Caracterizacin de pruebas

diagnsticas
A. Gmez de la Cmara
Unidad de Investigacin. Hospital Doce de Octubre y Atencin Primaria. Insalud rea 11. Madrid.

Introduccin
Entendemos por prueba diagnstica o test
(PD) cualquier procedimiento para la obtencin de informacin clnica en un paciente. Las PD pueden ser procedimientos
diagnsticos instrumentales, exploraciones fsicas, cuestionarios, etc. Las PD aportan informacin que permite distinguir pacientes con diferentes probabilidades de
enfermar.
La validez operativa de una PD puede expresarse en trminos de exactitud diagnstica. Entendemos por validez operativa la propiedad de clasificar correctamente
a los sujetos en el grupo clnicamente correspondiente. Entendemos por exactitud
diagnstica el grado de calidad de la informacin provista por la PD (sensibilidad,
especificidad). La utilidad diagnstica de
una prueba diagnstica se refiere al valor
prctico de la informacin que no tiene por
qu coincidir con el de la exactitud diagnstica. La validez operativa nos permite
clasificar a los pacientes en grupos distintos con implicaciones diagnsticas, pronsticas o teraputicas diferentes, por
ejemplo, presencia o no de metstasis, de
infecciones o grado de afectacin neurolgica mediante la escala de Glasgow. Para
ello queremos pruebas con una gran exactitud diagnstica, alta sensibilidad y especificidad, o desde otro punto de vista
con la mnima proporcin de falsos positivos y negativos posible. Sin embargo, la
persecucin de la mnima cantidad de resultados falsos puede hacer que la prueba, con alta exactitud diagnstica, sea
poco til desde un punto de vista prctico; por ejemplo, toracotoma exploradora
sistemtica en busca de ganglios afectados para hacer el estudio de la extensin
de un carcinoma broncognico.

Pruebas diagnsticas
o de cribaje?
Hay diferencias entre una prueba diagnstica o de cribaje (screening en lengua
inglesa)? En esencia no, sus propiedades
son comunes, slo las aplicaciones son
distintas. Las pruebas diagnsticas se
realizan para verificar la naturaleza de un
sntoma, sndrome o consulta en pacientes bajo sospecha de enfermedad. En general se trata de personas seleccionadas
en funcin de una sospecha diagnstica o
por presentar sntomas, signos u otras
pruebas diagnsticas previas que modifican la imagen de normalidad. Las pruebas de screening, por el contrario, se
realizan en general, para identificar individuos con riesgos distintos de padecer
una enfermedad pero asintomticos. En
cualquiera de las dos situaciones nos puede interesar ms la sensibilidad o la especificidad (visin instrumental) o bien
nos puede preocupar las consecuencias de
un falso positivo o negativo (visin clnica). Esto depende de la situacin especfica en la que trabajemos independientemente de que sea con intenciones
diagnsticas o de cribaje.

Objetivos del proceso

diagnstico
El objetivo primordial de un diagnstico
es establecer la prevalencia o probabilidad

No prueba
No trato

de una enfermedad en funcin de un determinado perfil clnico, E = f (x); donde

E es la enfermedad y x = el perfil clnico.
Dicho perfil clnico, caractersticas del paciente y su contexto, puede ser mltiple y
con distinto peso sobre la existencia de
la enfermedad. El diagnstico debe enmarcarse dentro de un proceso general de
toma de decisiones. Debe permitirnos
avanzar en la resolucin del problema del
umbral de tratamiento, qu tiene este paciente?, sirve para decidir nuestra actuacin? Las pruebas diagnsticas modifican
(deben modificar) nuestro grado de incertidumbre desplazando la probabilidad de
que el paciente presente la enfermedad
bien hacia la confirmacin bien hacia su
definitivo descarte. Las pruebas diagnsticas slo deben realizarse cuando sirvan
para modificar el manejo de un problema
(fig. 1).

