PRUEBAS DIAGNSTICAS

NDICE
PRUEBAS DIAGNSTICAS...........................................................................................................................................3 CONCEPTOS GENERALES........................................................................................................................................3 INDICADORES ESTADSTICOS BSICOS PARA EVALUAR EL DESEMPEO DE UN PROCEDIMIENTO DIAGNSTICO............................................................................................................................................................ 4 Sensibili ! " es#e$i%i$i ! .......................................................................................................................................4 V!l&'es #'e i$(i)&s.................................................................................................................................................... * Dise+&s ! ,(ili-!' #!'! l! es(i.!$i/n e l&s in i$! &'es. Ven(!0!s " es)en(!0!s..................................................... 1 P'&b!bili ! es #'e " #&s( #',eb! " Te&'e.! e B!"es............................................................................................. 2 Es(i.!$i/n #&' in(e')!l&s e $&n%i!n-! e l! sensibili ! " l! es#e$i%i$i ! ......................................................... 34 O('&s in i$! &'es el ese.#e+& e ,n (es(............................................................................................................33 PRUEBAS M5LTIPLES............................................................................................................................................ 36 PRUEBAS DE RE7ERENCIA IMPER7ECTAS....................................................................................................... 32 LAS PRUEBAS CON MS DE DOS RESULTADOS............................................................................................. 88 C,')! ROC.............................................................................................................................................................. 83 C&.#!'!$i/n e $,')!s ROC.................................................................................................................................. 81 LA CURVA DE LOREN9.......................................................................................................................................... 38 BIBLIOGRA7A......................................................................................................................................................... 36

PRUEBAS DIAGNSTICAS
CONCEPTOS GENERALES
El diagnstico puede considerarse como el ms importante resultado de la prctica mdica, la clave que conduce al tratamiento y al pronstico. Resulta, asimismo, un problema complejo en ese ejercicio, ya que en ocasiones resulta inalcanzable y a veces, paradjicamente, innecesario. El diccionario Webster lo define como !" el acto o proceso de determinar la naturaleza de la condicin mrbida mediante el e#amen$ %" un cuidadoso e#amen de los &ec&os para determinar la naturaleza de algo y '" la decisin u opinin resultante de tal e#amen o investigacin. (or su parte )assirer, uno de los autores que ms &a publicado sobre este tema, se*ala que el diagnstico es una &iptesis acerca de la naturaleza de la enfermedad de un paciente que se deriva de observaciones a travs del uso de la inferencia!. +obre su significado, algunos autores concluyen que el diagnstico es un resultado de alta significacin para el mdico, pero muc&o ms lo es para el paciente!,%. +eg,n -aarder%, para el mdico el diagnstico es un objetivo ideal y elusivo .dispuesto a recordarnos nuestras limitaciones", mientras que para el paciente significa eliminar la incertidumbre de saber que algo anda mal en l y no saber qu es. (or otro lado, la mayor/a de los autores reconocen que la presencia de una enfermedad en un individuo a menudo no puede determinarse con certeza!,'. )assirer es a,n ms categrico en este aspecto y refiere que la certeza absoluta en diagnstico es inalcanzable, independientemente de cunta informacin se obtenga, cuntas observaciones se &agan, o cuntas pruebas diagnsticas se realicen en el desempe*o mdico. 0grega, adems, que el objetivo del mdico no es alcanzar la certeza sino reducir el nivel de incertidumbre lo suficiente como para tomar la decisin teraputica!. 1e cmo transcurre el proceso que da lugar al diagnstico se ocupa tambin la literatura, varios autores coinciden en que ste requiere de dos etapas diferenciales. En la primera se establece una presuncin, sospec&a o &iptesis de e#istencia de la enfermedad234. 5a segunda se dirige al seguimiento de la suposicin cl/nica y a verificar si la &iptesis corresponde a la verdad2,6. En este proceso, de compleja estructura, e#iste un gran n,mero de fuentes de incertidumbre que transitan por una amplia gama de cuestiones como son que el conjunto de s/ntomas y signos en un paciente puede ser compatible con ms de una enfermedad, que e#isten variaciones biolgicas a veces importantes entre un enfermo y otro, que los instrumentos suelen ser imprecisos, y que los pacientes son ine#actos para recordar sucesos pasados. 1urante todo el proceso que conduce al diagnstico, el mdico se vale de distintas fuentes de informacin. +e destacan entre ellas la anamnesis del paciente, el e#amen f/sico, la informacin epidemiolgica y los resultados de las llamadas pruebas diagnsticas. Es sobre estas ,ltimas que se centrar la atencin en este mdulo. +e llamar prueba diagnstica .(1" a cualquier proceso, ms o menos complejo, que pretenda determinar en un paciente la presencia de cierta condicin, supuestamente patolgica, no susceptible de ser observada directamente .con alguno de los cinco sentidos elementales". Es decir, que no se suelen considerar como pruebas diagnsticas a los sentidos cuando eval,an la presencia de alg,n signo patolgico. +i se observa un aumento de volumen en una e#tremidad por ejemplo, no se considera esa observacin como el 7diagnstico de un aumento de volumen8$ pero si con esa observacin se deduce que el paciente tiene un 7melanoma maligno8, entonces la observacin si est
'

actuando como (1, ya que el 7melanoma maligno8 no puede observarse directamente. 5a definicin se refiere a 7condicin8 y no enfermedad o entidad gnosolgica, ya que no siempre se utiliza una (1 para identificar una enfermedad, sino que sta tambin puede utilizarse para diagnosticar s/ndromes o procesos patolgicos. 9uc&o se &a escrito en torno a las pruebas diagnsticas y a su eficacia real como elementos contribuyentes a la correcta clasificacin diagnstica de un paciente en estudio. +ilva: y ;egg y -reenes<, por ejemplo, afirman que el uso de pruebas diagnsticas para la deteccin y evaluacin de varias enfermedades en la prctica mdica, &a crecido notablemente en a*os recientes, y tiende a incrementarse e#ponencialmente. El desarrollo tecnolgico de los ,ltimos decenios &a permitido incorporar a la prctica cl/nica mdica novedosos y sofisticados medios diagnsticos que, sin duda, constituyen adelantos en el perfeccionamiento del trabajo mdico. 5amentablemente, estos adelantos en los medios diagnsticos se &an acompa*ado tambin de una tendencia a su uso indiscriminado. 0nte una &iptesis diagnstica y un conjunto .a veces numeroso" de pruebas que ayudan a corroborarla, el mdico no siempre se propone &acer de ellos un uso racional. 5a necesidad de &erramientas cuantitativas que contribuyan a dirigir con racionalidad las indicaciones es indispensable. +e trata, en particular, de obtener /ndices o medidas de eficacia de cada medio diagnstico que sirvan de pauta orientadora para su seleccin en el momento necesario. +e parte de la premisa de que, en cada momento, el mdico deber &acer un uso racional de los distintos instrumentos y procedimientos que le son ,tiles para llegar al diagnstico. El mdulo de (ruebas 1iagnsticas de Epidat '.! permite &acer un uso eficiente de las &erramientas cuantitativas principales e#istentes para evaluar la eficacia de las pruebas diagnsticas y contribuir a su uso racional.

INDICADORES ESTADSTICOS BSICOS PARA EVALUAR EL DESEMPEO DE UN PROCEDIMIENTO DIAGNSTICO

5a evaluacin del desempe*o de una prueba diagnstica comienza por la cuantificacin .estimacin, ms bien" de la magnitud de los errores que pueden cometerse o, su inverso, la magnitud de los aciertos que se cometen al intentar =adivinar= un diagnstico a partir de los resultados que brinde dic&o procedimiento.

Sensibilidad y especificidad
En !<24, >erus&almy introduce los trminos de sensibilidad y especificidad como indicadores estad/sticos que eval,an el grado de eficacia in&erente a una prueba diagnstica .citado en 2,!?". 5a sensibilidad y la especificidad son las medidas tradicionales y bsicas del valor diagnstico de una prueba. 9iden la discriminacin diagnstica de una prueba en relacin a un criterio de referencia, que se considera la verdad. Estos indicadores en principio permiten comparar directamente el eficacia de una prueba con el de otras y esperar resultados similares cuando son aplicadas en diferentes pa/ses, regiones o mbitos.

5a referencia al art/culo original de >erus&almy es la siguiente >erus&almy @. +tatistical problems in assessing met&ods of medical diagnosis, Ait& special reference to B3ray tec&niques. Pub Health Rep !<24$ C% !2'%32<.

5a sensibilidad .+" indica la capacidad de la prueba para detectar a un sujeto enfermo, es decir, e#presa cuan =sensible= es la prueba a la presencia de la enfermedad 2,C,:,!?3!:. (ara cuantificar su e#presin se utilizan trminos probabil/sticos si la enfermedad est presente, Dcul es la probabilidad de que el resultado sea positivoE 5a respuesta es una e#presin en trminos de probabilidad condicional S = P (T+/Enf) o sea, la sensibilidad es la probabilidad de que la prueba identifique como enfermo a aqul que efectivamente lo est. 5a especificidad .E" indica la capacidad que tiene la prueba de identificar como sanos .no enfermos" a los que efectivamente lo son2,C,:,!?3!:. +e define entonces tambin como la probabilidad condicional E = P (T-/no Enf) es decir, la especificidad es la probabilidad de que la prueba identifique como no enfermo a aqul que efectivamente no lo est. T+ y T- indican, respectivamente, un resultado positivo o negativo de la prueba o test diagnstico. Estimacin de S y E (ara ilustrar el significado de estos conceptos a travs de sus estimaciones, supngase que se tienen F sujetos de los que se conoce su estatus verdadero .enfermo o no" y se les &a practicado el test o prueba que se est evaluando y cuyo resultado puede ser inequ/vocamente positivo o negativo. Estas caracter/sticas pueden entonces estimarse fcilmente a partir de una tabla de %#% como se muestra a continuacin Tabla 1. Resultados de la prueba y la existencia de la enfer edad. !riterio de "erdad Enfer os #o enfer os a b c d aGc bGd Total aGb cGd aGbGcGd

