enfermos.
Parmetros de validez interna:
Sensibilidad (S) de la prueba
Especificidad (E) de la prueba
PRUEBA
S
+
No
Verdaderos
positivos a b
c
Falsos
negativos
Falsos
positivos
Verdaderos
negativos
Sensibilidad: S =
a
a+c
Ejemplo:
S=0,75 u 75%
La prueba es positiva en
el 75% de los que tienen
la enfermedad
PRUEBA
S
+
No
Verdaderos
positivos a b
c
Falsos
negativos
Falsos
positivos
Verdaderos
negativos
d
Especificidad: E =
b+d
Ejemplo:
E=0,90 u 90%
La prueba es negativa en
el 90% de los que no
tienen la enfermedad
Especificidad
Probabilidad de que la prueba sea negativa en los
individuos sanos.
Diagnstico clnico
Cultivo farngeo
27
35
10
77
a
Sensibilidad: S =
a+c
S = 27 / 37 = 73%
d
Especificidad: E =
b+d
E = 77 / 112 = 69%
IC95%:
p 1,96 (p (1-p) / N)
[CPK]
VN
FP
Relacin entre S y E?
Aparentemente no estn relacionadas: la Sens. se
mide entre quienes tienen la enfermedad y la Esp.
entre quienes estn sanos...
Angina
IAM
[CPK]
FN
VP
Relacin entre S y E?
Aparentemente no estn relacionadas: la Sens. se
mide entre quienes tienen la enfermedad y la Esp.
entre quienes estn sanos...
Angina
IAM
VN
FN
FP
VP
[CPK]
Especificidad
Sensibilidad
Relacin entre S y E?
VN
FP
Especificidad
FN
VP
Sensibilidad
Relacin
inversa
Relacin inversa
entre Sensibilidad
(S) y Especificidad
(E).
CPK
Puntos de
corte
Valor
70
100.0
17.7
120
94.0
40.3
140
92.5
59.7
160
85.1
82.3
180
82.6
83.9
200
73.1
87.1
220
70.1
90.3
260
67.2
90.3
300
61.2
90.3
10
340
68.2
90.3
11
400
32.8
96.8
12
500
16.8
100.0
sensibilidad
La relacin inversa
entre Sensibilidad y
Especificidad
suele representarse
mediante la curva ROC
Receiver Operating
Characteristic
Sensibilidad
vs.
1 Especificidad
1 especificidad
Curva ROC
sensibilidad
FP+FN
VN+VP
Diagnsticos
correctos
1 especificidad
Valores predictivos
En clnica normalmente deseamos saber
si el resultado (positivo o negativo) de la
prueba es correcto o no, es decir, la
probabilidad de la enfermedad tras
saber el resultado de la prueba
PRUEBA
S
+
No
Verdaderos
positivos a b
c
Falsos
negativos
Falsos
positivos
Verdaderos
negativos
a
VPP =
a+b
Ejemplo:
VPP=0,99 0 99%
El 99% de los pacientes
con la prueba positiva
tiene realmente la
enfermedad
a+b
El VPP depende de la
prevalencia o probabilidad
a priori de la enfermedad
Cuando la muestra no es
representativa se calcula a
partir del Teorema de Bayes
VPP =
P*S
P * S + (1 P) (1 E)
P: prevalencia
S: sensibilidad
E: especificidad
PRUEBA
S
+
No
Verdaderos
positivos a b
c
Falsos
negativos
Falsos
positivos
Verdaderos
negativos
d
VPN =
c+d
Ejemplo:
VPN=0,80 0 80%
El 80% de los pacientes
con la prueba negativa
realmente estn sanos.
c+d
El VPN depende de la
prevalencia o probabilidad
a priori de la enfermedad
Cuando la muestra no es
representativa se calcula a
partir del Teorema de Bayes
VPN =
(1 P) * E
(1 P) E + P (1 S)
P: prevalencia
S: sensibilidad
E: especificidad
Razones de verosimilitud
(razones de probabilidad diagnstica)
(likelihood ratios)
Parmetros independientes de la
prevalencia de la enfermedad que
aglutinan la informacin sobre
sensibilidad y especificidad
VPP
P
=
1 VPP
S
X
1P
1E
RVP >10
RVP 5-10
RVP 2-5
RVP 1-2
-- prueba excelente
-- prueba buena
-- prueba regular
-- deficiente
1 VPN
=
VPN
1S
P
X
1P
E
1S
Pruebas en paralelo
Cuando se necesita un diagnstico rpido
(Ej.: pacientes hospitalizados o en urgencias)
Prueba A o prueba B o prueba C positivas
A
B
C
+
+
aumentan la sensibilidad y
el VP negativo
disminuyen la especificidad
y el VP positivo
Pruebas en paralelo
Especialmente tiles cuando se requiere una prueba muy
sensible pero slo se dispone de pruebas relativamente
insensibles que miden diferentes fenmenos clnicos.
