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 #'ei$(i)&s.................................................................................................................................................... *
Dise+&s ! ,(ili-!' #!'! l! es(i.!$i/n e l&s ini$!&'es. Ven(!0!s " es)en(!0!s..................................................... 1
P'&b!bili!es #'e " #&s( #',eb! " Te&'e.! e B!"es............................................................................................. 2
Es(i.!$i/n #&' in(e')!l&s e $&n%i!n-! e l! sensibili! " l! es#e$i%i$i!......................................................... 34
O('&s ini$!&'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 enfermedad
234
. 5a segunda se dirige al
seguimiento de la suposicin cl/nica y a verificar si la &iptesis corresponde a la verdad
2,6
.
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<.
2
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 son
2,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 enferedad.
!riterio de "erdad
Enferos #o enferos Total
Prueba
dia$n%stica
Positi"os a b aGb
#e$ati"os c d cGd
Total aGc bGd aGbGcGd
1onde
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 %#%=.
6
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 enferedad
!riterio de "erdad
Enferos #o enferos Total
Prueba
dia$n%stica
Positi"os I( J( I(GJ(
#e$ati"os JF IF JFGIF
Total I(GJF J(GIF F H .I(GJ(GJFGIF"
(or tanto, los estimadores de las probabilidades descritas son, naturalmente, los siguientes
c a
a
FN VP
VP
enfermos de Total
positivos Verdaderos
ad Sensibilid
+
=
+
= =
d b
d
FP VN
VN
enfermos no de Total
negativos Verdaderos
dad Especifici
+
=
+
= =
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 enfermedad
2,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 enfermedad
2,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"
b a
a
FP VP
VP
positivos de Total
positivos Verdaderos
positivo predictivo Valor
+
=
+
= =
C
d c
d
FN VN
VN
negativos de Total
negativos Verdaderos
negativo predictivo Valor
+
=
+
= =
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
Enferos #o enferos Total
Prueba
dia$n%stica
Positi"os a b aGb
#e$ati"os c d cGd
T&(!l
F
!
F
%
FHF
!
GF
%
5os estimadores obvios de + y E vienen dados por las proporciones siguientes
!
N
a
S =
y
%
N
d
E =
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
!riterio de "erdad
Enferos #o enferos Total
Prueba
dia$n%stica
Positi"os a b F.G"
#e$ati"os c d F.3"
T&(!l
aGc bGd FHF.G"GF.3"
5os estimadores de I(.G" y I(.3" vienen dados por las proporciones siguientes
" .
" .
+
= +
N
a
VP
y
" .
" .

=
N
d
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
Enferos #o enferos Total
Prueba
dia$n%stica
Positi"os a b aGb
#e$ati"os c d cGd
T&(!l
aGc bGd F
5a estimacin de los parmetros se e#presa en las frmulas siguientes
c a
a
S
+
= y
d b
d
E
+
=
b a
a
VP
+
= + " . y
d c
d
VP
+
= " .
En esta situacin, la prevalencia de la enfermedad puede ser estimada por los resultados de la
prueba de referencia
N
c a
E P
+
= " .
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
%
, ..., L
R
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, (.L
i
", i H !, %, ..., R y las probabilidades condicionadas (.0NL
i
"
!<
. Entonces, las
probabilidades a posteriori se pueden e#presar como
<

=
=
!
i
i i
" "
"
H P H # P
H P H # P
# H P
!
" . " S .
" . " S .
" S .
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
" . " S . " . " S .
" . " S .
" S .
Enf No P Enf No T P Enf P Enf T P
Enf P Enf T P
T Enf P
+ + +
+
= +
[ ] " . ! " ! . " .
" .
" .
Enf P E Enf P S
Enf P S
VP
+

= +
" . " S . " . " S .
" . " S .
" S .
Enf P Enf T P Enf No P Enf No T P
Enf No P Enf No T P
T Enf No P
+

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

=
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 intervalos de confianza de la sensibilidad y la
especificidad
!?
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 enferedad (+-). 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 "erosiilitud (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
dad Especifici
ad Sensibilid
RV

= +
!
+i se recuerdan las definiciones bsicas de + y E se tiene
" S .
" S .
Enf No T P
Enf T P
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
" S .
" S .
Enf No T P
Enf T P
RV

=
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
Enferos #o enferos
Test + 2: %6
Test - % %6
Total 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#
" S .
" S .
Enf No T P
Enf T P
RV

