Con el objetivo de estudiar la teoría asociada a las medidas de eficacia de una prueba diagnóstica,

a continuación, se describen algunos ejemplos.

I. En 2013 los autores Pita Fernández, S. y Pértegas Díaz, S. en su documento llamado pruebas
diagnósticas, exponen la teoría cuantitativa referente a las medidas de eficacia de una prueba
diagnóstica, presentando los siguientes ejemplos:
• Resultados de la exploración y biopsia prostática de una muestra de pacientes con
sospecha de cáncer de próstata.
Tabla 1

En la Tabla 1 se observa un registro total de 1.121 casos de cáncer, lo cual representa un

42,45% del total de sujetos estudiados. La sensibilidad del tacto rectal para detectar cáncer
fue de 56,56% (634/1121) y la especificidad de 82,3% (1251/1520). Así, el tacto fue anormal
en un 56,56% de los casos de cáncer prostático y normal en un 82,3% de los casos que
presentaron finalmente otras patologías. Esto significa que un (100-56,56) %=43,44% de los
pacientes que efectivamente tenían cáncer presentaban tactos normales. Finalmente se llegó
a considerar la necesidad de utilizar otros marcadores más sensibles, como el PSA o sus
derivados, para poder establecer el diagnóstico de forma más precisa.

• Resultados de la aplicación del test de VIH en una población de baja prevalencia.

Tabla 2.

Para el diagnóstico del VIH se emplean tests que han confirmado tener una alta validez, con
valores aproximados de sensibilidad y especificidad de un 99,5%. Supongamos que se
aplicase esta prueba a la totalidad de la población gallega, que se cifra en 2.800.000
habitantes. Si asumimos que en Galicia existen 6.000 pacientes VIH positivos (lo cual
implicaría una prevalencia de 6000/ 2.800.000 =0,21%), el test resultaría positivo en un total
de 19.940 sujetos, obteniéndose un valor predictivo positivo del 29,9% (Tabla 2). Así pues,
sólo un 29,9% de los sujetos con un resultado positivo en el test resultarían estar realmente
 afectados, mientras que un 70,1% de los mismos no presentarían la enfermedad. Resulta
obvio que en una comunidad como la gallega la utilización de esta prueba no resultaría útil,
debido a la alta proporción de falsos positivos que conllevaría.

• Resultados de la aplicación del test de VIH en una población de alta prevalencia.

Tabla 3

Ahora en la Tabla 3 se registran los resultados de aplicar la prueba del ejemplo anterior (Tabla
2) a una población en la que el número de enfermos VIH+ fuese de 800.000 (resultando en
una prevalencia mucho mayor de un 800.000/2.800.000=28,6%). En este caso, la
predictividad de una prueba positiva aumenta de un 29,9% a un 98,7%, disminuyendo la
proporción de falsos positivos a tan sólo un 1,3%. Por lo tanto, si la prevalencia es alta, un
resultado positivo tiende a confirmar la presencia de la enfermedad, mientras que si la
prevalencia es baja, un resultado positivo no permitirá afirmar su existencia.

II. En la Tabla 4, se presentan los datos obtenidos de un estudio del año 2001 (von Kummer R,
et al.), sobre la exactitud diagnóstica de la tomografía computada para predicción de daño
cerebral irreversible luego de accidente cerebrovascular isquémico.

Tabla 4

Obteniendo los siguientes resultados: La especificidad y el valor predictivo positivo del edema
isquémico en la TC basal para infartos cerebrales fueron 85% (IC 95%: 77%, 91%) y 96% (IC
95%: 94%, 98%), respectivamente. La sensibilidad y los valores predictivos negativos fueron
64% (IC 95%: 60%, 67%) y 27% (IC 95%: 23%, 32%), respectivamente.
Concluyendo que después del accidente cerebrovascular isquémico, la hipoatenuación de
rayos X en la TC es altamente específica para el daño cerebral isquémico irreversible si la
detección se produce dentro de las primeras 6 horas. Los pacientes sin tejido cerebral
hipoatenatorio tienen un curso clínico más favorable.
EJEMPLO 1 Tabla 5
A continuación, se realiza la evaluación de Enfermos No enfermos Total
la validez y confiabilidad de una prueba Punto de Corte en Diabéticos No diabéticos
120 mg/dL
diagnóstica, para la distribución hipotética
Resultado Positivo 5 2 7
de los resultados de una prueba diagnóstica de la Negativo 15 18 33
en un muestreo de controles y de pacientes prueba
con diabetes Punto de corte en 120 mg/dL. Total 20 20 40

