SciELO - Scientific Electronic Library Online

 
vol.15 número58En una epidemia de tos ferina: ¿es útil la estrategia de nido?Ejercicio complicado o aritmética mental en la escuela pública de Rachinski: Nicolai Petrovich Bogdanov Belski, 1895-1896 índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • En proceso de indezaciónCitado por Google
  • No hay articulos similaresSimilares en SciELO
  • En proceso de indezaciónSimilares en Google

Compartir


Pediatría Atención Primaria

versión impresa ISSN 1139-7632

Rev Pediatr Aten Primaria vol.15 no.58 Madrid abr./jun. 2013

http://dx.doi.org/10.4321/S1139-76322013000200013 

LECTURA CRÍTICA EN PEQUEÑAS DOSIS

 

Características de las pruebas diagnósticas

Characteristics of diagnostic tests

 

 

M. Molina Arias

Servicio de Gastroenterología. Hospital Infantil Universitario La Paz. Madrid. España.
Grupo de Trabajo de Pediatría Basada en la Evidencia, AEP/AEPap. Editor de www.cienciasinseso.com
mma1961@gmail.com

 

 


RESUMEN

Las decisiones médicas se toman en un marco de incertidumbre, moviendo la probabilidad de enfermedad entre el umbral diagnóstico, por debajo del cual no son necesarias más pruebas, y el umbral terapéutico, por encima del cual no son necesarias más pruebas para comenzar un tratamiento. La sensibilidad y la especificidad son propiedades intrínsecas de las pruebas diagnósticas que nos permiten conocer su capacidad discriminar entre sanos y enfermos. Los valores predictivos nos informan de la probabilidad de que un positivo esté enfermo (valor predictivo positivo) o de que un negativo sea sano (valor predictivo negativo), cuando los utilizamos en personas de las que desconocemos su estado de enfermedad. Por último, los cocientes de probabilidad nos proporcionan la probabilidad real de padecer la enfermedad conociendo la probabilidad previa y el resultado de la prueba.

Palabras clave: Sensibilidad; Especificidad; Valores predictivos; Cocientes de probabilidad.


ABSTRACT

Medical decisions are taken in a framework of uncertainty. Probability of disease moves between diagnostic threshold, below which no further tests are needed, and therapeutic threshold, above which we don´t need further tests to justify treatment. Sensitivity and specificity are intrinsic properties of diagnostic tests that provide us with their ability to discriminate between healthy and sick people. Predictive values inform us about the probability that a positive patient is ill or that a negative patient is healthy, and they are used with people with unknown disease status. Finally likelihood ratios give us the actual probability of having the disease if we know pre-test probability and the result of the test.

Key words: Sensitivity; Specificity; Predictive values; Likelihood ratios.


 

El desempeño de la Medicina se realiza siempre en un marco de incertidumbre. Los médicos nunca podemos tener certeza absoluta de nada. Nunca. Lo que ocurre es que, para poder tomar nuestras decisiones, asumimos determinadas probabilidades de un evento como lo suficientemente elevadas para justificar nuestra decisión y actuamos como si tuviésemos certeza de algo. Pero no nos engañemos, solo hemos conseguido una probabilidad razonable de que lo que pensamos sea cierto. Nunca tendremos la certeza absoluta de que nuestro paciente tiene realmente la enfermedad de la que le hemos diagnosticado.

Continuamente nos movemos entre dos umbrales de probabilidad: el diagnóstico y el terapéutico (Fig. 1). Pensemos que nos llega un paciente de dos años de edad que consulta por presentar diarrea de características motoras. A pesar de que creamos que tiene una diarrea crónica inespecífica, decidimos pedirle unos anticuerpos antitransglutaminasa por aquello de que pueda ser celiaco (al fin y al cabo, es una enfermedad frecuente y la clínica no siempre es muy característica). Si los anticuerpos son negativos descartaremos la enfermedad con una seguridad razonable y decidiremos no realizar más pruebas diagnósticas: habremos cruzado el umbral de diagnóstico (también llamado umbral negativo de prueba). Pero si los anticuerpos son positivos, ¿qué ocurre? Que la probabilidad de que sea celiaco es ahora más alta, pero nos parece insuficiente para retirar el gluten, así que decidimos biopsiar para confirmar el diagnóstico. Si en la biopsia vemos una atrofia vellositaria grave, la probabilidad de ser celiaco habrá aumentado un poco más, esta vez lo suficiente como para justificar la retirada del gluten de la dieta: habremos cruzado el umbral terapéutico (la sistemática de diagnóstico se ha simplificado para que sea más ilustrativa).

