Documento descargado de http://www.elsevier.es el 18/01/2016.

Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.

Radiología. 2015;57(S1):22---28

www.elsevier.es/rx

ARTÍCULO ESPECIAL

Lectura crítica de artículos de pruebas diagnósticas II:

análisis de resultados
G. Moratalla Rodríguez ∗

Centro de Salud Loreto-Puntales, Distrito Sanitario Bahía de Cádiz-La Janda, Cádiz, España

Recibido el 15 de mayo de 2014; aceptado el 5 de noviembre de 2014

Disponible en Internet el 30 de diciembre de 2014

PALABRAS CLAVE Resumen Una nueva prueba diagnóstica debe validarse, mediante su comparación con un
Diagnóstico; estándar de referencia en un espectro apropiado de pacientes.
Técnicas y Las pruebas diagnósticas no son absolutamente exactas, sino que pueden existir falsos posi-
procedimientos tivos y falsos negativos.
diagnósticos; Una buena prueba diagnóstica será la que ofrezca una aceptable proporción de resultados
Diagnóstico por positivos en personas enfermas y una aceptable proporción de resultados negativos en personas
Imagen; sanas.
Sensibilidad y La mejor medida de la utilidad de una prueba diagnóstica la constituyen los cocientes de
especificidad; probabilidad, que determinan cuánto más probable es el resultado de una prueba entre las
Valor predictivo personas enfermas que entre las sanas.
de las pruebas En el presente artículo se abordan las nociones estadísticas fundamentales para interpretar
los resultados de un artículo de pruebas diagnósticas, pero con un planteamiento orientado a la
clínica, dando prioridad a la comprensión de los conceptos frente a los elementos matemáticos.
© 2014 SERAM. Publicado por Elsevier España, S.L.U. Todos los derechos reservados.

KEYWORDS Critical reading of articles about diagnostic tests (Part II): Analyzing results
Diagnosis;
Diagnostic techniques Abstract A new diagnostic test needs to be validated through comparison with a reference
and procedures; standard in an appropriate spectrum of patients.
Diagnostic imaging; Diagnostic tests are not perfectly accurate; on the contrary, there can be false-positive and
Sensitivity false-negative findings.
and specificity; A good diagnostic test is that which provides an acceptable proportion of positive results
Predictive value when a determinate condition is present in patients and an acceptable proportion of negative
of tests results when it is absent.

∗ Autor para correspondencia.

Correo electrónico: morrogui@gmail.com

http://dx.doi.org/10.1016/j.rx.2014.11.004
0033-8338/© 2014 SERAM. Publicado por Elsevier España, S.L.U. Todos los derechos reservados.
Documento descargado de http://www.elsevier.es el 18/01/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.

Lectura crítica de artículos de pruebas diagnósticas II: análisis de resultados 23

The best measure of the usefulness of a diagnostic test is the likelihood ratio, which informs
us to what degree a particular result is more likely in a person in whom a condition is present
than in a person in whom the condition is absent.
The present article discusses the fundamental statistical concepts necessary to interpret the
results section of an article about a diagnostic test; however, the approach is clearly oriented
toward clinical practice, with emphasis on concepts rather than mathematics.
© 2014 SERAM. Published by Elsevier España, S.L.U. All rights reserved.