Los datos se presentan en una tabla 2x2 de

modo que en las columnas se representa el Considerando la siguiente asignación a los
verdadero estado del paciente (enfermo o no valores de la Tabla 5
enfermo) y en las filas el resultado de la Enfermos No enfermos Total
prueba diagnóstica (Tabla 5). Punto de Corte en Diabéticos No diabéticos
120 mg/dL
Resultado Positivo 𝑉𝑃 𝐹𝑃
de la 𝑎 𝑏 𝑎+𝑏
prueba Negativo 𝐹𝑁 𝑉𝑁
𝑐 𝑑 𝑐+𝑑
Total 𝑎+𝑐 𝑏+𝑑 𝑁

Donde 𝑉𝑃: verdadero positivo, 𝐹𝑃: falso positivo, 𝐹𝑁: falso negativo, y 𝑉𝑁: verdadero negativo,
𝑁 el tamaño de la muestra.

Por otra parte, la fórmula simplificada para el cálculo de intervalo de confianza de una proporción
𝑝̂(1−𝑝̂)
está dada por 𝑝̂ ± 𝑍0.95 √ . El valor de 𝑍 se obtiene a partir de la función inversa de una
𝑛
normal estándar, para un intervalo de confianza de 95% con dos colas es 𝑍0.95 = 1,96. 𝑝̂
corresponde a la proporción a la que se desea calcular el intervalo de confianza, y 𝑛 corresponde
al denominador de determinada proporción, por ejemplo, en el caso de la sensibilidad,
corresponde a la suma entre verdaderos positivos y falsos negativos.
En efecto,

• Sensibilidad (𝑆) Intervalos de confianza del 95%

𝑎 5
𝑆 = 𝑎+𝑐 = 20 = 0,25 (25%) 𝑆(1−𝑆) 0,25(1−0,25)
𝑆 ± 𝑍0.95 √ = 0,25 ± 1,96√ =
𝑎+𝑐 20
(0,06 − 0,44)95%

(𝐼𝐶 95%: 6%, 44%)

• Especificidad (𝐸)
𝑑 18 𝐸(1−𝐸) 0,90(1−0,90)
𝐸= = 𝐸 ± 𝑍0.95 √ = 0,90 ± 1,96√ =
𝑏 + 𝑑 20 𝑏+𝑑 20
= 0,90 (90%) (0,77 − 1,03)95%

(𝐼𝐶 95%: 77%, 103%)

• Valor predictivo positivo (𝑉𝑃𝑃)
𝑎 5 𝑉𝑃𝑃(1−𝑉𝑃𝑃) 0,71(1−0,71)
𝑉𝑃𝑃 = = 𝑉𝑃𝑃 ± 𝑍0.95 √ = 0,71 ± 1,96√ =
𝑎+𝑏 7 𝑎+𝑏 7
= 0,71 (71%) (0,37 − 1,05)95%

(𝐼𝐶 95%: 37%, 105%)

• Valor predictivo negativo (𝑉𝑃𝑁)
𝑑 18 𝑉𝑃𝑁(1−𝑉𝑃𝑁) 0,55(1−0,55)
𝑉𝑃𝑁 = = 𝑉𝑃𝑁 ± 𝑍0.95 √ = 0,55 ± 1,96√ =
𝑐 + 𝑑 33 𝑐+𝑑 33
= 0,55 (55%) (0,38 − 0,72)95%

(𝐼𝐶 95%: 38%, 72%)

• Coeficiente de verosimilitud positivo 𝐶𝑉 (+)

𝑆 0,25
𝐶𝑉 (+) = = = 2,5
1 − 𝐸 1 − 0,90
• Coeficiente de verosimilitud negativo 𝐶𝑉 (−)
1 − 𝑆 1 − 0,25
𝐶𝑉 (−) = = = 0,83
𝐸 0,90

Interpretación de resultados:
En la Tabla 5 se observa un registro total de 20 casos de diabetes, lo cual representa un 50% del
total de sujetos estudiados.