Caractersticas operativas
de las pruebas diagnsticas
Las caractersticas o prestaciones de las
pruebas diagnsticas sirven de base metodolgica para la toma de decisiones en
la prctica clnica. Se asume, que un individuo sano y otro enfermo pueden ser
distinguidos de manera vlida (exacta y
reproducible por una determinada prueba
diagnstica).
Las pruebas diagnsticas:
1. Deben ser expresadas en trminos de
variable o parmetro, es decir, deben presentar la capacidad de ser medidas en relacin con una enfermedad o estado particular; este es el caso de la hipertensin,
que medimos a partir de la tensin arterial diastlica en milmetros de mercurio,
o de la presencia de tuberculosis que se
mide en funcin del tamao en milmetros

Necesidad de prueba
diagnstica

No prueba
S trato

100%
Presencia de enfermedad

Medicine 1998; 7(104): 4872-4877

Fig. 1. Espectro continuo de la probabilidad de enfermar. Obsrvense los umbrales de decisin: en la izquierda de la
flecha la probabilidad de la enfermedad es baja, no se hacen pruebas diagnsticas ni se trata. En el extremo derecho
la probabilidad de padecer la enfermedad es alta, se trata directamente sin hacer pruebas diagnsticas. La toma de
decisiones se puede ver favorecida por la presencia de pruebas diagnsticas en el medio del espectro donde la incertidumbre es ms grande.

4872
Idepsa 98

CARACTERIZACIN DE PRUEBAS DIAGNSTICAS

de la ppula de la reaccin cutnea en la
prueba de Mantoux. Pueden desde luego
ser referidas a la presencia o no de un signo, cultivo positivo/negativo, presencia o
no de broncograma areo, pero siempre
desde una ptica tangible y mensurable.
2. Muchas veces se debe establecer un valor umbral o punto de corte. De esta manera, se divide lo normal de lo patolgico. Se trata de una eleccin arbitraria
segn el contexto, sea el caso de los 85
mmHg en el caso de la tensin arterial, o
de los 10 mm del Mantoux.
Otras veces no es una escala cuantitativa,
pero son determinados criterios diagnsticos los que nos sealan la distincin entre lo normal y lo patolgico, sea en una
escala nominal, criterios de artritis reumtica frente a poliartritis de otra naturaleza u ordinal, grado de disnea segn la
New York Heart Association o la clasificacin TNM en los tumores.

Tipos de escala en las pruebas

diagnsticas
Cualitativa
Presencia/ausencia de un signo para clasificar a los pacientes como sanos o enfermos.

Cualitativa
Clasifica a un paciente sano o enfermo si
el valor de la prueba diagnstica cae por
encima o por debajo de un criterio, valor
umbral, punto de corte, valor de referencia, etc.
Por qu dicotomizamos? Al dicotomizar
se simplifica el anlisis de la informacin
clnica reduciendo el conjunto de probabilidades a manejar. De esta manera, slo
tenemos en consideracin la probabilidad
de la enfermedad (P[E]), la probabilidad de un resultado positivo (P[PD+]), la
probabilidad condicional de tener la enfermedad dado un test o prueba con resultado positivo (P[EuPD+]) y la probabilidad condicional de tener la enfermedad
dado una prueba con resultado negativo
(P[EuPD]). Las ventajas de esta fragmentacin de informacin es que se adapta a la toma de decisiones en la clnica:
tratar o no tratar. La desventaja es que se
pierde parte de la informacin que albergan resultados con un espectro de posibilidades mas amplio.
Para caracterizar a una prueba diagnstica, es necesario disponer de un patrn de

Enfermedad
Presente

Ausente

Positiva

Verdadero
positivo

Falso
positivo

Negativa

Falso
negativo

Verdadero
negativo

Prueba

Fig. 2. Clasificacin de los resultados de una prueba diagnstica al contrastarlos con el estndar de referencia. Vase
explicacin en el texto.

referencia o criterio estndar, gold standard en lengua inglesa. La clasificacin

de los pacientes que se obtiene a travs
de la prueba diagnstica en cuestin se
contrasta con la clasificacin de los mismos pacientes que realiza el criterio o patrn de referencia. Esta circunstancia es a
veces difcil; en determinadas situaciones
el patrn de referencia no est disponible
o es imperfecto pero nos permite establecer cuatro categoras fundamentales:
1. Verdadero positivo: enfermedad presente y resultado positivo.
2. Verdadero negativo: enfermedad ausente y resultado negativo.
3. Falso positivo: enfermedad ausente y
resultado positivo.
4. Falso negativo: enfermedad presente y
resultado negativo (fig. 2).
Dicho contraste, adems, permite la identificacin de las siguientes caractersticas
operativas (tabla 1):
Sensibilidad. Es la probabilidad de que
un individuo enfermo tenga un resultado
positivo. Tasa o proporcin de verdaderos
positivos. Enfermos con prueba positiva
de entre todos los enfermos.