Introducción puede ser capaz de detectar nódulos de unas determinadas

características hay que contar con la probabilidad de que el
observador pueda interpretarlo erróneamente.
El diagnóstico es un proceso complejo, siempre basado en
Por seguridad entendemos la capacidad del test para
la incertidumbre. Esta incertidumbre se puede acotar por
predecir la presencia o ausencia de enfermedad. Se mide
medio de instrumentos estadísticos basados en la teoría de
mediante los valores predictivos (positivo y negativo).
la probabilidad1 . El proceso diagnóstico supone asignar a una
Es importante considerar otros aspectos como sencillez
persona o grupo una cierta probabilidad de tener una enfer-
de aplicación del test, aceptabilidad, seguridad y costes.
medad. Para conocer esa probabilidad es preciso obtener
En este artículo se revisan los conceptos estadísticos que
información. Esa información permite que aumente (confir-
se emplean en la evaluación de los resultados de un test
mar la enfermedad) o disminuya (descartar la enfermedad)
diagnóstico respecto a su precisión, validez y seguridad.
la probabilidad de asignar una etiqueta diagnóstica. La infor-
mación diagnóstica se puede obtener tanto de exploraciones
complementarias, como de síntomas o signos clínicos. Todas Algunas consideraciones sobre el proceso
estas fuentes de información pueden ser consideradas test de medición de los resultados de una prueba
diagnósticos y sometidas a evaluación1 . diagnóstica
Los test diagnósticos (o pruebas diagnósticas) no son
absolutamente exactos, y existen situaciones en que
En los estudios de evaluación de pruebas diagnósticas,
clasifican como enferma a una persona sana (falso positivo)
se compara dicha prueba con un estándar de referencia,
o bien como sana a una persona enferma (falso negativo)2 .
al que se presupone superior jerarquía. Dicha compara-
Existen diversos factores que afectan a los resultados de
ción ha de hacerse en unas condiciones de calidad en el
un test, por lo cual es necesario que una nueva prueba
proceso de medida tanto de la prueba diagnóstica como
diagnóstica sea validada. La mayoría de los estudios de
del estándar de referencia. Es importante considerar que
validez de test diagnósticos se realizan mediante la compa-
en el proceso de medición de la prueba diagnóstica o del
ración del test con otra prueba considerada un estándar de
estándar de referencia, pueden cometerse errores tanto de
referencia (gold standard).
precisión como de validez.
Un test es válido si detecta a la mayoría de las personas
La precisión se relaciona con la reproducibilidad o fiabili-
con la enfermedad, descarta a la mayoría de las personas
dad, es decir si las medidas son parecidas entre sí cuando se
sanas y sus resultados positivos indican una alta probabilidad
repiten un número determinado de veces. La validez tiene
de que la enfermedad esté presente2 . En otras palabras, un
relación con la exactitud, es decir en qué medida se parecen
buen test diagnóstico será el que ofrezca una aceptable pro-
los resultados de la prueba o el estándar de referencia a la
porción de resultados positivos en personas enfermas y una
realidad.
aceptable proporción de resultados negativos en personas
Aunque las condiciones en que se realizan las medidas de
sanas3 .
la prueba y el estándar de referencia son importantísimas
Las condiciones que se pueden exigir a un test diagnós-
en la calidad de los estudios sobre test diagnósticos, este
tico para valorar su utilidad son básicamente tres: validez,
artículo se centra en las medidas de comparación entre
precisión y seguridad3 .
ambos. Los aspectos a considerar serán la magnitud de los
Por validez se entiende la capacidad de un test para
resultados y su precisión, tras comprender los cuales se
medir lo que realmente debe medir. En este concepto esta-
podrá proceder a su correcta interpretación y aplicación.
rán incluidas la sensibilidad y la especificidad.
Por precisión, reproducibilidad o fiabilidad se entiende
la capacidad de un test para ofrecer los mismos resultados Primera medida de comparación: la fiabilidad,
cuando se repite su aplicación. En la precisión influyen facto- reproducibilidad o precisión de las medidas
res como la propia variabilidad biológica, las características
inherentes al propio test y la influencia del observador. La fiabilidad o precisión de una prueba viene determinada
En el diagnóstico radiológico es importante considerar el por la estabilidad de las mediciones cuando son repetidas
efecto del observador, pues aunque una radiografía de tórax en condiciones similares4 . Diversos factores influyen en la
Documento descargado de http://www.elsevier.es el 18/01/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
24
Tabla 1 Interpretación de los resultados del índice kappa
Índice kappa (k) Interpretación de la fuerza de la
concordancia
< 0,20 Pobre
0,21-0,40 Débil
0,41-0,60 Moderada
0,61-0,80 Buena
0,81-1 Muy buena
variabilidad de las mediciones, pero son de especial consi-
deración en el diagnóstico radiológico los relacionados con
las variaciones de interpretación de los observadores: en pri-
mer lugar consigo mismo (variabilidad intraobservador); en
segundo lugar con otros observadores (variabilidad interob-
servador).
La fiabilidad puede medirse con diversos estimadores:
para variables categóricas con los índices kappa y kappa pon-
derado (según sean nominales u ordinales) y para variables
continuas con el coeficiente de correlación intraclase4 .
El índice kappa es una medida de la concordancia entre
distintas mediciones, y se calcula comparando en una tabla
de n x n los resultados de las diferentes interpretaciones de