Figura 1. Umbrales diagnóstico y terapéutico

 

En otras ocasiones, el paciente puede presentar una probabilidad tan baja de enfermedad que no justifique la realización de pruebas. Y al revés, puede estar "tan claro" que muchas veces no hace falta ninguna prueba para comenzar algunos tratamientos (la probabilidad ya está por encima del umbral terapéutico).

Esta probabilidad que el paciente tiene en función de sus síntomas, edad, raza, lugar de residencia, etc., es la que se conoce como probabilidad preprueba. La probabilidad que tiene después de realizar la técnica diagnóstica (mayor o menor) es la probabilidad posprueba. Si lo pensamos un momento, la verdadera utilidad de una prueba diagnóstica será que marque una buena distancia entre el antes y el después de su realización, tanto para confirmar el diagnóstico (si es positiva) como para descartarlo (si es negativa).

Todas las pruebas diagnósticas son imperfectas. Todas fallan en alguna ocasión, en un sentido y en otro. Cuando realizamos una prueba a un enfermo esperamos obtener un resultado positivo verdadero (VP), pero siempre habrá algunos casos en los que obtendremos negativos aunque sean enfermos: son los falsos negativos (FN). Y lo mismo ocurre con los sanos, en los que tendremos verdaderos negativos (VN) y falsos positivos (FP) (Tabla 1). Por eso necesitamos conocer bien las características de las pruebas diagnósticas para apoyar en ellas nuestras decisiones clínicas.

 

Tabla 1. Representación de resultados positivos y negativos

 

Las dos propiedades más conocidas son la sensibilidad (S) y la especificidad (E). La S es la probabilidad de que la prueba clasifique correctamente a los enfermos o, dicho de otro modo, la probabilidad de que el enfermo sea positivo. Se calcula dividiendo los VP por el número total de enfermos. Por otra parte, la E es la probabilidad de que se clasifique correctamente a los sanos o, dicho de otro modo, de que los sanos tengan un resultado negativo. Se calcula dividiendo los VN entre el número de sanos.

Tanto la S como la E son características intrínsecas de la prueba diagnóstica. La hagamos donde la hagamos, siempre que la hagamos en condiciones similares, los valores de S y E serán siempre los mismos. Su utilidad reside en su capacidad, mejor o peor, para discriminar entre sanos y enfermos. El problema es que esto no resulta suficiente para movernos entre nuestros umbrales y alcanzar el grado de certidumbre necesario para la toma de decisiones.

Si reflexionamos, en realidad nosotros no necesitamos saber cómo una prueba diagnóstica discrimina enfermos o sanos cuando ya sabemos que están enfermos o sanos. Lo que en realidad necesitamos conocer es la probabilidad de que, una vez obtenido un resultado positivo, el paciente esté enfermo (que no será siempre) y, en sentido contrario, qué probabilidad hay de que una persona con resultado negativo esté realmente sana. Y esto nos lleva a definir otras dos características de las pruebas diagnósticas: el valor predictivo positivo (VPP) y el valor predictivo negativo (VPN).

El VPP es la posibilidad de que un positivo esté enfermo y se calcula dividiendo el número de enfermos con prueba positiva entre el número total de positivos. Por otra parte, el VPN es la probabilidad de que un negativo esté realmente sano y es el cociente de sanos con resultado negativo entre el número total de negativos. En la Tabla 2 se muestra un ejemplo práctico del cálculo de S, E y valores predictivos.

 

Tabla 2. Ejemplo de cálculo de las características de las pruebas diagnósticas

 

Llegados a este punto, es importante recapacitar sobre lo dicho hasta ahora para comprender las diferencias entre los distintos parámetros. Ya dijimos que S y E son dos características intrínsecas de la prueba. No dependen del medio en el que se realice y nos informan de cómo discrimina la prueba entre sanos y enfermos, una vez que obtenemos un resultado en una persona con un estado de enfermedad conocido. Por el contrario, los valores predictivos expresan la probabilidad de enfermedad una vez conocido el resultado de la prueba en pacientes con estado de enfermedad no confirmado. Pero hay aún una diferencia más que es fundamental: los valores predictivos sí dependen del medio y varían según sea la probabilidad preprueba del paciente. Esta probabilidad preprueba es la prevalencia de enfermedad en la población de la que procede el paciente.