=
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/eplo
!'
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$uiiento)
Enferas #o enferas Total
Prueba
dia$n%stica
Positi"as !! '2 26
#e$ati"as % %<2 %<C
Total !' '%: '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: 95,0%
Prueba de referencia
Prueba diagnstica Enfermos anos !otal
"""""""""""""""""""" """"""""" """"""""" """""""""
Positivo ## $% %5
Negativo & &9% &9'
"""""""""""""""""""" """"""""" """"""""" """""""""
!otal #$ $&( $%#
)alor *+ ,95%-
""""""""""""""""""""""""" """""""""" """""""""""""""""""""""
ensibilidad ,%- (%,'& '#,#' #00,00
Especificidad ,%- (9,'$ (',#( 9$,09
*ndice de )alidez ,%- (9,%% (',0$ 9&,(5
)alor predictivo . ,%- &%,%% #0,/( $(,##
)alor predictivo " ,%- 99,$& 9(,&& #00,00
Prevalencia ,%- $,(# #,'$ 5,99
*ndice de 0ouden 0,/% 0,5% 0,9%
1azn de verosimilitud . (,#' 5,5# #&,#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: (5,00%
Especificidad: 90,00%
Prevalencia: %0,00 2 #00
)alor
""""""""""""""""""""""""" """"""""""
*ndice de )alidez ,%- ((,00
)alor predictivo . ,%- (5,00
)alor predictivo " ,%- 90,00
*ndice de 0ouden 0,/5
1azn de verosimilitud . (,50
1azn de verosimilitud " 0,#/
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/eplo
+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
Enferos #o enferos Total
Prueba P1
Positi"os !6 ' !:
#e$ati"os 6 4 !%
Total %? !? '?
!riterio de "erdad
Enferos #o enferos Total
Prueba P&
Positi"os !% 2 !C
#e$ati"os : C !2
Total %? !? '?
(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
!riterio de "erdad
Enferos #o enferos Total
Prueba P&
Positi"os ' 2 4
#e$ati"os % ' 6
Total 6 4 !%
+e tiene, entonces, la tabla global
!riterio de "erdad
!C
Enferos #o enferos Total
Prueba
$lobal
Positi"os !: 4 !C
#e$ati"os % ' !2
Total %? !? '?
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: En paralelo
N3mero de pruebas: &
Nivel de confianza: 95,0%
+lasificacin final de los su4etos
Enfermos anos !otal
"""""""""" """"""""" """"""""" """""""""
Positivo #( / &5
Negativo & $ 5
"""""""""" """"""""" """"""""" """""""""
!otal &0 #0 $0
)alor *+ ,95%-
""""""""""""""""""""""""" """""""""" """""""""""""""""""""""
ensibilidad,%- 90,00 /%,$5 #00,00
Especificidad,%- $0,00 "$,% '$,%
*ndice de )alidez,%- /0,00 5#,9% ((,0'
)alor predictivo .,%- /&,00 5&,%0 9#,'0
)alor predictivo ",%- '0,00 /,0' #00,00
Prevalencia,%- '','/ %(,#$ (5,&0
*ndice de 0ouden 0,&0 "0,## 0,5#
1azn de verosimilitud . #,&9 0,(% #,9(
1azn de verosimilitud " 0,$$ 0,0/ #,'(
+e observa la tabla global calculada por Epidat, as/ como los resultados de la +, la E y el resto de los