Prueba dia$n%stica 1onde

Positi"os #e$ati"os Total

a H n,mero de pacientes con la enfermedad diagnosticados como =positivos= por la prueba. b H n,mero de pacientes sin la enfermedad diagnosticados como =positivos= por la prueba. c H n,mero de pacientes con la enfermedad diagnosticados como =negativos= por la prueba. d H n,mero de pacientes sin la enfermedad diagnosticados como =negativos= por la prueba. (uede apreciarse que cada celda de la tabla refleja una caracter/stica que tambin suele calificarse de la manera siguiente a H Ierdaderos positivos .I(" b H Jalsos positivos .J("

(or la frecuencia con que se mencionar esta tabla se le identificar como =tabla bsica %#%=.

c H Jalsos negativos .JF" d H Ierdaderos negativos .IF" Kon estos trminos, la tabla puede e#presarse as/ Tabla &. Resultados de la prueba y la existencia de la enfer edad !riterio de "erdad Enfer os #o enfer os I( J( JF IF I(GJF J(GIF Total I(GJ( JFGIF F H .I(GJ(GJFGIF"

Prueba dia$n%stica

Positi"os #e$ati"os Total

(or tanto, los estimadores de las probabilidades descritas son, naturalmente, los siguientes Sensibilidad = Verdaderos positivos VP a = = Total de enfermos VP + FN a + c Verdaderos negativos VN d = = Total de no enfermos VN + FP b + d

Especificidad =

Valores predictivos
0 pesar de que la + y la E se consideran las caracter/sticas operacionales fundamentales de una prueba diagnstica, en la prctica su capacidad de cuantificacin de la incertidumbre mdica es limitada. El mdico necesita ms bien evaluar la medida en que sus resultados modifican realmente el grado de conocimiento que se ten/a sobre el estado del paciente. Koncretamente, le interesa conocer la probabilidad de que un individuo para el que se &aya obtenido un resultado positivo, sea efectivamente un enfermo$ y lo contrario, conocer la probabilidad de que un individuo con un resultado negativo est efectivamente libre de la enfermedad. 5as medidas o indicadores que responden a estas interrogantes se conocen como "alores predicti"os. El "alor predicti"o de una prueba positi"a equivale a la probabilidad condicional de que los individuos con una prueba positiva tengan realmente la enfermedad2,C,:,!?3!: 'P(+) = P(Enf/T+) El "alor predicti"o de una prueba ne$ati"a es la probabilidad condicional de que los individuos con una prueba negativa no tengan realmente la enfermedad2,C,:,!?3!: 'P(-) = P(#o Enf/T-) 9ediante la tabla de %#% que se introdujo antes se puede ilustrar tambin cmo se estiman los valores predictivos .suponiendo que esta tabla se conforme seleccionando una muestra al azar de tama*o F de la poblacin, y luego se clasifiquen los sujetos de la muestra en los cuatro grupos posibles seg,n la prueba diagnstica y el criterio de verdad" Valor predictivo positivo = Verdaderos positivos VP a = = Total de positivos VP + FP a + b

Valor predictivo negativo =

Verdaderos negativos VN d = = Total de negativos VN + FN c + d

Diseos a utilizar para la estimacin de los indicadores. Ventajas y desventajas

Lasta aqu/ se &a considerado la manera de calcular, o estimar puntualmente, los indicadores bsicos para evaluar la eficacia de una (1. +e &a dic&o poco sobre cmo obtener los datos, o lo que es lo mismo, cmo dise*ar el estudio para obtener los datos de los pacientes. 1e &ec&o se &a dado por sentado que 7de alguna manera8 se tiene una muestra de tama*o F de cierta poblacin a la cual se le &a aplicado el test a prueba y el criterio de verdad para &acer las estimaciones. +in embargo, la organizacin de los sujetos que conformarn la muestra puede &acerse de varias maneras, las que se comentarn a continuacin. 5a v/a cannica consiste en seleccionar una muestra de F ! enfermos y otra de F% sujetos no enfermos diagnosticados por la prueba de referencia, y aplicar la nueva prueba a los F H F ! G F% individuos de suerte que pueda conformarse una clasificacin cruzada tal como se e#pone en una tabla de %#%. 5a tabla queda conformada como se e#pone a continuacin !riterio de "erdad Enfer os #o enfer os a b c d F! F% a d y E= N! N% Total aGb cGd FHF!GF%

Prueba dia$n%stica

Positi"os #e$ati"os
T&(!l

5os estimadores obvios de + y E vienen dados por las proporciones siguientes S=

Iarias observaciones son pertinentes en este punto. En primer lugar, &ay que enfatizar que el criterio de clasificacin de los sujetos como enfermos o no, debe ser independiente de la prueba diagnstica en estudio$ el criterio .o la prueba" tomado como criterio de verdad se supone que tiene sensibilidad y especificidad m#imos .ambos del !??M". (or otra parte, debe notarse que el dise*o planteado no consiente la estimacin de la prevalencia de la enfermedad (.E" a travs de la razn F!NF puesto que F! y F% son n,meros elegidos por el evaluador, con frecuencia iguales entre s/. Konsecuentemente, tampoco es posible en este caso estimar los valores predictivos, a menos que se conozca la prevalencia de la enfermedad en cuestin, o sea, que se cuente con una estimacin independiente del parmetro (.E" y pueda entonces aplicarse el Oeorema de ;ayes .como se ver ms adelante". +i se quieren conocer los valores predictivos de una prueba y no se conoce la prevalencia en el conte#to donde piensa utilizarse, entonces es necesario buscar otro dise*o. Pno e#presamente ideado para estimar valores predictivos consiste en seleccionar F.G" pacientes con una prueba positiva y F.3" con una prueba negativa y aplicarles a los FHF.G"GF.3" pacientes la prueba de referencia o criterio de verdad. 5a tabla queda conformada de la siguiente manera
4

Prueba dia$n%stica

Positi"os #e$ati"os
T&(!l

!riterio de "erdad Enfer os #o enfer os a b c d aGc bGd a d y VP. " = N.+ " N. "

Total F.G" F.3" FHF.G"GF.3"

5os estimadores de I(.G" y I(.3" vienen dados por las proporciones siguientes VP. + " = (ero este dise*o no permite estimar + y E. Pn dise*o cmodo para estimar los cuatro indicadores consiste en obtener una muestra simple aleatoria de F individuos y aplicar a cada uno de ellos el criterio de verdad o prueba de referencia con que se cuenta y la prueba diagnstica que se eval,a. En tal caso todos los totales marginales son aleatorios, por lo que la estimacin de los cuatro /ndices es aceptable. 5a tabla %#% quedar/a conformada como se e#pone a continuacin !riterio de "erdad Enfer os #o enfer os a b c d aGc bGd a d y E= a+ c b+ d a d y VP. " = a+ b c+ d Total aGb cGd F

Prueba dia$n%stica

Positi"os #e$ati"os
T&(!l

5a estimacin de los parmetros se e#presa en las frmulas siguientes S= VP. + " =

En esta situacin, la prevalencia de la enfermedad puede ser estimada por los resultados de la prueba de referencia P.E" = a+ c N

y los parmetros estad/sticos apropiados pueden ser computados. Oal estrategia, sin embargo, es raramente factible. Efectivamente, tngase en cuenta que lo que ocurre generalmente es que el criterio estndar de comparacin es un mtodo sofisticado, invasivo o econmicamente pro&ibitivo, en tanto que la prueba que se eval,a se propone precisamente como un sucedneo ventajoso de ser aplicado bajo condiciones de apremio de tiempo o de recursos. 0dems, este ,ltimo dise*o tiene la desventaja de que si la muestra no es lo suficientemente grande, alguno de los parmetros puede quedar mal representado. (or ejemplo, si la prueba es poco sensible y la enfermedad infrecuente la sensibilidad puede quedar mal estimada por escaso tama*o de muestra.

El dise*o, a juicio nuestro, que debe ser ms utilizado, teniendo en cuenta costo, tiempo, recursos, riesgos en trminos econmicos y de da*os para el paciente, es el primero e#plicado en este acpite para la estimacin de + y E, que consiste en seleccionar una muestra de enfermos y otra de no enfermos diagnosticados por la prueba de referencia. +iempre que sea conocida a priori la prevalencia de la enfermedad pueden estimarse los valores predictivos positivo y negativo seg,n se ver ms adelante y, de esta forma, se estimar/an los cuatro parmetros propuestos por >erus&almy &ace ms de cuatro dcadas, que sintetizan el valor intr/nseco de una prueba y constituyen una v/a, por ejemplo, para comparar dos o ms pruebas que compiten entre s/.

Probabilidades pre y post prueba y Teorema de Bayes

El concepto epidemiolgico puro, indica que prevalencia o tasa de prevalencia .trminos en principio equivalentes" es la proporcin de la poblacin de individuos que en un lapso dado y una regin determinada se consideran enfermos. (ero desde la perspectiva de la actividad cl/nica, en principio ms individualizada, la prevalencia de una enfermedad corresponde a la estimacin de la probabilidad de padecer la enfermedad antes de realizar la prueba. En el mbito cl/nico, la 7prevalencia8 se conoce como probabilidad anterior .a priori" a la prueba, es decir, la prevalencia de la enfermedad en una poblacin de pacientes con las mismas caracter/sticas que el que se est evaluando. El valor predictivo significa lo mismo que la probabilidad de que la enfermedad est presente .o ausente" despus de obtener los resultados de la prueba. (or esta razn, el valor predictivo positivo puede considerarse cl/nicamente como la probabilidad de tener la enfermedad una vez que se tiene un resultado positivo .o negativo" o probabilidad a posteriori. Konociendo la + y la E del test, los I( se pueden obtener .a partir del Oeorema de ;ayes" para las distintas circunstancias de la prctica mdica. Teorema de ayes Komo se dijo antes, generalmente, al realizar la validacin de un medio diagnstico se re,ne a un grupo de pacientes enfermos y a otro de no enfermos .clasificados seg,n un criterio de verdad conocido"$ pero en este caso los valores predictivos no pueden ser estimados directamente de los datos por las razones ya planteadas. +in embargo, si se conoce la prevalencia, o probabilidad a priori, de la enfermedad en el conte#to donde se aplicar la prueba, y se tienen la sensibilidad .+" y especificidad .E" de dic&a prueba diagnstica, se puede estimar los valores predictivos para ese conte#to aplicando ciertas e#presiones o frmulas matemticas que se derivan de la aplicacin del conocido Oeorema de ;ayes. Este teorema fue propuesto y demostrado en el siglo BIQQQ por el britnico Oomas ;ayes, quien pereci antes de que fuera publicado, y cuyos trabajos fueron reportados pstumamente por un amigo!:. En sus trabajos originales ;ayes desarroll las frmulas con el uso de las probabilidades condicionales y simbolog/a probabil/stica. Iase el planteamiento general de ;ayes. +ea 0 un suceso dado y, sean L!, L%, ..., LR sucesos e#cluyentes que no contienen a 0, pero que de alguna forma se suponen relacionados con l. +e supone que se conocen las probabilidades . a priori" de estos sucesos, (.Li", i H !, %, ..., R y las probabilidades condicionadas (.0NL i"!<. Entonces, las probabilidades a posteriori se pueden e#presar como

<

P. H " S #" =

P. #S H " "P. H " "

i= !