Esto quiere decir que la probabilidad de que un positivo esté enfermo depende de lo frecuente o rara que sea la enfermedad en la población de la que procede. Pensémoslo un momento. Imaginemos que tenemos dos antitransglutaminasa positivos. Uno es un niño de dos años con diarrea, malnutrición, distensión abdominal y mal carácter. El otro es un adulto de 42 años asintomático. ¿Cuál creéis que es más probable que sea celiaco? Parece claro que nuestro niño tiene una probabilidad preprueba mayor. El riesgo del adulto es de 1/80 (la prevalencia de celiaquía en nuestra población), mientras que el del niño, imaginemos, es de 3/5 (la prevalencia de celiaquía en niños de estas características). De esto se deduce que, en los casos de prevalencia más alta, un positivo ayuda más para confirmar la enfermedad y un negativo ayuda menos para descartarla. Y al revés, si la enfermedad es muy rara, un negativo permitirá descartar la enfermedad con una seguridad razonable, pero un positivo nos ayudará mucho menos a la hora de confirmarla.

Visto que nos movemos continuamente en un terreno de incertidumbre, parece evidente que el aspecto más importante de una prueba diagnóstica es la diferencia entre probabilidad preprueba y posprueba de padecer la enfermedad (o de estar sano, si es negativa). Los valores predictivos orientan en este sentido, pero no son suficientes. Necesitamos introducir el concepto de razón de verosimilitud, también llamado cociente de probabilidades.

El cociente de probabilidad positivo (CPP) nos indica cuánto más probable es tener un positivo en un enfermo que en un sano. La proporción de positivos en los enfermos es la S. La proporción de los positivos en sanos son los FP, que serían aquellos sanos que no dan negativo o, lo que es lo mismo, 1-E. Así, el CPP=S/(1-E).

Podemos calcular también el cociente de probabilidad negativo (CPN), que expresa cuánto más probable es encontrar un negativo en un enfermo que en un sano. Los enfermos negativos son aquellos que no dan positivo (1-S) y los sanos negativos son los VN (la E de la prueba).

Una razón de verosimilitud o cociente de probabilidad igual a uno indica que el resultado de la prueba no modifica la probabilidad de estar enfermo. Si es mayor que uno aumenta esta probabilidad y, si es menor, la disminuye. Este parámetro es el que usamos para determinar la potencia diagnóstica de la prueba. Valores >10 (o bien <0,1) indican que se trata de una prueba muy potente que apoya (o contradice) fuertemente el diagnóstico; de 5-10 (o de 0,1-0,2) indican poca potencia de la prueba para apoyar (o descartar) el diagnóstico; de 2-5 (o de 0,2-0,5) indican que la aportación de la prueba es dudosa y, por último, de 1-2 (o de 0,5-1) indican que la prueba no tiene utilidad diagnóstica.

En cualquier caso, los cocientes de probabilidades no expresan una probabilidad directa, sino que nos ayudan a calcular la probabilidad posprueba de enfermedad. La forma más sencilla es utilizar el nomograma de Fagan, una herramienta que nos permite, conociendo la probabilidad preprueba (prevalencia), calcular la probabilidad de estar sano o enfermo utilizando el CPP o el CPN, respectivamente (Fig. 2).

 

Figura 2. Ejemplo de utilización del nomograma de Fagan

 

En la Fig. 2 se muestra un ejemplo que asume una prevalencia o probabilidad preprueba del 40%. Con un CPP de 20, la probabilidad posprueba positiva asciende hasta el 95%: probablemente tendremos la certidumbre suficiente para empezar el tratamiento. Por su parte, un resultado negativo con un CPN de 0,01 nos proporciona una probabilidad posprueba del 0,5%, con lo que probablemente cruzaremos el umbral negativo de prueba y descartaremos la enfermedad.

Para finalizar, recapitulemos las propiedades de las pruebas diagnósticas que hemos descrito. S y E son intrínsecas a la prueba y sirven para conocer la capacidad de la prueba para discriminar entre sanos y enfermos. Los valores predictivos nos informan de la probabilidad de que un positivo esté enfermo (VPP) o de que un negativo sea sano (VPN), cuando los utilizamos en personas cuyo estado de enfermedad desconocemos. Por último, los cocientes de probabilidad nos proporcionan la probabilidad real de padecer la enfermedad conociendo la probabilidad previa y el resultado de la prueba.

 

Conflicto de intereses

El autor declara no presentar conflictos de intereses en relación con la preparación y publicación de este artículo.

 

Abreviaturas

CPN: cociente de probabilidad negativo
CPP: cociente de probabilidad positivo
E: especificidad
FP: falsos positivos
S: sensibilidad
VN: verdaderos negativos
VP: positivo verdadero
VPN: valor predictivo negativo
VPP: valor predictivo positivo.

Creative Commons License Todo el contenido de esta revista, excepto dónde está identificado, está bajo una Licencia Creative Commons