• Sensibilidad (o tasa de verdaderos positivos)

La probabilidad de que en los individuos diabéticos la prueba resulte positiva, es decir la
glucemia sea superior a 120 mg/dl es del 25% (𝐼𝐶 95%: 6%, 44%). Por tanto, la tasa de
falsos negativos definida como el complementario de la sensibilidad es del 75%, siendo esta
la proporción de individuos diabéticos con glucemia igual o inferior a 120 mg/dL.

• Especificidad (o tasa de verdaderos negativos)

 La probabilidad de que en los individuos no diabéticos la prueba resulte negativa (glucemia
igual o inferior a 120 mg/dL) es del 90% (𝐼𝐶 95%: 77%, 103%). Luego la tasa de falsos
positivos definida como el complemento de la especificidad es del 10%.

Así, la glucemia en los pacientes fue superior a 120 mg/dl en un 25% de los casos de diabetes
e igual o inferior a 120 mg/dL en un 90% de los casos en que no se registró esta patología.

• Valor predictivo positivo (𝑉𝑃𝑃)

El 71% (𝐼𝐶 95%: 37%, 105%) de los pacientes con la prueba positiva tienen realmente
diabetes, siendo esta la probabilidad de ser diabético si el resultado de la prueba ha sido
positivo.

• Valor predictivo negativo (𝑉𝑃𝑁)

El 55% (𝐼𝐶 95%: 38%, 72%) de los pacientes con la prueba negativa no tienen realmente
diabetes, siendo esta la probabilidad de no ser diabético si el resultado de la prueba ha sido
negativo.

• Coeficiente de verosimilitud positivo 𝐶𝑉 (+)

Al obtener un 𝐶𝑉 (+) = 2,5 > 1, se infiere que la probabilidad post – tests es más alta que la
pre - test, es decir, que un resultado positivo es 2,5 veces más probable en un individuo
diabético que en uno no diabético.

• Coeficiente de verosimilitud negativo 𝐶𝑉 (−)

Al obtener un 𝐶𝑉 (−) = 0,83 < 1, se concluye que la probabilidad post – tests baja en relación
con la pre – tests, es decir, el resultado negativo es 1,2 (1/0,83) veces más probable en un
individuo no diabético que en uno diabético.

Nomograma de fagan

Considerando que la probabilidad pre test (𝑃𝑅𝑂 𝑃𝑅𝐸𝑇) equivale a la prevalencia de la

𝑎+𝑏 20
enfermedad, entonces sabiendo que la 𝑃𝑟𝑒𝑣𝑎𝑙𝑒𝑛𝑐𝑖𝑎 = = 40 = 0,50 , se tiene que
𝑁
𝑃𝑅𝑂 𝑃𝑅𝐸𝑇 = 0,50.

El siguiente paso es determinar los cocientes de probabilidades (𝐶𝑃) también conocidos como
𝑂𝐷𝐷𝑆.

• Cocientes de probabilidades pre test

𝑃𝑅𝑂 𝑃𝑅𝐸𝑇 0,50
𝑂𝐷𝐷𝑆 𝑃𝑅𝐸𝑇 = = =1
1 − 𝑃𝑅𝑂 𝑃𝑅𝐸𝑇 1 − 0,50
 En este caso el valor de 𝑂𝐷𝐷𝑆 𝑃𝑅𝐸𝑇 = 1 alteran la probabilidad en un grado insignificante
(y rara vez importante) esto basados en los criterios de interpretación de los 𝐶𝑃 (Carlos Ochoa
Sangrador, 2015).
• Cocientes de probabilidades post test (bajo el supuesto que el resultado de la prueba haya sido
positivo, considerando este como el evento de interés propuesto)