P. #S H i "P. H i "

En el conte#to de la evaluacin de medios diagnsticos, se tienen los elementos siguientes

5a prevalencia de la enfermedad que se denota como P(Enf) o ( 5a prevalencia de no enfermos que se denota como P(#o Enf) o TH!3( 5a sensibilidad conocida, que puede denotarse como P(T+/Enf), y que representa la probabilidad de que el test resulte positivo, dado que el paciente tiene la enfermedad. 5a especificidad conocida de un test, que puede denotarse como P(T-/#o Enf), o la probabilidad de que el test resulte negativo dado que el paciente =no= tiene la enfermedad.

+e tiene, entonces, dos sucesos e#cluyentes .enfermo y no enfermo". +i se toma el suceso =test positivo= entonces, a partir del Oeorema de ;ayes, el valor predictivo de una prueba positiva se escribe como P(Enf/T+)( que representa la probabilidad de estar enfermo, dado que el paciente tiene un resultado positivo en la prueba diagnstica!:. Qgualmente, a partir del suceso =test negativo=, el valor predictivo de una prueba negativa se escribe como P(#oEnf/T-), y representa la probabilidad de no estar enfermo, dado que el paciente tiene un resultado negativo en la prueba diagnstica!:. Entonces, aplicando el Oeorema de ;ayes P.Enf ST + " = P.T + SEnf " P.Enf " P.T + SEnf " P.Enf " + P.T + S No Enf " P. No Enf "

VP. + " =

S P.Enf " S P.Enf " + .! E" [ ! P.Enf "] P.T SNo Enf " P. No Enf " P.T S No Enf " P. No Enf " + P.T SEnf " P.Enf "

P. No Enf ST " =

VP. " =

E [ ! P.Enf "] E [ ! P.Enf "] + .! S " P.Enf "

Kon estas frmulas pueden estimarse los valores predictivos en cualquier conte#to poblacional .del mbito epidemiolgico tradicional" o espec/fico .de la cl/nica".

Estimacin por especificidad

intervalos

de

confianza

de

la

sensibilidad

la

!?

Lasta el momento se &a considerado virtualmente el significado de + y E desde una ptica descriptiva la + y la E calculadas .estimadas puntualmente" a partir de una tabla %#%. Fo obstante, lo que se desea es estimar una propiedad genrica del test, y la tabla de %#% de donde se obtienen las estimaciones no es ms que la e#presin organizada de los datos de una muestra de una poblacin que, generalmente, es de las clasificadas como 7infinitas8. 5a sensibilidad y la especificidad son proporciones y en el conte#to de la evaluacin de medios diagnsticos tambin son vlidos los conceptos de poblacin y muestra y las generalidades del uso de la inferencia estad/stica. +e trata de utilizar los mtodos inferenciales que se usan com,nmente en el rea de anlisis de datos cualitativos, a&ora para la inferencia sobre proporciones. Pn intervalo de confianza .QK" conservador para una proporcin p puede obtenerse empleando la apro#imacin a la Formal, que es el mtodo empleado por Epidat '.! para el clculo de los QK. 1etalles sobre el procedimiento estad/stico y las frmulas empleadas pueden encontrarse en el te#to de Jleiss%?. Esta es la interpretacin elemental de un QK con nivel de confianza !3 de cada !?? muestras que se obtengan de la misma poblacin y se emplee el mismo procedimiento para obtener el QK, se espera que en .!3"!??M de ellos se encontrar realmente el parmetro .la +" y en !??M de ellos no. (or ejemplo si, como es muy frecuente, H?,?6 entonces, de cada !?? muestras de la misma poblacin .en este caso, de enfermos si es + lo que se estima, o de no enfermos si lo es E" donde se emplee el mismo mtodo de clculo, en <6 se encontrar el parmetro y en 6 no.

tros indicadores del desempeo de un test

+i bien es cierto que la +, la E y los I( pueden considerarse los /ndices fundamentales en la evaluacin de la bondad de un test, ellos no son los ,nicos /ndices conocidos. En primer lugar, tienen la desventaja de ser cuatro, o sea, en general resulta engorroso tener que caracterizar una prueba diagnstica, muc&as veces sencilla intr/nsecamente, con cuatro indicadores distintos. En segundo lugar, a pesar de que permiten un conocimiento casi completo de la capacidad diagnstica de un test y de su desempe*o en la prctica, no abordan todas las aristas posibles en esa evaluacin. 5a literatura recoge varias proposiciones de indicadores posibles, algunos ,nicos, para evaluar el desempe*o de un test diagnstico. +e describen aqu/ tres de estos indicadores, que se pueden calcular con ayuda de Epidat '.!. )ndice de "alide* o proporci%n correcta de aciertos (+'). +e define como la proporcin de individuos clasificados correctamente. En trminos de la tabla %#% bsica, el /ndice de validez responde a la siguiente frmula QI H .aGd"NF Jeinstein!? demuestra cmo este /ndice depende, no solamente de la sensibilidad y la especificidad, sino tambin de la prevalencia de la enfermedad. En efecto, si se escriben los trminos de la tabla bsica como a H +n!, donde n! H aGc d H En%, donde n% H bGd

!!

entonces ( H (revalencia de la enfermedad H n!NF, y T H .!3(" H n%NF de modo que QI H .+n!GEn%"NF H +.n!NF"GE.n%NF" H +(GE.!3(" H +(GE3E( H ( .+3E"GE que representa la ecuacin de una l/nea recta con intercepto en E y pendiente igual a la diferencia entre + y E. 0 medida que la prevalencia cambia, el QI se ve afectado .linealmente", independientemente de la + y la E, aunque mientras mayor es la diferencia +3E, tambin es ms fuerte la dependencia de (. +i la diferencia es nula, el /ndice de validez ser igual a la especificidad de la prueba. El /ndice de validez rara vez es usado actualmente por su =falta de validez=, a pesar de que es realmente atractivo por su sencillez. )ndice de ,ouden o "ersi%n & de la probabilidad corre$ida de detectar enfer edad (+-). Pna medida conjunta de eficiencia de un medio diagnstico fue propuesta por W.@. >ouden en !<6?. +u estructura algebraica es la siguiente Q@ H +GE3! H +3.!3E" +implemente refleja la diferencia entre la tasa de verdaderos positivos y la de falsos positivos. Pn buen test debe tener alta esta diferencia. Oericamente es igual a ! slo cuando la prueba diagnstica es perfecta, o sea, cuando + G E H %, de modo que tambin puede decirse que cunto ms cercano a !, mejor es la prueba diagnstica que se est evaluando. El Q@ tiene la ventaja de no estar afectado por la seleccin de la prevalencia, y es preferido por la combinacin de los sencillos valores de la sensibilidad y la especificidad!?,!:. +in embargo, tiene la desventaja de que, al resultar de la combinacin de los valores de + y E, se pierde la idea de si la prueba diagnstica es buena en sensibilidad o especificidad. Jeinstein!? fundamenta esta afirmacin mediante un ejemplo si el /ndice de >ouden tiene un valor de ?,66, puede ser que la sensibilidad sea de ?,<6 y la especificidad de ?,C?, o viceversa. .a ra*%n de "erosi ilitud (R'). Jeinstein!: califica a la razn de verosimilitud como un indicador =reciente y popular= del desempe*o de un test diagnstico. 5a definicin y, a la vez, la e#presin matemtica que parece ms conocida es la siguiente RV + = Sensibilidad ! Especificidad P.T + SEnf " P.T + SNo Enf "

+i se recuerdan las definiciones bsicas de + y E se tiene RV + =

que responde a la pregunta DKuntas veces ms probable es que el test sea positivo en los enfermos que en los no enfermosE, una nocin sugestiva, similar al concepto de riesgo relativo tan utilizado en la Epidemiolog/a moderna.

$i!elihood ratio es su nombre en ingls y las siglas =5R= la identifican en casi toda la literatura en lengua inglesa.

!%

1e este concepto es evidente que se desprende el complemento la respuesta a la pregunta Dcuntas veces ms probable es que el test sea negativo en los enfermos que en los no enfermosE 5a respuesta es el cociente RV = P.T SEnf " P.T SNo Enf "

llamada razn de verosimilitud para resultados negativos .lo que e#plica el signo negativo en la e#presin anterior". +i no se responde a esta pregunta no se tendr una idea completa de la eficacia del test porque puede que un resultado positivo sea ms probable en los enfermos que en los no enfermos .RIG alto", pero con una especificidad menor de ?,6 la probabilidad de resultados negativos tambin ser muc&o mayor en los no enfermos que en los enfermos. Iase el siguiente ejemplo &ipottico Test + Test Total Enfer os 2: % 6? #o enfer os %6 %6 6?