Es menos probable que la enfermedad se pase por alto,
pero tambin hay ms falsos positivos.
Perjuicio: el tratamiento de algunos pacientes sin la
enfermedad.
Pruebas en serie
Cuando no se precisa una evaluacin rpida
Cuando alguna de las pruebas tiene un coste o un
riesgo elevado
Prueba A y prueba B y prueba C positivas
43
Nociones de probabilidad
Hay dos maneras principales de entender la
probabilidad:
Frecuentista (objetiva): Probabilidad de un suceso es la frecuencia
relativa (%) de veces que ocurrira el suceso al realizar un
experimento repetidas veces.
Subjetiva (bayesiana): Grado de certeza que se posee sobre un
suceso. Es personal.
44
Sucesos
espacio muestral
espacio muestral
espacio muestral
espacio muestral
espacio muestral
UNIN
INTERSEC.
espacio muestral
E
100%
espacio muestral
espacio muestral
P(E)=1
P(AUB)=P(A)+P(B) si A B=
es el conjunto vaco.
P( A B)
PB ( A) P( A / B)
P( B)
espacio muestral
A
B
45
46
A
B
P(A) = 0,25
P(B) = 0,10
P(A B) = 0,08
P(A|B)=0,8
47
B
B
Probabilidad de A sabiendo que ha pasado B?
P(A) = 0,25
P(B) = 0,10
P(A B) = 0,005
P(A|B)=0,05
P(A) = 0,25
P(B) = 0,10
P(A B) = 0
P(A|B)=0
48
49
Probabilidad total
A2
A1
Si conocemos la probabilidad
de B en cada uno de los
componentes de un sistema
exhaustivo y excluyente de
sucesos, entonces
B
podemos calcular la
probabilidad de B.
A3
A4
51
Total.
Hombres y mujeres
forman
una particin del
espacio muestral
R. Bayes
Mujeres
Varones
fumadores
52
0,1
0,7
Mujer
Fuma
0,9
No fuma
Estudiante
0,2
0,3
Fuma
Hombre
0,8
No fuma
P(H | F) = 0,3x0,2/P(F)
-Los caminos a travs de
nodos representan
intersecciones.
-Las bifurcaciones
representan uniones
disjuntas.
-Se pueden resolver los
problemas usando la
tcnica de su
preferencia.
Regla de Bayes
A2
A1
Si conocemos la probabilidad de B
en cada uno de los componentes de
un sistema exhaustivo y excluyente
de sucesos, entonces
si ocurre B, podemos calcular la
probabilidad (a posteriori) de
ocurrencia de cada Ai.
PB ( A i ) P( A i / B)
A3
A4
P( A i B)
P( B)
53
54
Test diagnsticos
Un test diagnstico sirve para ayudar a mejorar una estimacin de la
probabilidad de que un individuo presente una enfermedad.
En principio tenemos una idea subjetiva de P(Enfermo). Nos ayudamos
de
Incidencia,
Prevalencia,
Por otra parte, para confirmar, usamos una prueba diagnstica. La misma
ha sido evaluada con anterioridad sobre dos grupos de individuos: sanos y
enfermos. As de modo frecuentista se ha estimado:
Sensibilidad (verdaderos +)= Tasa de acierto sobre enfermos.
Especificidad (verdaderos -)= Tasa de acierto sobre sanos.
55
T+
Enfermo
Falsos -
T-
Individuo
Falsos +
T+
Sano
Especificidad,
Verdaderos -
T-
P( Enf | T )
0,3
T+
0,2
Enfermo
T-
0,7
Individuo
0,01
0,8
T+
Sano
0,99
T-
P( Enf T ) P( Sano T )
0,2 0,3
0,88
0,2 0,3 0,8 0,01
P( Sano | T )
P( Enf T )
P( Sano T )
P ( Sano T ) P ( Enf T )
0,8 0,99
0,85
0,8 0,99 0,2 0,7
56
Observaciones
En el ejemplo anterior, al llegar un
individuo a la consulta tenemos una
idea a priori sobre la probabilidad de
que tenga una enfermedad.
-Qu probabilidad
tengo de estar
enfermo?
- En principio 0.2. Le
haremos unas pruebas.
- Presenta glucosuria.
La probabilidad ahora
es de 0.88
57