𝑂𝐷𝐷𝑆 𝑃𝑂𝑆𝑇 = 𝑂𝐷𝐷𝑆 𝑃𝑅𝐸𝑇 ∗ 𝐶𝑉 (+) = 1 ∗ 2,5 = 2,5

En este caso el valor de 𝑂𝐷𝐷𝑆 𝑃𝑂𝑆𝑇 = 2,5 generan cambios pequeños (pero en ocasiones
importantes) de la probabilidad postest.

De esta manera, la probabilidad postest (𝑃𝑅𝑂 𝑃𝑂𝑆𝑇) es igual a

𝑂𝐷𝐷𝑆 𝑃𝑂𝑆𝑇 2,5
𝑃𝑅𝑂 𝑃𝑂𝑆𝑇 = = = 0,71 (71%)
1 + 𝑂𝐷𝐷𝑆 𝑃𝑂𝑆𝑇 1 + 2,5
Es decir, si la probabilidad de prevalencia es del 50%, y el test sale positivo, la probabilidad de
que el paciente tenga diabetes de el 71%, note que este valor equivale a 𝑉𝑃𝑃.

• Cocientes de probabilidades post test (bajo el supuesto que el resultado de la prueba haya sido
negativo, considerando este como el evento de interés propuesto)

𝑂𝐷𝐷𝑆 𝑃𝑂𝑆𝑇 = 𝑂𝐷𝐷𝑆 𝑃𝑅𝐸𝑇 ∗ 𝐶𝑉 (−) = 1 ∗ 0,83 = 0,83

En este caso el valor de 𝑂𝐷𝐷𝑆 𝑃𝑂𝑆𝑇 = 0,83 generan cambios moderados desde la probabilidad
preprueba hasta la probabilidad postest. (RESPLAZAR LO QUE ESTA EN VERDA, ESTA
CONCLUSION ES LA CORRECTA)
De esta manera, la probabilidad postest es igual a
𝑂𝐷𝐷𝑆 𝑃𝑂𝑆𝑇 0,83
𝑃𝑅𝑂 𝑃𝑂𝑆𝑇 = = = 0,45 (45%)
1 + 𝑂𝐷𝐷𝑆 𝑃𝑂𝑆𝑇 1 + 0,83
Es decir, si la probabilidad de prevalencia es del 50%, y el test sale negativo, la probabilidad de
que el paciente tenga diabetes es del 45%, note que este valor equivale a la cantidad 1 − 𝑉𝑃𝑃.
Finalmente, el nomograma de fagan tiene la siguiente forma, donde la línea roja representa las
probabilidades bajo el supuesto que el resultado de la prueba haya sido positivo, y la línea verde
las probabilidades bajo el supuesto que el resultado de la prueba haya sido negativo.
EJEMPLO 2
En la Tabla 6, se presentan los datos obtenidos de un estudio del año 2001 (von Kummer R, et
al.), sobre la corresponden a la exactitud diagnóstica de la TC para diagnóstico de infarto cerebral,
en las primeras 6 horas luego de iniciado los síntomas, en el estudio ECASS II (European
Cooperative Acute Stroke Study II) y por el panel de reporte de la TC compuesto por tres
neurorradiólogos (CT reading panel), utilizaron como gold standard el seguimiento con TC a las
22-36 horas y a los 6-8 días de iniciado los síntomas. Mismo estudio expuesto como ejemplo al
principio de este documento (Tabla 4), ahora con datos modificados, una prevalencia menor de
la enfermedad y un tamaño muestral ligeramente menor.
Tabla 6

En efecto,

• Sensibilidad (𝑆) Intervalos de confianza del 95%

𝑎 289
𝑆= = = 0,638 (63,8%) 𝑆 ± 𝑍0.95 √
𝑆(1−𝑆)
= 0,638 ± 1,96√
0,638(1−0,638)
= (0,59 − 0,68)95%
𝑎+𝑐 453 𝑎+𝑐 453