RIG H .2:N6?"N.%6N6?" H !,<% RI3 H .%N6?"N.%6N6?" H ?,?: 5a probabilidad de un resultado positivo es, apro#imadamente, dos veces mayor en los enfermos que en los no enfermos, pero la probabilidad de un resultado negativo es !% veces mayor en los no enfermos que en los enfermos .!N?,?:H!%,6". Este test tiene una + alta pero una E muy baja, y esto se refleja en que la RIG es sustancialmente mayor que la RI3, lo que le confiere mayor valor para detectar no enfermos que para detectar enfermos .los falsos negativos son improbables". Pn buen test debe tener una RI3 cercana a ? y una RIG alta .no es posible especificar un l/mite superior para la RIG". En resumen, la razn de verosimilitud combina la informacin que proviene de la sensibilidad y la especificidad y es definida como la razn entre la probabilidad de un resultado de una prueba en sujetos enfermos y la probabilidad del mismo resultado en sujetos no enfermos!%. (uede ser, incluso, que una prueba tenga ms de dos posibles resultados. Entonces, la razn de verosimilitud separada puede ser calculada para cada resultado O# RV = P.T SEnf " P.T S No Enf "

e#presin que le confiere a la RI un nivel de generalidad muc&o mayor y da lugar a la llamada RI de un resultado espec/fico, que permite conocer rpidamente si determinado resultado permite distinguir enfermos de no enfermos. Komo ya se &a visto, la RI es independiente de la prevalencia de la enfermedad, lo que constituye su principal virtud. E/e plo

!'

5o planteado anteriormente brinda la base terica para trabajar. Iase lo que brinda Epidat '.! mediante un ejemplo tomado de 5ucR y col%!. +upngase que se tiene una situacin donde se quiere estimar la sensibilidad y la especificidad de cierto cuestionario para diagnosticar la presencia de un desorden alimentario en adolescentes. El cuestionario tiene 6 preguntas que se responden con +/ o Fo y se considera positivo si la respuesta es +/ en al menos dos de las preguntas. +e toman '2! mujeres entre !6 y %6 a*os que acuden a una consulta de (siquiatr/a durante ! a*o. 0 todas cierto investigador les aplica el cuestionario en cuestin. Pn a*o despus, en el +ervicio se tienen elementos suficientes .sin conocer el resultado de la aplicacin del cuestionario" para clasificarlas a todas como 7enfermas con un desorden alimentario de cualquier tipo8 o 7no enfermas de esa dolencia8 y se obtiene la siguiente tabla de %#% !riterio de "erdad (despu0s del a1o de se$ui iento) Enfer as #o enfer as !! '2 % %<2 !' '%:

Prueba dia$n%stica

Positi"as #e$ati"as Total

Total 26 %<C '2!

(ara resolver el problema con Epidat '.! .mdulo (ruebas diagnsticas, submdulo (ruebas simples", se escoge la opcin 7datos tabulados8 y se introduce en la tabla que aparece en la pantalla los datos tal y como aparecen en la tabla anterior. Fote que no es necesario introducir los totales. +e especifica el nivel del intervalo de confianza .<6M es el preestablecido por ser el de mayor uso" y se presiona la tecla 7calcular8. 0parece la siguiente lista de resultados

Pruebas diagnsticas simples Nivel de confianza: Prueba diagnstica """""""""""""""""""" Positivo Negativo """""""""""""""""""" !otal 95,0% !otal """"""""" %5 &9' """"""""" $%#

Prueba de referencia Enfermos anos """"""""" """"""""" ## $% & &9% """"""""" """"""""" #$ $&( )alor """""""""" (%,'& (9,'$ (9,%% &%,%% 99,$& $,(# 0,/% (,#'

""""""""""""""""""""""""" ensibilidad ,%Especificidad ,%*ndice de )alidez ,%)alor predictivo . ,%)alor predictivo " ,%Prevalencia ,%*ndice de 0ouden 1azn de verosimilitud .

*+ ,95%""""""""""""""""""""""" '#,#' #00,00 (',#( 9$,09 (',0$ 9&,(5 #0,/( $(,## 9(,&& #00,00 #,'$ 5,99 0,5% 5,5# 0,9% #&,#0

!2

1azn de verosimilitud "

0,#/

0,05

0,'#

0parecen todos los /ndices mencionados con anterioridad con sus respectivos intervalos de confianza. Es de notar que el usuario .investigador" debe conocer qu dise*o emple para obtener su tabla de datos. +i se trata del primero de los dise*os mencionados en el acpite correspondiente, ya se vio que no es posible obtener una estimacin adecuada de los I(. +i se trata del segundo dise*o, no sern apropiadas las estimaciones de + y de E, y solo si se trata del tercer dise*o se podr &acer un uso apropiado de toda la informacin que brinda la tabla de resultados de Epidat. Fi la RI ni el /ndice de >ouden podrn estimarse a partir del segundo dise*o que solo sern vlidos si se obtienen con un dise*o como el primero o el tercero. +i se tuviera el problema de estimar el I( de este test en otro conte#to, es decir, en un sitio o mbito donde la prevalencia de la enfermedad fuera distinta, en tal caso se &ar/a uso de la otra opcin que aparece en el submdulo de (ruebas +imples 7valores predictivos8. +upngase, por ejemplo, que interesa conocer el I( del cuestionario en una cl/nica (siquitrica orientada &acia los desrdenes alimentarios, y se tiene el conocimiento de que el 2?M de las mujeres que acuden tienen realmente un desorden alimentario. Entonces, se pondr/a en las casillas correspondientes a la sensibilidad y la especificidad los valores de :6 y <?, respectivamente, y en la casilla de la prevalencia se pondr/a 2?M. 0l pedir el clculo, se obtendr/a la siguiente tabla
Pruebas diagnsticas simples ensibilidad: Especificidad: Prevalencia: """"""""""""""""""""""""" *ndice de )alidez ,%)alor predictivo . ,%)alor predictivo " ,%*ndice de 0ouden 1azn de verosimilitud . 1azn de verosimilitud " (5,00% 90,00% %0,00 2 )alor """""""""" ((,00 (5,00 90,00 0,/5 (,50 0,#/

#00

donde se observan las estimaciones de los I( para ese conte#to. +e obtienen adems indicadores que se calculan a partir de la + y de la E y que se tienen tambin en el cuadro anterior, solo que esta vez se emplea valores apro#imados para la + y la E, ya que estaban 7actuando8 como valores conocidos de la prueba, y los estimadores difieren ligeramente de los obtenidos con la tabla de datos.

PRUEBAS MLTIPLES
El uso de pruebas m,ltiples es muy frecuente en la prctica mdica. 0nte una, o ms de una, sospec&a diagnstica, el mdico suele tener varias posibilidades de pruebas que lo ayuden a confirmar o descartar su diagnstico. +e puede suponer que con ms de una prueba se llegar a un diagnstico ms certero. El problema es, entonces, evaluar si tal suposicin se cumple, y ste puede ser el objetivo de una investigacin. Lay por lo menos dos formas de indicar varias pruebas

!6

En paralelo% Oodas se aplican simultneamente a la misma muestra de individuos, de forma que se consideran negativos aquellos sujetos que obtienen resultados negativos en todas las pruebas, y positivos todos los dems. En serie +e aplica una prueba en primer lugar, y despus se indica la otra prueba solo si el individuo resulta positivo de la anterior. 0l final, se considera positivo al sujeto que &aya tenido resultados positivos en todas las pruebas y negativos a todos los dems. 5a sensibilidad y la especificidad global de las pruebas se estiman como &asta a&ora, solo que con el resultado global de todas las pruebas. E/e plo +upngase que se tienen %? pacientes con cierta dolencia .enfermos verdaderos" y !? personas en los que se &a comprobado que no tienen la enfermedad. +e desea conocer la eficacia de dos pruebas (! y (% aplicadas en paralelo y en serie. En paralelo se obtienen los siguientes resultados !riterio de "erdad Enfer os #o enfer os !6 ' 6 4 %? !? !riterio de "erdad Enfer os #o enfer os !% 2 : C %? !? Total !: !% '?

Prueba P1

Positi"os #e$ati"os Total

Prueba P&

Positi"os #e$ati"os Total

Total !C !2 '?

(ara poder calcular la sensibilidad y la especificidad de la prueba, &ay que conocer quines resultaron negativos con las dos pruebas en ambos grupos, pero esto no &ay manera de deducirlo de las dos tablas anteriores. En este caso, supngase que se conoce que, de los negativos en la primera prueba, % de los enfermos y ' de los sanos tuvieron un resultado negativo con la segunda prueba. Esto es, que con los !% negativos de la primera prueba se podr/a construir la siguiente tabla

Prueba P&

Positi"os #e$ati"os Total

!riterio de "erdad Enfer os #o enfer os ' 2 % ' 6 4

Total 4 6 !%

+e tiene, entonces, la tabla global !riterio de "erdad

!C

Prueba $lobal

Positi"os #e$ati"os Total

Enfer os !: % %?

#o enfer os 4 ' !?

Total !C !2 '?

y de aqu/ se calculan la + y la E de las dos pruebas conjuntas aplicadas en paralelo. Orabajando con Epidat '.! se marca la opcin 7en paralelo8 y se le indica el n,mero de pruebas que se estn evaluando con esos sujetos. +e llenan entonces los valores para las dos tablas que aparecen en el recuadro de la derec&a, recordando que la segunda tabla &abr de contener solo los negativos de la primera, igual a como se vio antes. El resultado que se tiene es el siguiente
Pruebas diagnsticas m3ltiples !ipo de pruebas: N3mero de pruebas: Nivel de confianza: En paralelo & 95,0%

+lasificacin final de los su4etos Enfermos """""""""" """"""""" Positivo #( Negativo & """""""""" """"""""" !otal &0 anos """"""""" / $ """"""""" #0 !otal """"""""" &5 5 """"""""" $0 *+ ,95%""""""""""""""""""""""" /%,$5 #00,00 "$,% '$,% 5#,9% ((,0' 5&,%0 9#,'0 /,0' #00,00 %(,#$ (5,&0 "0,## 0,(% 0,0/ 0,5# #,9( #,'(

""""""""""""""""""""""""" ensibilidad,%Especificidad,%*ndice de )alidez,%)alor predictivo .,%)alor predictivo ",%Prevalencia,%*ndice de 0ouden 1azn de verosimilitud . 1azn de verosimilitud "

)alor """""""""" 90,00 $0,00 /0,00 /&,00 '0,00 '','/ 0,&0 #,&9 0,$$

+e observa la tabla global calculada por Epidat, as/ como los resultados de la +, la E y el resto de los indicadores vistos con anterioridad con sus respectivos intervalos de confianza. +i ambas pruebas se realizan en serie, entonces se tiene la tabla original correspondiente a (! !riterio de "erdad Enfer os #o enfer os !6 ' 6 4 %? !? Total !: !% '?