indicadores vistos con anterioridad con sus respectivos intervalos de confianza.
+i ambas pruebas se realizan en serie, entonces se tiene la tabla original correspondiente a (!
!riterio de "erdad
Enferos #o enferos Total
Prueba P1
Positi"os !6 ' !:
#e$ati"os 6 4 !%
T&(!l
%? !? '?
y el resultado de aplicar la prueba (% a los !: clasificados como positivos por (!
!riterio de "erdad
!4
Enferos #o enferos Total
Prueba P&
Positi"os !? ! !!
#e$ati"os 6 % 4
Total !6 ' !:
Estas son las tablas que se deben introducir en Epidat para obtener el resultado siguiente
Pruebas diagnsticas m3ltiples
!ipo de pruebas: En serie
N3mero de pruebas: &
Nivel de confianza: 95,0%
+lasificacin final de los su4etos
Enfermos anos !otal
"""""""""" """"""""" """"""""" """""""""
Positivo #0 # ##
Negativo #0 9 #9
"""""""""" """"""""" """"""""" """""""""
!otal &0 #0 $0
)alor *+ ,95%-
""""""""""""""""""""""""" """""""""" """"""""""""""""""""""""""
ensibilidad,%- 50,00 &5,59 /%,%#
Especificidad,%- 90,00 '',%# #00,00
*ndice de )alidez,%- '$,$$ %%,%& (&,&%
)alor predictivo .,%- 90,9# '9,$( #00,00
)alor predictivo ",%- %/,$/ &&,&9 /&,%5
Prevalencia,%- '','/ %(,#$ (5,&0
*ndice de 0ouden 0,%0 0,## 0,'9
1azn de verosimilitud . 5,00 0,/% $$,/(
1azn de verosimilitud " 0,5' 0,$% 0,90
donde se observa la tabla final .global" construida por Epidat '.! y todos los indicadores.
Este submdulo tambin permite calcular los valores predictivos de pruebas en serie o en paralelo,
siempre que se conozca la prevalencia de la enfermedad y la + y E de cada una de las pruebas que se
usen en serie o en paralelo.
+upngase que las pruebas del ejemplo anterior quieren utilizarse en un conte#to donde la
prevalencia de la enfermedad en cuestin es del !?M. DTu valor predictivo tendr/a entonces la
combinacin de las dos pruebasE +e conoce que la + de (! es 46M, la E de (! es 4?M y la + y la E de
(% son ambas de C?M.
En serie
Pruebas diagnsticas m3ltiples
!ipo de pruebas: En serie
N3mero de pruebas: &
Prevalencia: #0,00 2 #00
!:
)alor
""""""""""""""""""""""""" """"""""""
ensibilidad ,%- %5,00
Especificidad ,%- ((,00
*ndice de )alidez ,%- ($,/0
)alor predictivo . ,%- &9,%#
)alor predictivo " ,%- 9$,5#
*ndice de 0ouden 0,$$
1azn de verosimilitud . $,/5
1azn de verosimilitud " 0,'$
En paralelo
Pruebas diagnsticas m3ltiples
!ipo de pruebas: En paralelo
N3mero de pruebas: &
Prevalencia: #0,00 2 #00
)alor
""""""""""""""""""""""""" """"""""""
ensibilidad ,%- 90,00
Especificidad ,%- %&,00
*ndice de )alidez ,%- %',(0
)alor predictivo . ,%- #%,/#
)alor predictivo " ,%- 9/,%&
*ndice de 0ouden 0,$&
1azn de verosimilitud . #,55
1azn de verosimilitud " 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
:

N c a
b b a
S
" ! . " .
" .

+
+
=
" .
" .
c a N
c d c
E
+
+
=

!<
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
!
!
" .
+
+
+
=

N
c a
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/eplo
+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)
Enferos #o enferos Total
Prueba
#ue"a
Positi"os :2 %C !!?
#e$ati"os 2C 22 <?
Total !'? 4? %??
Kuando se introducen los datos en Epidat '.! se obtiene lo siguiente
Prueba de referencia imperfecta
Prueba de referencia
ensibilidad: 90,00%
Especificidad: '0,00%
Prueba de referencia
Prueba diagnstica Positivo Negativo !otal
"""""""""""""""""""" """"""""" """"""""" """""""""
Positivo (% &' ##0
Negativo %' %% 90
"""""""""""""""""""" """"""""" """"""""" """""""""
!otal #$0 /0 &00
1E56!789 7:5!789 )alor *+ ,95%- ;ootstrap
%?
""""""""""""""""""""""""" """""""""" """"""""""""""""""""""""""
ensibilidad ,%- (0,00 '5,09 9(,5/
Especificidad ,%- /0,00 55,5$ (5,&'
<ndice de validez ,%- /5,00 '&,50 (/,50
)alor predictivo . ,%- /&,/$ 5',&9 ((,$$
)alor predictivo " ,%- //,/( 5',9& 9(,'0
Prevalencia ,%- 50,00 $/,00 '$,00
<ndice de 0ouden 0,50 0,&5 0,//
1azn de verosimilitud . &,'/ #,59 5,/'
1azn de verosimilitud " 0,&9 0,0& 0,5(
1E56!789 *N 7:5!71 )alor *+ ,95%-
""""""""""""""""""""""""" """""""""" """"""""""""""""""""""""""
ensibilidad ,%- '%,'& 5',0# /$,&&
Especificidad ,%- '&,(' 50,(& /%,(9
<ndice de validez ,%- '%,00 5/,#0 /0,90
)alor predictivo . ,%- /',$' '/,9/ (%,/'
)alor predictivo " ,%- %(,(9 $(,0# 59,//
Prevalencia ,%- '5,00 5(,#% /#,('
<ndice de 0ouden 0,&/ 0,#$ 0,%#
1azn de verosimilitud . #,/% #,&5 &,%&
1azn de verosimilitud " 0,5' 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 n
i
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 n
i
con i resultados positivos.
E/eplo
%!
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 n
i
, 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 n
i
.
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
)alor
""""""""""""""""""""""""" """"""""""
ensibilidad ,%- /(,(&
Especificidad ,%- 9%,&9
Prevalencia ,%- '5,#%
*ndice de )alidez ,%- (%,&#
)alor predictivo . ,%- 9',&/
)alor predictivo " ,%- /0,%%
*ndice de 0ouden 0,/$
1azn de verosimilitud . #$,(0
1azn de verosimilitud " 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. acuulada Sin E! Prop. acuulada
V 'mm '! ?,%! ? ?,??
%,63W',? !6 ?,'! ? ?,??
%,?3W%,6 %4 ?,2< 4 ?,?6
!,63W%,? '? ?,C< : ?,!?
!,?3W!,6 '% ?,<? '< ?,'C
?,63W!,? !% ?,<: 2' ?,C6
W?,6 ' !,?? 6' !,??
Total 173 173
+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 *+,95%-
"""""""""" """""""""" """"""""""""""""""""""
0,(/5$ 0,0#(9 0,($(& 0,9#&5 8elong
0,0&05 0,($5# 0,9#5' ?anle@ A BcNeil
Epidat tambin brinda la posibilidad de introducir los datos mediante tablas %#% para cada punto
de corte .opcin !". En este caso ser/an C tablas de %#% construidas de la siguiente forma
Tabla 1
!riterio de "erdad
Punto de corte8 9
!on E! Sin E!
Positi"os
'! ?
#e$ati"os
!!< !6?
Total
!6? !6?
Tabla &
!riterio de "erdad
Punto de corte8 &(7
!on E! Sin E!
Positi"os
2C ?
#e$ati"os
!?2 !6?
Total
!6? !6?
Tabla 9
!riterio de "erdad
Punto de corte8 &
!on E! Sin E!
Positi"os
4' 4
#e$ati"os
44 !2'
Total
!6? !6?
Tabla :
!riterio de "erdad
Punto de corte8 1(7
!on E! Sin E!
Positi"os
!?' !6
#e$ati"os
24 !'6
Total
!6? !6?
Tabla 7
!riterio de "erdad
Punto de corte8 1
!on E! Sin E!
Positi"os
!'6 62
#e$ati"os
!6 <C
Total
!6? !6?
Tabla 5
!riterio de "erdad
Punto de corte8 3(7
!on E! Sin E!
Positi"os
!24 <4
#e$ati"os
' 6'
Total
!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/eplo
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 DEpidat $E# DE4emplos
DPruebas diagnsticas D15880 *N8*+EE2ls
+ampo =ue identifica:
Enfermedad: F15P9
1esultado de la prueba: *N8*+E
N3mero de enfermos: '$
N3mero de sanos: '$
Nivel de confianza: 95,0%