(𝐼𝐶 95%: 59%, 68%)

• Especificidad (𝐸)
𝑑 273 𝐸(1−𝐸) 0,85(1−0,85)
𝐸= = = 0,85 (85%) 𝐸 ± 𝑍0.95 √ = 0,85 ± 1,96√ = (0,81 − 0,89)95%
𝑏 + 𝑑 321 𝑏+𝑑 321

(𝐼𝐶 95%: 81%, 89%)

• Valor predictivo positivo (𝑉𝑃𝑃)
𝑎 289 𝑉𝑃𝑃(1−𝑉𝑃𝑃) 0,858(1−0,858)
𝑉𝑃𝑃 = = = 0,858 (85,8%) 𝑉𝑃𝑃 ± 𝑍0.95 √ = 0,858 ± 1,96√ = (0,82 − 0,90)95%
𝑎 + 𝑏 337 𝑎+𝑏 337

(𝐼𝐶 95%: 82%, 90%)

• Valor predictivo negativo (𝑉𝑃𝑁)
𝑑 273 𝑉𝑃𝑁(1−𝑉𝑃𝑁) 0,625(1−0,625)
𝑉𝑃𝑁 = = = 0,625 (62,5%) 𝑉𝑃𝑁 ± 𝑍0.95 √ = 0,625 ± 1,96√ = (0,58 − 0,67)95%
𝑐+𝑑 437
𝑐 + 𝑑 437
(𝐼𝐶 95%: 58%, 67%)
• Coeficiente de verosimilitud positivo 𝐶𝑉 (+)

𝑆 0,638
𝐶𝑉 (+) = = = 4,3
1 − 𝐸 1 − 0,85
• Coeficiente de verosimilitud negativo 𝐶𝑉 (−)
1 − 𝑆 1 − 0,638
𝐶𝑉 (−) = = = 0,4
𝐸 0,85
Interpretación de resultados:
En la Tabla 6 se observa un registro total de 289 casos de infartos cerebrales, lo cual representa
un 37% del total de sujetos estudiados.

• Sensibilidad (o tasa de verdaderos positivos)

La probabilidad de que en los individuos tengan infarto cerebral y la TC resulte positiva, es
del 63,8% (𝐼𝐶 95%: 59%, 68%). Por tanto, la tasa de falsos negativos al realizar la prueba es
del 36,2%.

• Especificidad (o tasa de verdaderos negativos)

La probabilidad de que en los individuos no tengan infarto cerebral y la TC resulte negativa
es del 85% (𝐼𝐶 95%: 81%, 89%). Luego la tasa de falsos positivos es del 15%.

• Valor predictivo positivo (𝑉𝑃𝑃)

Con una prevalencia de 58,5%, el 𝑉𝑃𝑃 de la TC para infarto cerebral es de 85,8%

(𝐼𝐶 95%: 82%, 90%). Vale decir, la probabilidad de que el paciente tenga un infarto cerebral
dado que la TC fue positiva, en este escenario clínico, es de 85,8% mientras que en el ejemplo
4 (Tabla 4) es de 96,4%. Es decir al ser la prevalencia menor de la enfermedad y un tamaño
muestral ligeramente menor, el valor de la 𝑉𝑃𝑃 disminuye.

• Valor predictivo negativo (𝑉𝑃𝑁)

El 55% (𝐼𝐶 95%: 38%, 72%) de los pacientes con la prueba negativa no tienen realmente
diabetes, siendo esta la probabilidad de no ser diabético si el resultado de la prueba ha sido
negativo.

• Coeficiente de verosimilitud positivo 𝐶𝑉 (+)

Al obtener un 𝐶𝑉 (+) = 4,3 > 1, se infiere que la probabilidad post tests es más alta que la
pretest, es decir, que un resultado de la TC positivo es 4,3 veces más probable en un individuo
que ha sufrido un infarto cerebral que en uno no.