Prueba P1

Positi"os #e$ati"os
T&(!l

y el resultado de aplicar la prueba (% a los !: clasificados como positivos por (! !riterio de "erdad

!4

Prueba P&

Positi"os #e$ati"os Total

Enfer os !? 6 !6

#o enfer os ! % '

Total !! 4 !:

Estas son las tablas que se deben introducir en Epidat para obtener el resultado siguiente
Pruebas diagnsticas m3ltiples !ipo de pruebas: N3mero de pruebas: Nivel de confianza: En serie & 95,0%

+lasificacin final de los su4etos Enfermos """""""""" """"""""" Positivo #0 Negativo #0 """""""""" """"""""" !otal &0 anos """"""""" # 9 """"""""" #0 !otal """"""""" ## #9 """"""""" $0 *+ ,95%"""""""""""""""""""""""""" &5,59 /%,%# '',%# #00,00 %%,%& (&,&% '9,$( #00,00 &&,&9 /&,%5 %(,#$ (5,&0 0,## 0,/% 0,$% 0,'9 $$,/( 0,90

""""""""""""""""""""""""" ensibilidad,%Especificidad,%*ndice de )alidez,%)alor predictivo .,%)alor predictivo ",%Prevalencia,%*ndice de 0ouden 1azn de verosimilitud . 1azn de verosimilitud "

)alor """""""""" 50,00 90,00 '$,$$ 90,9# %/,$/ '','/ 0,%0 5,00 0,5'

donde se observa la tabla final .global" construida por Epidat '.! y todos los indicadores. Este submdulo tambin permite calcular los valores predictivos de pruebas en serie o en paralelo, siempre que se conozca la prevalencia de la enfermedad y la + y E de cada una de las pruebas que se usen en serie o en paralelo. +upngase que las pruebas del ejemplo anterior quieren utilizarse en un conte#to donde la prevalencia de la enfermedad en cuestin es del !?M. DTu valor predictivo tendr/a entonces la combinacin de las dos pruebasE +e conoce que la + de (! es 46M, la E de (! es 4?M y la + y la E de (% son ambas de C?M. En serie
Pruebas diagnsticas m3ltiples !ipo de pruebas: N3mero de pruebas: Prevalencia: En serie & #0,00 2

#00

!:

""""""""""""""""""""""""" ensibilidad ,%Especificidad ,%*ndice de )alidez ,%)alor predictivo . ,%)alor predictivo " ,%*ndice de 0ouden 1azn de verosimilitud . 1azn de verosimilitud "

)alor """""""""" %5,00 ((,00 ($,/0 &9,%# 9$,5# 0,$$ $,/5 0,'$

En paralelo
Pruebas diagnsticas m3ltiples !ipo de pruebas: N3mero de pruebas: Prevalencia: """"""""""""""""""""""""" ensibilidad ,%Especificidad ,%*ndice de )alidez ,%)alor predictivo . ,%)alor predictivo " ,%*ndice de 0ouden 1azn de verosimilitud . 1azn de verosimilitud " En paralelo & #0,00 2 #00 )alor """""""""" 90,00 %&,00 %',(0 #%,/# 9/,%& 0,$& #,55 0,&%

PRUEBAS DE REFERENCIA IMPERFECTAS

Lasta a&ora se &a venido trabajando con la idea de que evaluar la eficacia de una (1 transita por el conocimiento de la verdad, o lo que es lo mismo, por la e#istencia de alguna manera, independiente de la prueba, de arribar al diagnstico verdadero de los pacientes que son incluidos en el estudio. +in embargo, frecuentemente no e#iste una manera viable de arribar a la verdad, bien porque no puede realizarse una e#ploracin invasiva por razones ticamente indiscutibles, o bien porque la tal prueba de la verdad no puede realizarse en un l/mite de tiempo razonable. En tal caso, afortunadamente, se pueden dar dos situaciones prcticas a las que se les &a encontrado una solucin matemtica que conduce a estimadores adecuados de los indicadores bsicos de la prueba en estudio. En la primera situacin se cuenta con una prueba de referencia imperfecta cuya sensibilidad y especificidad se conocen. En el caso de que se tenga un dise*o con una muestra de F pacientes .o sujetos" a los que se les &an aplicado ambas pruebas, la de referencia y la nueva se puede demostrar que: S= . a + b " b . a + c " .! "N E= .c + d " c N . a + c "
!<

donde es la sensibilidad de la prueba de referencia, es su especificidad, y a& b& c y d los s/mbolos para las celdas empleados desde el inicio .ver Oabla !". + y E brindan los estimadores respectivos de sensibilidad y especificidad de la prueba nueva. Qgualmente se puede estimar la prevalencia en ese conte#to como .a + c" + ! N p= + ! y, dado que se tiene una muestra F de sujetos que van a ser evaluados con ambas pruebas, tambin se pueden calcular los valores predictivos de la (1 en ese conte#to. 0dems tambin se calculan los intervalos de confianza para todos estos valores ajustados, por el mtodo ;ootstrap mediante la tcnica del percentil simple .Efron, !<<'". E/e plo +e tiene una prueba nueva, para la cual se quieren calcular los indicadores de eficacia. Fo se tiene un criterio de verdad disponible ni sujetos en los que se conozca el verdadero diagnstico por otras v/as, pero se tiene otra prueba con +H?,< y EH?,C que puede servir como prueba de referencia. 5os resultados de la tabla de %#% que surge de evaluar a los sujetos con ambas pruebas se muestran a continuacin Prueba de referencia (S=234 y E=534) Enfer os #o enfer os :2 %C 2C 22 !'? 4?

Prueba #ue"a

Positi"os #e$ati"os Total

Total !!? <? %??

Kuando se introducen los datos en Epidat '.! se obtiene lo siguiente

Prueba de referencia imperfecta Prueba de referencia ensibilidad: Especificidad: Prueba diagnstica """""""""""""""""""" Positivo Negativo """""""""""""""""""" !otal 90,00% '0,00% !otal """"""""" ##0 90 """"""""" &00

Prueba de referencia Positivo Negativo """"""""" """"""""" (% &' %' %% """"""""" """"""""" #$0 /0

1E 56!789

7:5 !789

)alor

*+ ,95%- ;ootstrap

%?

""""""""""""""""""""""""" ensibilidad ,%Especificidad ,%<ndice de validez ,%)alor predictivo . ,%)alor predictivo " ,%Prevalencia ,%<ndice de 0ouden 1azn de verosimilitud . 1azn de verosimilitud " 1E 56!789 *N 7:5 !71 """"""""""""""""""""""""" ensibilidad ,%Especificidad ,%<ndice de validez ,%)alor predictivo . ,%)alor predictivo " ,%Prevalencia ,%<ndice de 0ouden 1azn de verosimilitud . 1azn de verosimilitud "

"""""""""" (0,00 /0,00 /5,00 /&,/$ //,/( 50,00 0,50 &,'/ 0,&9 )alor """""""""" '%,'& '&,(' '%,00 /',$' %(,(9 '5,00 0,&/ #,/% 0,5'

"""""""""""""""""""""""""" '5,09 9(,5/ 55,5$ (5,&' '&,50 (/,50 5',&9 ((,$$ 5',9& 9(,'0 $/,00 '$,00 0,&5 #,59 0,0& 0,// 5,/' 0,5(

*+ ,95%"""""""""""""""""""""""""" 5',0# /$,&& 50,(& /%,(9 5/,#0 /0,90 '/,9/ (%,/' $(,0# 59,// 5(,#% /#,(' 0,#$ #,&5 0,%& 0,%# &,%& 0,/'

Pna segunda posibilidad consiste en aplicar ms de una vez la prueba en estudio a los mismos sujetos. En este caso, debe suponerse que la prueba arroja resultados consistentes, es decir, siempre dar el mismo resultado si se aplica al mismo sujeto en iguales condiciones, una suposicin acorde con la lgica elemental. En este caso, se sugiere: un proceso iterativo que implica aplicar la prueba, en R ocasiones independientes, a una muestra aleatoria de n sujetos de determinada poblacin. El proceso conduce a estimadores m#imo veros/miles de +, E y la prevalencia .o probabilidad a priori". Epidat '.! incorpora tambin este procedimiento. 5os datos que &ay que proporcionarle al sistema para que desarrolle el procedimiento iterativo son los siguientes

El n,mero ni de sujetos con i pruebas positivas .iH !, %, U, R", que son datos obtenidos del e#perimento o estudio dise*ado para esta estimacin. El n,mero 7estimado8 inicial .para el comienzo del proceso iterativo" de sujetos realmente enfermos dentro de los ni con i resultados positivos.

E/e plo

%!