Especificidad. Es la probabilidad de que

un individuo sin la enfermedad presente
un resultado negativo en la prueba diagnstica. Tasa, proporcin de verdaderos
negativos. Sanos con prueba negativa de
entre todos los sanos.
Obsrvese que la sensibilidad es un atributo dentro de los enfermos. La especificidad dentro de los sanos.
Proporcin de falsos negativos. Probabilidad de que un individuo enfermo obtenga
un resultado negativo. Enfermos con prueba negativa de entre todos los enfermos.
Proporcin de falsos positivos. Probabilidad de que un individuo libre de enfermedad tenga un resultado positivo. Sanos con
prueba positiva de entre todos los sanos.
Otro tipo de proporciones de inters son
las que se establecen entre los falsos positivos en el conjunto total de pruebas
realizadas o la proporcin de falsos positivos del total de pruebas positivas.
Recordamos aqu que la prevalencia es la
probabilidad de que un individuo de una
poblacin tenga una enfermedad en un
momento dado, es decir, individuos con
enfermedad entre el nmero total de individuos. Este concepto se denomina

TABLA 1
Caracterizacin de pruebas diagnsticas
P(E)
P(PD+|E)
P(PD+|E)

P(PD-|E)
P(PD-|E)
P(E|PD+)

P(E|PD-)

P(PD+|E)/P(PD+|E)

P(PD-|E)/P(PD-|E)

Probabilidad a priori de la enfermedad. Prevalencia

Verdadero positivo. Sensibilidad
Falso positivo
Verdadero negativo. Especificidad
Falso negativo
Valor predictivo positivo
Valor predictivo negativo
Cociente de probabilidad positivo
Cociente de probabilidad negativo

E: presencia de enfermedad; E: ausencia de enfermedad.

4873
Idepsa 98

EPIDEMIOLOGA CLNICA Y BIOESTADSTICA

tambin probabilidad a priori o probabilidad pre-test. Esto significa la probabilidad de que un individuo con un determinado perfil presente la enfermedad
en cuestin antes de realizarse la prueba
diagnstica. Es el grado de verosimilitud
de la sospecha diagnstica en un conjunto de pacientes similares.

gativo al disminuir la proporcin de falsos

negativos, pero disminuyen la especificidad al aumentar la proporcin de falsos
positivos.

Pruebas combinadas

Es la probabilidad de que un individuo con

una prueba positiva tenga la enfermedad.
Enfermos con prueba positiva de entre todos los tests positivos. Este concepto se
denomina tambin: probabilidad a posteriori o probabilidad post-test.

Combinacin en serie
La prueba A se utiliza en primer lugar y
a todos los positivos se les aplica la prueba B; (++) = +. Las pruebas en serie se
realizan de manera secuencial. Estn ms
indicadas cuando no urgen y/o una prueba es cara o peligrosa, todas las pruebas
diagnsticas de la secuencia deben ser positivas para confirmar la enfermedad. Las
pruebas en serie disminuyen la sensibilidad al aumentar la proporcin de falsos
negativos. Aumentan la especificidad e incrementan el valor predictivo positivo.

Combinacin en paralelo
Las pruebas A y B se aplican simultneamente. Aportan mucha informacin a
la vez (urgencias). Un resultado positivo
en cualquiera de las pruebas se considera
evidencia de la enfermedad. Todos los positivos en una de ambas se les considera
positivos:

(+ ) = +; (+ +) = +; ( +) = +
Las pruebas en paralelo aumentan la sensibilidad, aumentan el valor predictivo ne-

una misma sensibilidad y especificidad disminuyen los falsos negativos.

Procedimiento bayesiano
Valores predictivos
Valor predictivo-positivo
de una prueba diagnstica

Valor predictivo negativo

Es la probabilidad de que un individuo con
un resultado negativo no tenga la enfermedad. Libres de enfermedad con test negativo dentro de todos aquellos con test
negativo.
Convencionalmente a la sensibilidad y especificidad de una prueba diagnstica se las
considera inmodificables (esto en realidad
no es as, pero su explicacin sobrepasa las
pretensiones de este texto) e independientes de la prevalencia. Sin embargo, los valores predictivos dependen estrechamente
de la prevalencia de la enfermedad en la
poblacin en la que se aplica la prueba diagnstica. Al aumentar la prevalencia crece
el valor predictivo positivo para una misma sensibilidad y especificidad; esto se debe
fundamentalmente a que disminuye el nmero de falsos positivos. De la misma manera, al disminuir la prevalencia disminuye el valor predictivo positivo y aumenta
el valor predictivo negativo porque para