• Coeficiente de verosimilitud negativo 𝐶𝑉 (−)

Al obtener un 𝐶𝑉 (−) = 0,4 < 1, se concluye que la probabilidad post – tests baja en relación
con la pretests, es decir, el resultado negativo es 2,5 (1/0,4) veces más probable en un
individuo que no ha sufrido un infarto cerebral que en uno que no.
Nomograma de fagan
𝑎+𝑏 453
Considerando que la 𝑃𝑟𝑒𝑣𝑎𝑙𝑒𝑛𝑐𝑖𝑎 = = 774 = 0,585 , se tiene que 𝑃𝑅𝑂 𝑃𝑅𝐸𝑇 = 0,585.
𝑁

El siguiente paso es determinar los cocientes de probabilidades (𝐶𝑃) u 𝑂𝐷𝐷𝑆.

• Cocientes de probabilidades pretest

𝑃𝑅𝑂 𝑃𝑅𝐸𝑇 0,585
𝑂𝐷𝐷𝑆 𝑃𝑅𝐸𝑇 = = = 1,4
1 − 𝑃𝑅𝑂 𝑃𝑅𝐸𝑇 1 − 0,585

En este caso el valor de 𝑂𝐷𝐷𝑆 𝑃𝑅𝐸𝑇 = 1,4 alteran la probabilidad en un grado insignificante
(y rara vez importante).

• Cocientes de probabilidades post test (bajo el supuesto que el resultado de la TC haya sido
positiva, considerando este como el evento de interés propuesto)

𝑂𝐷𝐷𝑆 𝑃𝑂𝑆𝑇 = 𝑂𝐷𝐷𝑆 𝑃𝑅𝐸𝑇 ∗ 𝐶𝑉 (+) = 1,4 ∗ 4,3 = 6,02

En este caso el valor de 𝑂𝐷𝐷𝑆 𝑃𝑂𝑆𝑇 = 6,02 generan cambios moderados desde la probabilidad
preprueba hasta la probabilidad postest.

De esta manera, la probabilidad postest (𝑃𝑅𝑂 𝑃𝑂𝑆𝑇) es igual a

𝑂𝐷𝐷𝑆 𝑃𝑂𝑆𝑇 6,02
𝑃𝑅𝑂 𝑃𝑂𝑆𝑇 = = = 0,857 (85,8%)
1 + 𝑂𝐷𝐷𝑆 𝑃𝑂𝑆𝑇 1 + 6,02
Es decir, si la probabilidad de prevalencia es del 58,5%, y el test sale positivo, la probabilidad de
que el paciente tenga un infarto cerebral es del 85,8%.

• Cocientes de probabilidades post test (bajo el supuesto que el resultado de la prueba haya sido
negativo, considerando este como el evento de interés propuesto)

𝑂𝐷𝐷𝑆 𝑃𝑂𝑆𝑇 = 𝑂𝐷𝐷𝑆 𝑃𝑅𝐸𝑇 ∗ 𝐶𝑉 (−) = 1,4 ∗ 0,4 = 0,56

En este caso el valor de 𝑂𝐷𝐷𝑆 𝑃𝑂𝑆𝑇 = 0,56 generan cambios pequeños (pero en ocasiones
importantes) de la probabilidad postest.
De esta manera, la probabilidad postest es igual a
𝑂𝐷𝐷𝑆 𝑃𝑂𝑆𝑇 0,56
𝑃𝑅𝑂 𝑃𝑂𝑆𝑇 = = = 0,359 (35,9%)
1 + 𝑂𝐷𝐷𝑆 𝑃𝑂𝑆𝑇 1 + 0,56
Es decir, si la probabilidad de prevalencia es del 58,5%, y el test sale negativo, la probabilidad
de que el paciente tenga un infarto cerebral es del 35,9%.
Finalmente, el nomograma de fagan tiene la siguiente forma, donde la línea roja representa las
probabilidades bajo el supuesto que el resultado de la TC haya sido positivo, y la línea verde las
probabilidades bajo el supuesto que el resultado de la TC haya sido negativo.
BIBLIOGRAFIA :