Iase un ejemplo con Epidat. +upngase que se &a decidido .y es factible" realizar ' veces una prueba a %? sujetos, cuya + y E desean conocerse en cierto conte#to. 1espus de realizar las tres pruebas los resultados son los siguientes

+ujetos con ? resultado positivo n? H C +ujetos con ! resultado positivo n! H % +ujetos con % resultados positivos n% H C +ujetos con ' resultados positivos n' H C

(ara poder obtener un estimador m#imo veros/mil de la + y la E de esta prueba .sin criterio de verdad" se debe 7inventar8 un n,mero inicial de sujetos realmente enfermos dentro de cada una de las ni, por ejemplo

+ujetos 7inventados8 realmente enfermos dentro de n? H ! +ujetos 7inventados8 realmente enfermos dentro de n! H ! +ujetos 7inventados8 realmente enfermos dentro de n% H 2 +ujetos 7inventados8 realmente enfermos dentro de n' H C

Entonces a Epidat, en la opcin Sensibilidad y especificidad desconocidas del submdulo de 7(rueba de referencia imperfecta8 se le darn los datos anteriores en la columna 7Enfermos8, y en la columna de 7Ootal8 se le introducen los verdaderos datos que son las ni. El n,mero de enfermos debe ser menor que el n,mero total de sujetos$ si en alg,n caso se introduce un dato mayor en la columna 7Ootal8 no se activa la calculadora. Iase la salida de Epidat
Prueba de referencia imperfecta N3mero de pruebas: Prueba diagnstica =ue se eval3a """"""""""""""""""""""""" ensibilidad ,%Especificidad ,%Prevalencia ,%*ndice de )alidez ,%)alor predictivo . ,%)alor predictivo " ,%*ndice de 0ouden 1azn de verosimilitud . 1azn de verosimilitud " )alor """""""""" /(,(& 9%,&9 '5,#% (%,&# 9',&/ /0,%% 0,/$ #$,(0 0,&& $

LAS PRUEBAS CON MS DE DOS RESULTADOS

%%

!urva " !
Lasta el momento se &a &ablado de pruebas que son aplicadas a dos grupos de la poblacin, el grupo con y el grupo sin la enfermedad. 5os resultados de tales pruebas son citados como positivos o negativos seg,n se*ale o no &acia la presencia de la enfermedad en cuestin. (ero la realidad suele ser ms compleja que los modelos que el &ombre busca para representarla. En algunas instancias, ms de dos categor/as pueden ser necesarias para enmarcar la condicin de cada paciente, el resultado de una prueba, o de ambos. Pno de estos casos es cuando los resultados de una prueba son de naturaleza cuantitativa u ordinal, o sea, el resultado de realizar el test diagnstico es un n,mero, un rango, o un nivel .v.g. ',2 mmolN5, 7ligero8, 'C puntos, etc.", y es el mdico el que decide cul es el punto del espectro cuantitativo .o semicuantitativo" que permite separar a los enfermos de los no enfermos. Lay que recordar que el mdico tendr siempre que decidir dicotmicamente .tratar o no", pero es obvio que, en estos casos, la decisin es equivalente a se*alar un punto, en el rango de resultados posibles, que divide a los paciente en probablemente enfermos y probablemente no enfermos. 1e modo que, para conocer la eficacia de una prueba de este tipo, &abr que decidir el punto de corte .(K" que permita declarar a las personas con resultado positivo o negativo, y estimar entonces los indicadores de eficacia seg,n se &a visto en las secciones anteriores. Est claro que las estimaciones de sensibilidad y especificidad de una prueba como sta dependern del punto de corte seleccionado, y que el mdico deber escoger el punto de corte ptimo seg,n sus necesidades. 5a seleccin de un punto de corte ptimo es, con este tipo de pruebas, la tarea ms importante. +in embargo, la nocin de (K ptimo no es ,nica ya que, por un lado, son casi ine#istentes los tests con + y E ambas muy altas .cerca de !" y, por otro lado, la prctica cl/nica es verstil en sus necesidades de + y E altas. El siguiente ejemplo, tomado de Jeinstein!:, ilustra la situacin cuando cambia el (K para una prueba dada. +e trata de dos grupos de pacientes, uno de los cuales tiene una enfermedad coronaria .EK" demostrada y otro que no la tiene. 0 todos los pacientes se les realiz la prueba ergomtrica y se les midi el desnivel del segmento +O al final de la prueba.
6esni"el de ST !on E! Prop. acu ulada Sin E! Prop. acu ulada

V 'mm %,63W',? %,?3W%,6 !,63W%,? !,?3W!,6 ?,63W!,? W?,6 Total

'! !6 %4 '? '% !% ' 173

?,%! ?,'! ?,2< ?,C< ?,<? ?,<: !,??

? ? 4 : '< 2' 6' 173

?,?? ?,?? ?,?6 ?,!? ?,'C ?,C6 !,??

+e observa en la tabla, por ejemplo, que la proporcin de individuos enfermos con un desnivel mayor de % mm es de ?,2<, mientras que la de individuos no enfermos es de ?,?6. En trminos de los indicadores vistos en temas anteriores, para este punto de corte la sensibilidad de la prueba ergomtrica, o proporcin de enfermos positivos .desnivel X %mm", se estima en ?,2< 2<M y la especificidad, o proporcin de no enfermos negativos, en ?,<6 .!3?,?6" <6M. +e &ace evidente tambin que un cambio en el punto de corte genera un cambio en la + y la E de la prueba y que, en

%'

este caso, donde un desnivel mayor del segmento +O indica 7mayor anormalidad8, a medida que el punto de corte aumenta en valor, aumenta la E y disminuye la +. (ara una prueba diagnstica cuyo resultado es cuantitativo, es entonces imposible estimar indicadores de eficacia a menos que se se*ale un punto de corte determinado. +urge aqu/ la necesidad de encontrar un indicador general de eficacia para este tipo de pruebas. 5a llamada curva RYK brinda el indicador necesario. Esta curva fue por primera vez propuesta en el decenio de los 6? para describir la relacin entre se*al y ruido, y se desarroll en la comparacin de la eficacia de radares. +e necesitaba evaluar la capacidad de un radar para distinguir entre verdaderas se*ales y ruido de otros tipos. El radar podr/a equivocarse de dos formas fallando en la deteccin de la se*al .falso negativo" o detectando una falsa .falso positivo". 0 los radares se les cambia el umbral de deteccin de se*ales y este cambio origina distintas tasas de errores relacionados entre s/ a medida que el umbral disminuye, la tasa de falsos negativos desciende .aumenta la sensibilidad" y aumenta la tasa de falsos positivos .disminuyendo la especificidad". 5as siglas RYK vienen de su nombre en ingls Receiver 'perating (haracteristic (urve& que se traduce como (urva de (aracter)sticas 'peracionales del Receptor. Estas curvas se trasladaron con facilidad a la evaluacin de (1, ya que la situacin es muy similar. +e trata de detectar una enfermedad dada y la (1 puede equivocarse en el sentido de los falsos negativos o los falsos positivos$ al cambiar el punto de corte .&omlogo del umbral para el radar" cambian las tasas de error .o la + y E, si se prefiere". 5a curva RYK emp/rica t/pica se construye al representar en dos ejes de coordenadas los puntos .#, y" dados por .!3E, +" para cada punto de corte. Iase cmo se obtiene con Epidat '.! la curva RYK correspondiente al ejemplo visto anteriormente. En el submdulo de Kurvas RYK simples Epidat ofrece ' opciones para introducir los datos !" Oablas %#%, %" Oablas )#% y '" 1atos continuos. Oal como aparecen los datos anteriores la mejor opcin es la %. En este caso, Epidat permite introducir las categor/as de datos agrupados y el n,mero de enfermos y no enfermos en cada categor/a. Epidat '.! e#ige, para representar adecuadamente la curva RYK por encima de la diagonal, que las categor/as estn ordenadas de menor a mayor 7anormalidad8. (or tanto, tal y como estn en la tabla los datos del ejemplo, deben introducirse empezando por la ,ltima fila .categor/a W?,6 mm" e ir 7subiendo8 &acia la primera .categor/a X ' mm". Ianse los resultados
+urvas 19+ simples N3mero de categor>as: Nivel de confianza: / 95,0%

%2

7rea 19+ EE """""""""" """""""""" 0,(/5$ 0,0#(9 0,0&05

*+,95%"""""""""""""""""""""" 0,($(& 0,9#&5 8elong 0,($5# 0,9#5' ?anle@ A BcNeil

Epidat tambin brinda la posibilidad de introducir los datos mediante tablas %#% para cada punto de corte .opcin !". En este caso ser/an C tablas de %#% construidas de la siguiente forma Tabla 1
Positi"os #e$ati"os Total !riterio de "erdad Punto de corte8 9 !on E! Sin E!

Tabla :
Positi"os #e$ati"os Total

!riterio de "erdad Punto de corte8 1(7 !on E! Sin E!

'! !!< !6?

? !6? !6?

!?' 24 !6?

!6 !'6 !6?

Tabla &
Positi"os #e$ati"os Total

!riterio de "erdad Punto de corte8 &(7 !on E! Sin E!

Tabla 7
Positi"os #e$ati"os Total

!riterio de "erdad Punto de corte8 1 !on E! Sin E!

2C !?2 !6?

? !6? !6?

!'6 !6 !6?

62 <C !6?

Tabla 9
Positi"os #e$ati"os Total

!riterio de "erdad Punto de corte8 & !on E! Sin E!

Tabla 5
Positi"os #e$ati"os Total

!riterio de "erdad Punto de corte8 3(7 !on E! Sin E!

4' 44 !6?

4 !2' !6?

!24 ' !6?

<4 6' !6?

%6

5os resultados obtenidos de introducir las C tablas anteriores en Epidat '.! son los mismos que en el caso anterior. 5a tercera forma de introducir los resultados en Epidat es mediante el valor individual obtenido en la prueba para cada individuo. En esta opcin se da la posibilidad de introducir los datos crudos o de importar la base de datos con los datos originales. En cualquier caso &abr que comunicar quines son los verdaderos enfermos y quines no. E/e plo Iase un ejemplo con una base de datos sobre el valor de cierto /ndice que se obtiene en la ultrosonograf/a doppler de mama. +e tienen C' mujeres con cncer de mama y C' mujeres que no padecen la enfermedad, y de todas se tiene el valor del /ndice. 5os datos se encuentran en una base de datos E#cel, llamada RP11> QF1QKE.#ls, con % campos QF1QKE y -RP(Y. El grupo indica la enfermedad y se le puso el cdigo ? a las sanas y el ! a las enfermas. 0l cargar los datos en Epidat se obtienen los resultados siguientes
+urvas 19+ simples 7rcCivo de traba4o: +: D7rcCivos de programa DPruebas diagnsticas D15880 *N8*+EE2ls +ampo =ue identifica: Enfermedad: F15P9 1esultado de la prueba: *N8*+E N3mero de enfermos: N3mero de sanos: Nivel de confianza: '$ '$ 95,0% DEpidat $E# DE4emplos

%C

7rea 19+ EE """""""""" """""""""" 0,9#0# 0,0&5( 0,0&/#

*+,95%""""""""""""""""""""""""" 0,(595 0,9'0' 8elong 0,(5'9 0,9'$& ?anle@ A BcNeil

Komo se &a visto, en todos los casos Epidat brinda el grfico con la curva RYK y la estimacin del rea bajo la curva con error estndar .EE" y su intervalo de confianza calculados mediante dos mtodos%%,%'. El rea bajo la curva tendr un valor menor que !, y constituye el indicador de eficacia ms general para pruebas de este tipo. +e puede demostrar que una (1 que tenga un punto de corte tal que + y E sean altas .d/gase mayores de ?,:" tendr una curva con concavidad ms afilada, y la curva RYK de una prueba perfecta .+ y E iguales a !" ser las l/neas formadas por los propios ejes izquierdo y superior del recuadro que sirve de marco a la curva.