Lo que realmente interesa en la prctica

clnica es conocer el valor predictivo de
una prueba diagnstica, es decir, cul es
la probabilidad de que esta persona con
un test positivo tenga la enfermedad sospechada. El teorema de Bayes demuestra
cmo la combinacin de la sensibilidad,
especificidad y prevalencia o probabilidad
a priori o probabilidad pre-test de una
determinada enfermedad nos permiten
calcular el valor predictivo o probabilidad
a posteriori o probabilidad post-test (tablas 2 y 3). La probabilidad a posteriori
o valor predictivo es la probabilidad que
utilizaremos para confirmar o descartar la
enfermedad y actuar en consecuencia.
Recordemos otra vez que si bien la sensibilidad y la especificidad de un test son
elementos inherentes a la prueba diagnstica y constantes, independientemente del medio en que se usen, no ocurre lo
mismo con las prevalencias y probabilidades a posteriori que requieren un conocimiento de las circunstancias locales (prevalencia). En el ejemplo de la tabla 4A se observa la distribucin de los
resultados de una prueba diagnstica para
la deteccin de cncer de mama. El punto de corte arbitrario se establece para una
concentracin de 150 unidades/litro del
marcador tumoral en sangre. Hay 600 personas de 1.600 que presentan la enfermedad comprobada por el estndar diagnstico, sea en este caso confirmacin

TABLA 2
Cul es la probabilidad de que un individuo con un resultado positivo tenga la enfermedad? Clculo del valor predictivo positivo
mediante el teorema de Bayes
Conocemos
P(PD+uE)

P(PDuE)
P(E)

Necesitamos
Probabilidad de un resultado positivo dado
que se tiene la enfermedad
Probabilidad de un resultado negativo dado
que no se tiene la enfermedad
Probabilidad a priori

Sensibilidad

P(EuPD+)

Especificidad

P(E uPD)

Prevalencia

P(PD+)

Probabilidad de tener la enfermedad dado

Valor predictivo positivo
que el resultado es positivo
Probabilidad de no tener la enfermedad dado Valor predictivo negativo
que el resultado es negativo
Probabilidad de un resultado positivo

Sabemos que:

Queremos saber:

P(A|B) = P(A y B) / P(B)

P(A y B) = P(AuB) / P(B)
P(B y A) = P(A y B) = P(AuB) / P(A)

P(EuPD+) = P(E y PD+) / P(PD+)

Paso 1: Numerador
P(E y PD+) = P(PD+ y E) = P(PD+uE) . P(E)
Paso 2: Denominador: Calcular P (PD+) con datos conocidos
P(PD+) = P(PD+ y E) + P(PD+ y E)
P(PD+) = P(PD+uE) . P(E) + P (PD+uE) . P(E)
P(PD+uE) . P(E)
P(EuPD+) =

P(PD+uE) . P(E) + P(PD+uE ) . P(E )

Sensibilidad Prevalencia
=
Sensib. Preval. + [(1-Espec.) (1-Prev.)]

4874
Idepsa 98

CARACTERIZACIN DE PRUEBAS DIAGNSTICAS

TABLA 3
Ejemplo: Nios maltratados. Cul es la
probabilidad de que la sospecha en un nio
confirme maltrato?
Los pediatras en una revisin escolar nos
dicen: el 3% de los nios es maltratado.
Un buen reconocimiento mdico detecta al
95% de los nios maltratados. (5% falsos
negativos). La probabilidad de que un nio
no maltratado tenga una exploracin
negativa es del 90% (10% falsos positivos).