%C
7rea 19+ EE *+,95%-
"""""""""" """""""""" """""""""""""""""""""""""
0,9#0# 0,0&5( 0,(595 0,9'0' 8elong
0,0&/# 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 !ur"a Enferos Sanos
! !
% !
' !
2 !
! %
% %
' %
2 %
%4
En esta tabla deberemos incluir los datos de la primera prueba .curvaH!" y de la segunda
prueba .curvaH%".
E/eplo
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 PR<E=> &
!ate$or;a Enferos Sanos Enferos Sanos
! : 6? : 6?
% !! 4 !! !%
' %6 !? 2% 4
2 '' ' !C !
0l introducir estos datos en Epidat se obtiene el siguiente resultado
+omparacin de curvas 19+
N3mero de curvas: &
N3mero de categor>as: %
Nivel de confianza: 95,0%
%:
+urva 7rea 19+ EE *+,95%-
"""""""""" """""""""" """""""""""""""""""""""""""""""""""""""""
# 0,(5$& 0,0$0' 0,/9$$ 0,9#$&
& 0,('(# 0,0&9& 0,(#09 0,9&5&
Prueba de Comogeneidad de Greas
:i"cuadrado gl )alor P
""""""""""""""" """"""""""""""" """""""""""""""
0,#&$% # 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)> !<R'> E#AERB@S S>#@S
! ! : 6?
% ! !! 4
' ! %6 !?
2 ! '' '
! % : 6?
% % !! !%
' % 2% 4
2 % !C !
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/eplo
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 DEpidat $E# DE4emplos
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: +urvas independientes
N3mero de curvas: $
Nivel de confianza: 95,0%
+urva 7rea 19+ EE ,8e6ong- *+,95%-
"""""""""""" """""""""" """"""""""""""" """""""""""""""""""""""""
# 0,9$(0 0,00(# 0,9&&# 0,95$9
& 0,9#9& 0,0#0$ 0,(990 0,9$95
$ 0,9&5# 0,0099 0,905' 0,9%%'
Prueba de Comogeneidad de Greas
:i"cuadrado gl )alor P
""""""""""""""" """"""""""""""" """""""""""""""
&,&/0# & 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/eplo
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 DEpidat $E# DE4emplos
DPruebas diagnsticas DP15E;7 +911E6E2ls
+ampo =ue identifica:
N3mero de enfermos : ENHE1BE878
!ipo de curvas: +urvas correlacionadas
N3mero de curvas: &
Nivel de confianza: 95,0%
+urva 7rea 19+ EE ,8e6ong- *+,95%-
"""""""""""" """""""""" """"""""""""""" """""""""""""""""""""""""
P15E;7& 0,9$90 0,00/9 0,9&$5 0,95%%
P15E;7# 0,9&#$ 0,0099 0,90#( 0,9%0(
Prueba de Comogeneidad de Greas
:i"cuadrado gl )alor P
""""""""""""""" """"""""""""""" """""""""""""""
&,#5(9 # 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 acuulado de
Co$ares
4 de in$resos 4 acuulado de
in$resos
? ? ?
%? 2,4 2,4
2? !! !6,4
C? !4,2 '',!
:? %6 6:,!
!?? 2!,< !??
+e observa que el %?M de la poblacin de &ogares tiene solo el 2,4M de los ingresos y que el
C?M de los &ogares acumulan el '',!M de los ingresos. +e obtiene una manera de medir la
desigualdad imperante en esa poblacin, puesto que si los ingresos estuvieran igualmente
distribuidos, el %?M de la poblacin tendr/a el %?M de los ingresos y as/ sucesivamente.
5a representacin de estos datos en un grfico como el que se describi da la llamada
curva de 5orenz
'%
+e observa que la concavidad de la curva da una idea de la magnitud de las
desigualdades, y que la igualdad perfecta se reflejar/a en una curva como la diagonal del
cuadrado que forman los ejes. 1e este modo, el rea comprendida entre la curva y la
diagonal puede dar una idea de la magnitud de las desigualdades. El /ndice de -ini no es
ms que esa rea e#presada como proporcin del rea total debajo de la curva de igualdad
perfecta .la diagonal del cuadrado". +e puede obtener, adems, el /ndice de (ietra, que es
el rea del mayor tringulo inscrito entre la curva de 5orenz y la diagonal.
5a teor/a anterior se puede e#trapolar al rea de la evaluacin de (ruebas 1iagnsticas.
Kuando se tiene una prueba con resultado cuantitativo se calculan la sensibilidad y la
especificidad de la prueba para cada punto de corte seleccionado. 0mbas son una especie
de proporciones acumuladas, pues cuando los datos se tienen en una tabla )#%, la
sensibilidad se va calculando con la proporcin acumulada de positivos a la prueba entre
los enfermos a medida que se va cambiando el punto de corte.
Retmese el ejemplo del cap/tulo para Kurva RYK$ 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. acuulada Sin E! Prop. acuulada
X ' mm '! ?,%! ? ?,??
%,63',? !6 ?,'! ? ?,??
%,?3W%,6 %4 ?,2< 4 ?,?6
!,63W%,? '? ?,C< : ?,!?
!,?3W!,6 '% ?,<? '< ?,'C
?,63W!,? !% ?,<: 2' ?,C6
W?,6 ' !,?? 6' !,??
Total 173 173
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 0,/5#
*ndice de Pietra 0,5(/
BIBLIOGRAFA
3. )assirer @(. Yur stubborn quest for diagnostic certainty. 0 cause of e#cesive testing. N
Engl * +ed !<:<$ '%? !2:<3<!.
8. -aarder )R. 1iagnosis. South +ed * !<:<$ :% !!6'32.
3. Lui +5, Walter +1. Estimating t&e error rates of diagnostic tests. iometrics !<:?$ 'C
!C434!.
4. Jescina RL, +imini J, ;elitzRy R. Evaluacin de los procedimientos diagnsticos.
0spectos metodolgicos. Salud Perinatal PP !<:6$ % '<32'.
6. )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'.
1. )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.
'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&. iometrics !<::$ 22
:'4326.
83. Lanley @0, 9cFeil ;@. O&e meaning and use of t&e area under a Receiver Yperating
K&aracteristic .RYK" Kurve. Radiology !<:%$ !2' %<3'C.
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