!omparacin de curvas " !

Es natural que la comparacin de la eficacia de dos o ms pruebas diagnsticas para detectar una enfermedad o proceso patolgico dado, pueda &acerse sobre la base de comparar los valores de + y de E de tales pruebas. (ero, cuando se trata de (1 con resultado cuantitativo, la comparacin de las curvas RYK correspondientes resulta el modo ms natural de determinar cul de las pruebas es ms eficaz, puesto que ya se vio que la + y la E de pruebas de este tipo depende del punto de corte que se elija. Oeniendo en cuenta lo que se &a visto &asta a&ora se comprende que la curva RYK que tenga el rea mayor ser la que corresponde a la prueba ms eficaz. Kon Epidat '.! se pueden &acer comparaciones de curvas RYK%%. Lay dos maneras de introducir los datos para lograr la comparacin necesaria !" cuando se tienen los datos en tablas )#% y %" cuando se tienen los datos continuos para cada individuo. Kuando se tienen los datos en tablas, se supone que &aya una tabla para cada prueba, que todas las tablas tengan igual n,mero de categor/as y que todas las pruebas se les &ayan aplicado a los mismos individuos .sanos y enfermos". +e especifica el n,mero de categor/as en el lugar indicado en el sistema y debe decidirse si la entrada se &ar de forma manual .directamente en Epidat desde el teclado" o automtica .a partir de una base de datos en un fic&ero aparte". En el primer caso, aparece, en el sitio donde deben introducirse los datos, una tabla con espacios de la manera que se ilustra a continuacin, suponiendo que se comparan dos curvas con 2 categor/as. +i se tuviera que comparar ' curvas, la tabla de entrada de datos tendr/a 2 filas ms. !ate$or;a ! % ' 2 ! % ' 2 !ur"a ! ! ! ! % % % % Enfer os Sanos

%4

En esta tabla deberemos incluir los datos de la primera prueba .curvaH!" y de la segunda prueba .curvaH%". E/e plo Ieamos un ejemplo de comparacin de las curvas de dos pruebas con 2 categor/as cada una. +e trata de comparar la eficacia del 7n,mero de vasos8 que se obtiene con el P+3 doppler a color de un ndulo de mama para el diagnstico de malignidad y el valor del /ndice que se obtiene con el mismo procedimiento. 5a prueba ! es el n,mero de vasos con 2 categor/as .! H ? vasos$ % H !3' vasos$ ' H 23C vasos y 2 H ms de C vasos" y la prueba % es el /ndice, tambin con 2 categor/as .! H ?$ % H ?,?!3?,':$ ' H ?,'<3?,C' y 2 H X?,C'". 5os datos se muestran en la siguiente tabla PR<E=> 1
!ate$or;a Enfer os Sanos

PR<E=> &
Enfer os Sanos

! % ' 2

: !! %6 ''

6? 4 !? '

: !! 2% !C

6? !% 4 !

0l introducir estos datos en Epidat se obtiene el siguiente resultado

+omparacin de curvas 19+ N3mero de curvas: N3mero de categor>as: Nivel de confianza: & % 95,0%

%:

+urva 7rea 19+ EE *+,95%"""""""""" """""""""" """"""""""""""""""""""""""""""""""""""""" # 0,(5$& 0,0$0' 0,/9$$ 0,9#$& & 0,('(# 0,0&9& 0,(#09 0,9&5& Prueba de Comogeneidad de Greas :i"cuadrado gl """"""""""""""" """"""""""""""" 0,#&$% #

)alor P """"""""""""""" 0,/&5%

+e observa que ambas pruebas tienen una eficacia semejante en el grfico y que sus reas son prcticamente iguales. +i los datos se introducen de forma automtica, a partir de una base de datos en E#cel, &abr que indicarle al sistema dnde est disponible la base de datos .se tiene la posibilidad de e#aminar el entorno de la (K e indicarle el fic&ero en el directorio que se encuentre"$ adems, los datos deben estar organizados de forma que una curva est a continuacin de la otra. Kon los datos del ejemplo, se tendr/a la siguiente disposicin en un fic&ero E#cel .se incluye en Epidat '.! con el nombre 9090.#ls" !>TE?@R)> ! % ' 2 ! % ' 2 !<R'> ! ! ! ! % % % % E#AERB@S : !! %6 '' : !! 2% !C S>#@S 6? 4 !? ' 6? !% 4 !

Pna tabla estar/a a continuacin de la otra. 0 Epidat &abr/a que decirle el campo donde est la curva .7KPRI08, en este caso", donde estn los enfermos .7EFJER9Y+8, en este caso" y donde estn los sanos .7+0FY+8, en este caso". 5os resultados ser/an los mismos que en el caso anterior, cuando la entrada se &izo de forma manual. +i en lugar de tablas )#%, se tienen datos continuos, Epidat permite seleccionar entre lo que llama curvas independientes .pruebas aplicadas a distintos individuos" o curvas correlacionadas .pruebas aplicadas a los mismos individuos". Oambin &ay dos opciones para la entrada de datos, una manual y otra automtica. +i se trata de curvas independientes y la entrada de datos se realiza de forma manual, se le debe informar al sistema el n,mero de curvas y el n,mero de enfermos y sanos en cada curva .es de suponer que sean distintos pues son pruebas independientes". 0 continuacin, debe introducirse el valor de la prueba para cada uno de los sujetos de las diferentes curvas. +i los datos se tuvieran en una base de datos E#cel para entrada automtica, esta base debe tener ' campos por lo menos, uno que identifique la curva, uno que identifique la enfermedad .! H +/, ? H Fo", y otro que identifique el valor de las pruebas.

%<

E/e plo Iase un ejemplo de datos continuos con tres pruebas independientes. 5os datos se encuentran en el arc&ivo (RPE;0+3QF1E(.#ls, incluido en Epidat '.! y, al cargarlos en el programa, se obtienen los siguientes resultados
+omparacin de curvas 19+ 7rcCivo de traba4o: +: D7rcCivos de programa DPruebas diagnsticas DP15E;7 "*N8EPE2ls +ampo =ue identifica: *dentificacin de curva : +51)7 N3mero de enfermos : ENHE1BE878 N3mero de sanos : P15E;7 !ipo de curvas: N3mero de curvas: Nivel de confianza: +urvas independientes $ 95,0% DEpidat $E# DE4emplos

+urva """""""""""" # & $

7rea 19+ """""""""" 0,9$(0 0,9#9& 0,9&5#

EE ,8e6ong""""""""""""""" 0,00(# 0,0#0$ 0,0099

*+,95%""""""""""""""""""""""""" 0,9&&# 0,95$9 0,(990 0,9$95 0,905' 0,9%%'

Prueba de Comogeneidad de Greas :i"cuadrado gl """"""""""""""" """"""""""""""" &,&/0# &

)alor P """"""""""""""" 0,#$#9

+e trata de ' pruebas con eficacia similar, lo que se refleja en el grfico y en las reas bajo las curvas.

'?

Kuando las curvas son correlacionadas, lo que debe indicrsele al sistema es el campo que tiene la 7enfermedad8 .! H +/, ? H Fo", y los campos que tienen los resultados de las diferentes pruebas. E/e plo Ianse los resultados de Epidat de un ejemplo de comparacin de dos pruebas correlacionadas, o sea, aplicadas a los mismos sujetos sanos y enfermos. 5os datos se encuentran en el arc&ivo (RPE;0+ KYRRE5.#ls.
+omparacin de curvas 19+ 7rcCivo de traba4o: +: D7rcCivos de programa DPruebas diagnsticas DP15E;7 +911E6E2ls +ampo =ue identifica: N3mero de enfermos : ENHE1BE878 !ipo de curvas: N3mero de curvas: Nivel de confianza: DEpidat $E# DE4emplos

+urvas correlacionadas & 95,0%

+urva """""""""""" P15E;7& P15E;7#

7rea 19+ """""""""" 0,9$90 0,9&#$

EE ,8e6ong""""""""""""""" 0,00/9 0,0099

*+,95%""""""""""""""""""""""""" 0,9&$5 0,95%% 0,90#( 0,9%0(

Prueba de Comogeneidad de Greas :i"cuadrado gl """"""""""""""" """"""""""""""" &,#5(9 #

)alor P """"""""""""""" 0,#%#/

'!

+e nota tambin que ambas curvas son similares, lo que significa que ambas pruebas tienen una eficacia similar para el diagnstico de la enfermedad en cuestin.

LA CURVA DE LORENZ
5a curva RYK y sus /ndices son ,tiles cuando el riesgo de enfermedad aumenta o disminuye de forma montona con los valores de la prueba. Kuando el riesgo no es montono, la curva RYK que resulta puede no ser conve#a y sus /ndices no fiables. (ara estas situaciones, 5ee%2 propuso una alternativa basada en curvas similares a las de 5orenz y los /ndices de (ietra y de -ini. 5a curva de 5orenz, dic&o someramente, es un instrumento grfico del rea de la econom/a, desarrollado por 9arR Y. 5orenz para representar las desigualdades en los ingresos de los &ogares .personas, grupos, etc." en cierta regin. +e trata de un grfico de coordenadas$ en el eje de las B se representa el porcentaje acumulado de &ogares, mientras que en el eje de las > se representa el porcentaje acumulado de ingresos. Iase un ejemplo. +upngase que se tienen los datos de ingresos anuales de los &ogares de determinada poblacin. Esos datos se ordenan de menor a mayor y, por ejemplo, se obtienen los 6 quintiles de esa serie ordenada. El primer quintil es una cantidad dada que se puede e#presar en porcentaje del total de ingresos y as/ todos los quintiles se e#presan de esa forma. Komo se trata de quintiles se sabe que el %?M de la poblacin estar por debajo del primer quintil, el 2?M debajo del segundo quintil, y as/ sucesivamente. Kon estos datos se construye la curva de 5orenz. 5a siguiente tabla representa un ejemplo
4 acu ulado de Co$ares 4 de in$resos 4 acu ulado de in$resos

? %? 2? C? :? !??