medida, entre un observador consigo mismo, o entre varios
observadores5 . A modo de orientación, se presenta en la
tabla 1 una lista de categorías para interpretación del índice
kappa.
El índice kappa es muy utilizado para el análisis de con-
cordancia pues evita los problemas de interpretación de los
simples porcentajes de concordancia respecto a los errores
de este en los datos marginales. También tiene sus proble-
mas de aplicabilidad, y sus detractores.
Como conclusión, es importante considerar que si un
estudio aporta información sobre la fiabilidad de las medi-
ciones en la prueba diagnóstica y en el estándar de
referencia, incorpora sólidos argumentos para aceptar que
sus resultados son válidos, al menos en el aspecto de la
precisión de los test diagnósticos analizados.
La comparación jerárquica entre prueba
diagnóstica y estándar de referencia
La situación más simple para comparar una prueba diagnós-
tica con su estándar es aquella que presupone resultados
dicotómicos (ambos test son positivos o negativos), y que
el estándar es la prueba más próxima a la «certeza» diag-
nóstica. Aunque esta situación raras veces se encuentra en
la práctica clínica (ciertas mediciones son «indeterminadas»
y no caben en la categoría ni de positivo ni de negativo) la
emplearemos por cuestiones didácticas, pues permite expli-
car el cálculo de los indicadores para medir la validez de una
prueba diagnóstica.
La tabla 2 explica los descriptores básicos1 y la relación
entre ellos. Para que estas medidas tengan validez, es nece-
sario (entre otras cosas) que las mediciones de la prueba
diagnóstica y su estándar se realicen de manera ciega, pues
la interpretación de una prueba puede verse influida si quien
realiza la medición conoce previamente el resultado de su
comparación.
G. Moratalla Rodríguez
Tabla 2 Medidas de comparación de una prueba diagnós-
tica con su estándar de referencia
Estándar de referencia
Enfermo (+) Sano (---)
Prueba Positiva VP FP Tp
diagnóstica
Negativa FN VN Tn
Te Ts P
FN: falso negativo; FP: falso positivo; P: población; Te: total de
enfermos; Tn: total de negativos; Tp: total de positivos; Ts: total
de sanos; VN: verdadero negativo; VP: verdadero positivo.
Cálculos verticales. Especificidad (Es) = VN/Ts; proporción de
falsos negativos (1-Se) = Fn/Te; proporción de falsos positivos
(1-Es) = FP/Ts; Sensibilidad (S) = VP/Te.
Cálculos horizontales. Valor predictivo positivo (VPP) = VP/Tp;
valor predictivo negativo (VPN) = VN/Tn; prevalencia (p) = Te/P.
Descriptores básicos
Para interpretar la tabla 2, se asume que el estándar de
referencia establece el diagnóstico. Comparando la prueba
con el estándar, observamos dos situaciones de coincidencia:
los verdaderos positivos (VP), o casos en que el resultado
positivo de la prueba y el estándar coinciden, y los verda-
deros negativos (VN). Cuando hay discordancia encontramos
casos de falsos positivos en los cuales el estándar es nega-
tivo y la prueba positiva, o falsos negativos (FN) en los que
el estándar es positivo y la prueba negativa3 .
Los VP son determinaciones «correctas» de la prueba y
los FN son determinaciones «incorrectas» de la prueba en la
población que tiene la enfermedad (casos clasificados por el
estándar como enfermos).
Los VN son determinaciones «correctas» de la prueba y
los FP son determinaciones «incorrectas» de la prueba en
la población que no tiene la enfermedad (casos clasificados
por el estándar como sanos).
Correcta e incorrecta es una forma de hablar, pues el
estándar de referencia perfecto no existe y sus mediciones
también están sometidas a error.
Cuando se compara una prueba con su estándar, se pue-
den estimar una serie de cálculos, aceptando que el estándar
define el diagnóstico de la enfermedad. Si dichos cálculos
se realizan desde el diagnóstico al resultado de la prueba,
se hacen en sentido vertical de la tabla. Si los cálculos se
realizan desde el resultado de la prueba al diagnóstico, se
hacen en sentido horizontal de la tabla. Los cálculos ver-
ticales informan de la validez de la prueba, y los cálculos
horizontales informan de la seguridad de la prueba.
Cálculos combinados verticales. Validez de la
prueba6
Siguiendo con la tabla 2, y leyendo en sentido vertical,
podemos estimar una serie de probabilidades de sucesos: la
probabilidad de que un caso se clasifique en cada una de las
cuatro casillas en relación al total de casos de su columna.
Dichas probabilidades se expresan como proporciones.
El primer cálculo que puede hacerse es la probabilidad
de que la prueba identifique a una persona como enferma
(prueba positiva) cuando realmente lo está (estándar
Documento descargado de http://www.elsevier.es el 18/01/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
Lectura crítica de artículos de pruebas diagnósticas II: análisis de resultados
positivo). Basta dividir los VP entre el total de personas con
la enfermedad (Te). Este índice se denomina proporción
de verdaderos positivos o sensibilidad (Se). Por tanto
Se = VP/Te. Su probabilidad complementaria sería la pro-
porción de falsos negativos (probabilidad de que la prueba
clasifique a una persona como sana cuando realmente tiene
la enfermedad). Por tanto 1-Se = FN/Te. Una prueba muy
sensible tendrá una alta probabilidad de verdaderos positi-
vos y una baja probabilidad de falsos negativos: una prueba
sensible, cuando es negativa descarta con una alta proba-
bilidad la presencia de enfermedad. Puede usarse la regla
nemotécnica en inglés SnNout: Sn sensitivity, N negative,
out. Es decir: una prueba sensible negativa descarta.
El segundo cálculo que puede hacerse es la probabi-
lidad de que la prueba identifique a una persona como