Examen
+
Examen

Maltrato

285
(2,85%)

970
(9,7%)

1.255
(12,55%)

15
(0,15%)

8,730
(87,3%)

8,745
(87,45%)

300

9.700

10.000

3%

97%

100%

P(PD+uE) . P(E)
P(EuPD+) =

P(PD+uE) . P(E) + P(PD+uE ) P(E )

0,95 . 0,03
=
= 0,23
(0,95 . 0,03) + (1 0,90) (0,97)

TABLA 4
Distribucin de los resultados de una
prueba diagnstica frente a prevalencias
diferentes de la enfermedad
Enfermedad
A
PD+
PDTotales

Totales

570
150
720
30
850
880
600
1.000
1.600
(prevalencia de la enfermedad:
600/1.600 = 0,38 = 38%)
Enfermedad

B
PD+
PDTotales

Totales

270
195
465
30
1.105
1.135
300
1.300
1.600
(prevalencia de la enfermedad:
300/1.600 = 0,19 = 19%)

TABLA 5
Distribucin de los cocientes de probabilidad positivos y negativos en distintos puntos de corte
Niveles
500
400
300
200
100

Enfermedad presente
(PD+)

Enfermedad ausente
(PD)

CP (+)
Sens./1Esp.

240/600
162/600
90/600
114/600
30/600

10/1.000
15/1.000
25/1.000
100/1.000
850/1.000

34
18
6
1,9
0,05

0,6
0,74
0,87
0,90
6,3

Distribucin de los valores de los cocientes de probabilidad positivos y negativos segn punto de corte del parmetro diagnstico. En este
ejemplo, la prueba diagnstica son los niveles de concentracin en sangre de un marcador biolgico utilizado para la deteccin de cncer. Obsrvese la evolucin de los cocientes. En el CP (+) los niveles superiores tienden a confirmar la presencia de enfermedad. El CP () expresa
que la presencia de una prueba diagnstica negativa PD () tiende a descartar la enfermedad. En los niveles inferiores la situacin es inversa.

TABLA 6
Caractersticas operativas de los resultados de una prueba diagnstica (tabla 4A)
Sensibilidad
Especificidad
Cociente de probabilidad positivo
Cociente de probabilidad negativo
Valor predictivo positivo
Valor predictivo negativo
Prevalencia. Probabilidad a priori
Pre-test odds
Post-test odds
Probabilidad Post-test: valor
predictivo positivo

a / (a+c)
d / (b+d)
sens/(1-espec) [a/(a+c)]/[b/(b+d)]
(1-sens)/(espec) [c/(a+c)]/[d(b+d)]
a/(a+b)
d/(c+d)
(a+c) / (a+b+c+d)
prevalencia / (1-prevalencia)
pre-test odds * Cociente de Prob. (+)
post-test odds / (post-test odds + 1)

570/600
850/1.000
0,95/0,15
0,5/0,85
570/720
850/880
600/1.600

95%
85%
6,3
0,58
79%
96%
37,5%
0,6
0,6*6,3=3,78
3,78/1+3,78 = 0,79
79%

Dicho de otra manera: el cociente de probabilidad positivo es = sensibilidad/(1-especificidad);

El cociente de probabilidad negativo es =
(1 sensibilidad)/especificidad. El cociente
de probabilidad negativo es el complementario del valor predictivo negativo
(VPN) (CP = 1 VPN), ya que expresa
la probabilidad de presentar la enfermedad dado que el resultado es negativo.
En los cocientes de probabilidad cuanto
ms se aleja el cociente de 1 hacia 0,
mejor es el cociente y la informacin que
aporta la prueba (tabla 5).
Se utiliza para valorar la calidad de un test
y adems para calcular la probabilidad a

presencia de enfermedad y la probabilidad de un resultado en ausencia de la

enfermedad. El cociente de probabilidad resume el mismo tipo de informacin
que la sensibilidad y especificidad. Expresa cuntas veces ms probable es que
se encuentre un resultado en personas
enfermas en comparacin con no enfermas.
El cociente de probabilidad positivo es:
CP+ = [P (PD+uenfermos) / P (PD+uno enfermos)];
el cociente de probabilidad negativo es a
su vez:
CP = [P(PDuenfermos) / P (PDuno enfermos)].

histopatolgica. La prevalencia es del 38%,

la sensibilidad del 95% y la especificidad
del 85%. El valor predictivo positivo es del
79%. La tabla 4B muestra otra situacin
con diferente prevalencia: 19%; comprubese que la sensibilidad y especificidad son
las mismas pero el valor predictivo positivo ha cado al 59%.

Especificidad

*
*
Sensibilidad
proporcin de
verdaderos
positivos

Otros indicadores
de pruebas diagnsticas

*
*

Cociente de probabilidad
(Likelihood ratio)
El cociente o razn de probabilidad o cociente de verosimilitud es la razn entre la probabilidad de un resultado en

CP ()
Esp./1Sens.