? 2,4 !! !4,2 %6 2!,<

? 2,4 !6,4 '',! 6:,! !??

+e observa que el %?M de la poblacin de &ogares tiene solo el 2,4M de los ingresos y que el C?M de los &ogares acumulan el '',!M de los ingresos. +e obtiene una manera de medir la desigualdad imperante en esa poblacin, puesto que si los ingresos estuvieran igualmente distribuidos, el %?M de la poblacin tendr/a el %?M de los ingresos y as/ sucesivamente. 5a representacin de estos datos en un grfico como el que se describi da la llamada curva de 5orenz

'%

+e observa que la concavidad de la curva da una idea de la magnitud de las desigualdades, y que la igualdad perfecta se reflejar/a en una curva como la diagonal del cuadrado que forman los ejes. 1e este modo, el rea comprendida entre la curva y la diagonal puede dar una idea de la magnitud de las desigualdades. El /ndice de -ini no es ms que esa rea e#presada como proporcin del rea total debajo de la curva de igualdad perfecta .la diagonal del cuadrado". +e puede obtener, adems, el /ndice de (ietra, que es el rea del mayor tringulo inscrito entre la curva de 5orenz y la diagonal. 5a teor/a anterior se puede e#trapolar al rea de la evaluacin de (ruebas 1iagnsticas. Kuando se tiene una prueba con resultado cuantitativo se calculan la sensibilidad y la especificidad de la prueba para cada punto de corte seleccionado. 0mbas son una especie de proporciones acumuladas, pues cuando los datos se tienen en una tabla )#%, la sensibilidad se va calculando con la proporcin acumulada de positivos a la prueba entre los enfermos a medida que se va cambiando el punto de corte. Retmese el ejemplo del cap/tulo para Kurva RYK$ la prueba era el desnivel +O de la prueba ergomtrica y se ten/a un grupo de !6? pacientes con enfermedad coronaria comprobada y un grupo de !6? personas comprobadamente sin enfermedad coronaria. +i se toma como punto de corte el valor de % mm en el desnivel del segmento +O .la positividad aumenta con el valor del +O" se tiene que la sensibilidad aqu/ es la proporcin acumulada de pacientes con un nivel de +O mayor que % mm en los enfermos .4'N!6?H?,2<" y la especificidad la proporcin acumulada de personas con el nivel de +OW% entre los no enfermos .!2'N!6?H?,<6". +e pueden tambin calcular las razones de verosimilitud 7acumuladas8 para cada punto de corte, que son la base para la curva de 5orenz en este mbito. (ara cada razn de verosimilitud en cada punto de corte se tiene la proporcin acumulada de enfermos y de no enfermos.

''

6esni"el de ST

!on E!

Prop. acu ulada

Sin E!

Prop. acu ulada

X ' mm %,63',? %,?3W%,6 !,63W%,? !,?3W!,6 ?,63W!,? W?,6 Total

'! !6 %4 '? '% !% ' 173

?,%! ?,'! ?,2< ?,C< ?,<? ?,<: !,??

? ? 4 : '< 2' 6' 173

?,?? ?,?? ?,?6 ?,!? ?,'C ?,C6 !,??

En resumen, para obtener la curva de 5orenz de una prueba con resultados cuantitativos se siguen los siguientes pasos +e ordenan las categor/as en funcin de la razn de verosimilitud, en orden creciente, y se calculan las proporciones acumuladas de enfermos y no enfermos B i .proporcin acumulada de no enfermos &asta la categor/a i" e >i .proporcin acumulada de enfermos &asta la categor/a i". El /ndice i denota la i3sima categor/a de la prueba diagnstica .iH!, %, ..., R", una vez que se reordenaron las categor/as de acuerdo a la razn de verosimilitud. 5a curva de 5orenz se obtiene representando los puntos .B i, >i" en un cuadrado de lado ! y uniendo dic&os puntos por una l/nea. Qgual que en la curva RYK, se representa la diagonal y los puntos .?,?" y .!,!". 5a interpretacin de la Kurva de 5orenz en el rea de las pruebas diagnsticas es menos sencilla que en el rea econmica, pero tambin tiene que ver con desigualdades. 5a curva da una idea de la desigualdad entre + y !3E .la sensibilidad y el complemento de la especificidad", puesto que si en cada punto de corte la proporcin acumulada de enfermos fuera igual a la de no enfermos la sensibilidad y !3especificidad ser/an iguales en todos los puntos. En ese caso, la curva ser/a la diagonal del cuadrado y la RI ser/a igual a ! en todos los puntos, lo que denotar/a que la (1 no tiene valor alguno como medio para diagnstico. 5o contrario ser/a que la curva tuviera una concavidad m#ima, entonces la (1 ser/a perfecta. 1e modo que, en el rea de la evaluacin de (1, a mayor concavidad de la curva de 5orenz mejor es la (1 que se est evaluando. Qgualmente, un /ndice de -ini y el de (ietra cercanos a ! indican bondad de la (1, mientras que si se acercan a ? denotan la inadecuidad de la (1. En Epidat '.! la construccin de la curva de 5orenz se &ace muy fcilmente, introduciendo la tabla del n,mero de enfermos y no enfermos en cada categor/a. (ara el ejemplo anterior los resultados con Epidat ser/an los siguientes.
+urva de 6orenz N3mero de categor>as: /

'2

+urva de 6orenz """""""""""""""""""" *ndice de Fini *ndice de Pietra

"""""""""" 0,/5# 0,5(/

BIBLIOGRAFA
3.

)assirer @(. Yur stubborn quest for diagnostic certainty. 0 cause of e#cesive testing. N Engl * +ed !<:<$ '%? !2:<3<!. -aarder )R. 1iagnosis. South +ed * !<:<$ :% !!6'32. Lui +5, Walter +1. Estimating t&e error rates of diagnostic tests. iometrics !<:?$ 'C !C434!. Jescina RL, +imini J, ;elitzRy R. Evaluacin de los procedimientos diagnsticos. 0spectos metodolgicos. Salud Perinatal PP !<:6$ % '<32'. )assirer @(. 1iagnostic Reasoning. #nn ,ntern +ed !<:<$ !!? :<'36. -riner (J, 9ayeAsRi R@, 9us&lin 0Q, -reenland (. +election and interpretation of diagnostic tests and procedures. #nn ,ntern +ed !<:!$ <2 6643C'. )assirer @(, )opelman RQ. O&e lu#uriant language of diagnosis. Hosp Pract !<:<$ %2 'C3:. +ilva 5K. +-todos estad)sticos para la investigacin epidemiolgica. +eminario internacional de estad/sticas en EusRadi. Qnstituto Iasco de Estad/stica$ !<:4.

8. 3.

4.

6. *.

1.

:.

'6

2.

;egg K;, -reenes R0. 0ssessment of diagnostic tests A&en disease verification is subject to selection bias. iometrics !<:'$ '< %?43!6.

!?. Jeinstein 0R. Klinical biostatistics. BBBQ. Yn t&e sensitivity, specificity and discrimination of diagnostic tests. (lin Pharmacol Ther !<46$ !4 !?23!C.
33. Oaube 0. +ensitivity, specificity and predictive values a grap&ical approac&. Stat +ed

!<:C$ 6 6:63<!.
38. )nottnerus @0, 5effers (. O&e influence of referral patterns on t&e c&aracteristics of

diagnostic tests. * (lin Epidemiol !<<%$ 26 !!2'362.

33. LlatRy 90, 9arR 1;, Larrell JE, 5ee )5, Kaliff RR9, (ryor 1;. Ret&inRing

+ensitivity and +pecificity. #m * (ardiol !<:4$ 6< !!<63:.

34. Robertson 0, ZAeig 9L, Ian +teirteg&em 0K. Evaluating t&e clinical efficacy of

5aboratory Oests. #m * (lin Pathol !<:'$ 4<.!" 4:3:C.

36. +o# LK. (robability t&eory in t&e use of 1iagnostic Oests. #nn ,ntern +ed !<:C$ !?2 C?3

C.
3*. Riegelman R), Lirsc& R(. 1iscriminacin diagnstica de las pruebas. ol 'ficina Sanit

Panam !<<!$ !!! 6'C324.

31. +acRett 15, ;rian Laynes R, OugAell (. (linical Epidemology. # basic Science for (linical

+edicine. 9adrid 1/az de +antos$ !<:<.

3:. Jeinstein 0R. (linical Epidemiology. The #rchitecture of (linical Research. W.;. +aunders

Kompany$ !<:6.
32. -murman IE. Teor)a de las probabilidades y estad)stica matem/tica. 9osc, 9osc,

Editorial$ !<42.
84. Jleiss @5. Statistical +ethods for Rates and Proportions% %nd Edition. FeA >orR @o&n

Wiley and +ons$ !<:!.

83. 5ucR 0@, 9organ @J, Reid J, Y[;rien 0, ;runton @, (rice K, et al. O&e +KYJJ

questionnaire and clinical intervieA for eating disorders in general practice comparative study. +* %??%$ '%6 4663C.
88. 1e5ong ER, 1e5ong 19, KlarRe3(earson 15. Komparing t&e areas under tAo or more

correlated receiver operating curves a nonparametric approac&. :'4326. K&aracteristic .RYK" Kurve. Radiology !<:%$ !2' %<3'C.

iometrics !<::$ 22

83. Lanley @0, 9cFeil ;@. O&e meaning and use of t&e area under a Receiver Yperating

84. Lanley @0, 9cFeil ;@. O&e meaning and use of t&e area under a Receiver Yperating

K&aracteristic .RYK" Kurve. Radiology !<:%$ !2' %<3'C.

'C

86. 5ee W. (robabilistic analysis of global performances of diagnostic tests interpreting

t&e 5orenz Kurve3based summary measures. Stat +ed !<<<$ !: 26634!.

'4