sana (prueba negativa) cuando realmente lo está (estándar
negativo). Basta dividir los VN entre el total de personas
sanas (Ts). Este índice se denomina proporción de verda-
deros negativos o especificidad (Es). Por tanto Es = VN/Ts.
Su probabilidad complementaria sería la proporción de fal-
sos positivos (probabilidad de que la prueba clasifique a una
persona como enferma cuando realmente está sana). Por
tanto 1-Es = FP/Ts. Una prueba muy específica tendrá una
alta probabilidad de verdaderos negativos y una baja proba-
bilidad de falsos positivos: una prueba específica, cuando es
positiva confirma con una alta probabilidad la presencia de
enfermedad. Puede usarse la regla nemotécnica en inglés
SpPin: Sp Specificity, P positive, in. Es decir: una prueba
específica positiva confirma.
Los cálculos verticales informan de las características de
una prueba diagnóstica suponiendo que conocemos previa-
mente si la persona tiene la enfermedad. Esta situación es
propia de la investigación, pero no suele ser común en la
práctica clínica.
Tanto sensibilidad como especificidad son proporciones
y por tanto se pueden calcular sus intervalos de confianza,
igual que para cualquier proporción. Es un criterio de calidad
de un estudio de validez de pruebas diagnósticas que aporte
los intervalos de confianza de sus mediciones.
Cálculos combinados horizontales. Seguridad de la
prueba
Leyendo la tabla 2 en sentido horizontal podemos calcular
también una serie de probabilidades: la probabilidad de que
un caso se clasifique en cada una de las cuatro casillas en
relación al total de casos de su fila.
El primer cálculo que podemos estimar es la probabilidad
de presentar la enfermedad cuando la prueba ha resul-
tado positiva. Se define intuitivamente como proporción de
enfermos entre los test positivos, y se denomina valor pre-
dictivo positivo (VPP). Por tanto VPP = VP/Tp.
El segundo cálculo que podemos estimar es la probabili-
dad de estar sano cuando la prueba ha resultado negativa.
Se define intuitivamente como proporción de sanos entre
los test negativos, y se denomina valor predictivo negativo
(VPN). Por tanto VPN = VN/Tn.
Al contrario que la sensibilidad y la especificidad, que
son características inherentes a la prueba, los cálculos
horizontales son índices guiados por el resultado de la
prueba, e informan sobre las consecuencias, en términos de
25
probabilidad, de una prueba positiva o negativa7 . Su gran
ventaja es que son aplicables clínicamente, pues se basan
en el proceder habitual, pero sus resultados son muy depen-
dientes de la prevalencia de la enfermedad. Ello hace que
los valores predictivos de una prueba evaluada en unas
condiciones determinadas no puedan ser aplicables, en la
práctica, a la misma prueba aplicada en otras condiciones
diferentes, y este es precisamente el gran problema de su
aplicabilidad.
En la tabla 3 se muestra un ejemplo que aclara la influen-
cia de la prevalencia en los valores predictivos. Podemos
observar cómo al disminuir la prevalencia del 50% (100/200)
al 0,99% (100/10100), permanecen casi inalterables sensibi-
lidad y especificidad, el VPP disminuye y el VPN aumenta.
Índices que permitan comparar pruebas
diagnósticas
Otra forma de describir el comportamiento de una prueba
diagnóstica es mediante el empleo de los cocientes de
probabilidad, que surgen de la necesidad de disponer de
índices que no dependan de la prevalencia de la enfer-
medad. Los cocientes de probabilidad (llamados también
likelihood ratios, razones de verosimilitud o razones de pro-
babilidad) permiten resolver el conflicto de la combinación
entre sensibilidad y especificidad1 .
El cociente de probabilidad, estima cuánto más probable
es el resultado de una prueba en las personas con enferme-
dad en relación a las personas sanas.
Existen dos tipos de cocientes de probabilidad, según los
resultados posibles de la prueba: cociente de probabilidad
positivo, y cociente de probabilidad negativo.
El cociente de probabilidad positivo (CP + ) estima cuánto
más probable es obtener un resultado positivo en sujetos
enfermos que en sujetos sanos. Si nos fijamos en la tabla 2,
vemos que la probabilidad de obtener un resultado positivo
en sujetos enfermos equivale a la proporción de verdaderos
positivos, es decir la sensibilidad (Se). La probabilidad de
obtener un resultado positivo en sujetos sanos equivale a la
proporción de falsos positivos, es decir el complementario
de la especificidad (1-Es). Por tanto (CP + ) = (Se)/(1-Es).
El cociente de probabilidad negativo (CP-) estima cuánto
más probable es obtener un resultado negativo en sujetos
enfermos que en sujetos sanos. La probabilidad de obtener
un resultado negativo en sujetos enfermos equivale a la pro-
porción de falsos negativos, es decir el complementario de
la sensibilidad (1-Se). La probabilidad de obtener un resul-
tado negativo en sujetos enfermos equivale a la proporción
de verdaderos negativos, es decir la especificidad (Es). Por
tanto (CP-) = (1-Se)/(Es).
Su interpretación es similar al riesgo relativo: los cocien-
tes de probabilidad adoptan valores entre 0 e infinito, siendo
uno el valor nulo (igualdad de probabilidad). Cuanto más se
eleve el CP por encima de uno más se incrementa la probabi-
lidad de diagnóstico; cuanto más disminuya el CP por debajo
de uno más disminuirá la probabilidad de diagnóstico4 . Pode-
mos interpretarlos de la siguiente manera:
• CP >10: incrementos amplios de la probabilidad diagnós-
tica.
• CP 5-10: incrementos moderados de la probabilidad diag-
nóstica.
Documento descargado de http://www.elsevier.es el 18/01/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.