*
0
Fig. 3. Curva de rendimiento
diagnstico.

1- Especificidad
Proporcin de falsos positivos

4875
Idepsa 98

EPIDEMIOLOGA CLNICA Y BIOESTADSTICA

posteriori de la enfermedad. Para una misma prevalencia, una prueba diagnstica con un cociente de probabilidad positivo alto tiende a aumentar la probabilidad post-test de un resultado. Para
una misma prevalencia una prueba diagnstica con un cociente de probabilidad negativo fuerte tiende a disminuir
la probabilidad post-test de un resultado.

A)

1,0

Espec.

0,0

Sensib.

Procedimiento bayesiano
El cociente de probabilidad resulta muy
til para calcular la probabilidad a posteriori de una enfermedad, o lo que es lo
mismo, el valor predictivo de una prueba
diagnstica. Para ello tenemos que hacer
algunas transformaciones previas. La prevalencia de la enfermedad (probabilidad a
priori) la transformamos en Odds. Odds
es otra forma de expresar una probabilidad, resulta de dividir una probabilidad P
por su complementario (1-P), de tal forma que la Odds de prevalencia u odds preprueba sera:
Odds preprueba = P/(1-P).
Esta cantidad es multiplicada por el cociente de probabilidad para darnos la
Odds post prueba. La odds postprueba
la reconvertimos en probabilidades, encontrndonos as el valor predictivo positivo de una prueba diagnstica (tablas 4
y 6).

B)

1,0

Espec.

0,0

Sensib.

C)

1,0

Espec.

0,0

Sensib.

Estrategias diagnsticas

Especificidad

Confirmar un diagnstico

Sensibilidad

Valor de un resultado positivo. Un resultado positivo en una situacin de alta prevalencia procedente de una prueba con
alta especificidad tendr un valor predictivo positivo muy elevado, con carcter
confirmatorio. Elegiremos pruebas con cociente de probabilidad elevados, en general procedentes de pruebas en serie. El
mismo razonamiento nos sirve para reducir falsos positivos cuando sus consecuencias clnicas son muy nocivas. Por
ejemplo, la presencia de tres o ms respuestas positivas en el cuestionario de
CAGE para la deteccin del alcoholismo
entre los pacientes de un servicio de Medicina Interna tiene una especificidad del
99%. Los que respondan en tres o cuatro
respuestas afirmativamente pueden ver
confirmado el diagnstico de dependencia
alcohlica.

Descartar un diagnstico
Valor de un resultado negativo. Un resultado negativo en situaciones de baja prevalencia y procedente de pruebas con alta
sensibilidad debe hacernos tender a descartar un diagnstico. Exigiremos un alto

4876
Idepsa 98

Fig. 4. Tres pruebas diagnsticas diferentes. Una prueba ideal (A) separa claramente aquellos que tienen la
enfermedad de los que no la
tienen, la curva ROC se
aproxima o superpone al
ngulo superior izquierdo. El
rea bajo la curva es igual
a 1. La curva (C) muestra
una prueba diagnstica sin
ningn poder de discriminacin. El rea bajo la curva
tiene un valor de 0,5. En la
mayora de las ocasioness
una prueba diagnstica dibuja una curva como la (B)
en algn lugar entre (A) y
(B), con un rea bajo la curva entre 0,5 y 1. La mejor
prueba diagnstica es aquella que presenta el mayor
rea bajo la curva.

valor predictivo negativo. Buscaremos una

prueba con un valor de cociente de probabilidad negativo muy inferior a 1 y pruebas en paralelo. Se trata de reducir falsos
negativos cuando sus consecuencias clnicas son muy nocivas. Por ejemplo, la
prdida de la pulsacin en las venas re-

CARACTERIZACIN DE PRUEBAS DIAGNSTICAS

tianas tiene una sensibilidad del 100% en
el diagnstico de hipertensin intracraneal.
Por tanto, la presencia de pulsacin tendera a descartar una elevacin importante de la presin intracraneal.
Si las consecuencias de perder un caso son
graves habr que reducir la proporcin de
falsos negativos, elevar la sensibilidad,
elevar el valor predictivo negativo.
Si las consecuencias de un diagnstico falso positivo engendran riesgo y/o complicaciones: se debe reducir la proporcin de
falsos positivos, elevar la especificidad y
aumentar el valor predictivo positivo.
Exigiremos una alta sensibilidad (100%)
si: enfermedades graves que no deben escaparse, y si la enfermedad es tratable y
los falsos positivos no producen traumas
psicolgicos o econmicos (feocromocitoma, fenilcetonuria, enfermedad de transmisin sexual).
Exigiremos una alta especificidad (100%)
cuando: la enfermedad es grave pero no
curable y el conocimiento de la ausencia de
la enfermedad es valioso tanto personal
como socialmente y los falsos positivos generan traumas psicolgicos o econmicos
(esclerosis mltiple, cnceres intratables).
Exigiremos un valor predictivo positivo
alto cuando: el tratamiento de un falso positivo tenga consecuencias indeseables (laparotoma en blanco, quimioterapia).
Exigiremos un valor predictivo negativo
alto cuando el descuido de los falsos negativos tenga consecuencias indeseables
(enfermedades contagiosas).

Calidad de los estudios sobre

pruebas diagnsticas
Recordemos que la mejor manera de evitar sesgos o inexactitudes es exigir una
gran calidad en el patrn de referencia o

estndar; que los procedimientos de verificacin del resultado de la prueba diagnstica y del patrn de referencia sean independientes; que dichas comparaciones
sean ciegas. Exigiremos precisin (fiabilidad) es decir, disminucin del error aleatorio, generalmente aumentando el tamao de la muestra (exigir siempre intervalos
de confianza en los parmetros de una
prueba diagnstica). Para caracterizar una
prueba diagnstica elegiremos una muestra que abarque el espectro ms completo
de enfermedad y haremos una eleccin
adecuada y suficiente de la poblacin de
estudio (aplicabilidad). Es necesario una
clarsima y estable definicin de lo que se
considere normal.

Los distintos puntos de corte de la sensibilidad y de la especificidad trazan un polgono cuya rea bajo la curva nos da una
idea de la calidad de la informacin de dicha prueba diagnstica. Cuanto ms grande sea esa rea, es decir, cuanto ms se
acerque el grfico de la curva hacia el vrtice superior izquierdo de la grfica, mejor ser esa prueba. En ese vrtice, la sensibilidad y la especificidad son del 100%.
Para comparar dos pruebas diagnsticas,
se comparan las reas bajo la curva. La
curva con mayor rea es la mejor (valorar intervalo de confianza de la diferencia
y significacin estadstica) (fig. 4).

Curvas de rendimiento
diagnstico o curvas ROC
Las pruebas diagnsticas no tienen slo
un valor de sensibilidad y especificidad
sino varios. Se trata de observar la distribucin de la sensibilidad y la especificidad de una prueba diagnstica en relacin
con diferentes puntos de corte. Las curvas
ROC representan un ndice de la exactitud
con que una prueba diagnstica discrimina los estados de salud a lo largo del espectro de trabajo de una prueba diagnstica. Slo el espectro entero de pares
sensibilidad/especificidad aporta una imagen de la exactitud de una prueba. Las
curvas ROC se construyen para cada punto de corte deseado situando la proporcin
de verdaderos positivos en el eje de la Y
y la proporcin de falsos positivos en el
eje de las X (fig. 3).
En unas ocasiones nos interesa ms trabajar sobre la sensibilidad y en otras sobre la especificidad.

BIBLIOGRAFA RECOMENDADA
Fletcher RH, Fletcher SW. Epidemiologa clnica. Ed espaola. Barcelona: Ediciones Consulta, 1989.
Hanley JA, McNeil BJ. The meaning and use of the area
under a receiver operating characteristic (ROC) curve.
Radiology 1982; 143: 29-36.
Queralt JM. Pruebas diagnsticas cuantitativas. Curvas
de rendimiento diagnstico. Medicine 1990; 6(9): 7077.
Pozo Rodrguez F. Utilizacin clnica de pruebas diagnsticas. En: Tratado de Epidemiologa Clnica. Universidad de Alicante 1996.
Sackett DL, Haynes RB, Tugwell P. Clinical Epidemiology: A Basic Science for Clinical Medicine (2nd. ed.).
Boston: Little, Brown Co, 1991.
Sox HC, Blatt MA, Higgins MC, Marton KI. Medical Decision Making. Boston: Butterworth-Heinemann, 1980.
Weinstein MC, Fineberg HV. Clinical Decision Analysis.
Philadelphia: Saunders Company, 1980.

4877
Idepsa 98