26 G. Moratalla Rodríguez

Tabla 3 Ejemplo de la influencia de la prevalencia en los índices de comparación de una prueba diagnóstica con su estándar
de referencia
Característica evaluada

Presente (Prueba de referencia +) Ausente (Prueba de referencia ---)

Prueba diagnóstica + 80 30 110
Prueba diagnóstica --- 20 70 90
100 100 200
IC 95%
Sensibilidad 80,0% 71,1% a 86,7%
Especificidad 70,0% 60,4% a 78,1%
Valor predictivo positivo 72,7% 63,7% a 80,2%
Valor predictivo negativo 77,8% 68,2% a 85,1%

Característica evaluada

Presente (Prueba de referencia +) Ausente (Prueba de referencia ---)

Prueba diagnóstica + 80 3000 3080
Prueba diagnóstica --- 20 7000 7020
100 7000 10100
IC 95%
Sensibilidad 80,0% 71,1% a 86,7%
Especificidad 70,0% 69,1% a 70,9%
Valor predictivo positivo 2,6% 2,1% a 3,2%
Valor predictivo negativo 99,7% 99,6% a 99,8%

• CP 2-5: incrementos pequeños de la probabilidad diagnós-

tica.
• CP 1-2: incrementos insignificantes de la probabilidad
diagnóstica. Tabla 4 Ejemplo de la aplicación de los cocientes de pro-
• CP 1: sin cambios de la probabilidad diagnóstica. babilidad para conocer la probabilidad posprueba
• CP 0,5-1: descensos insignificantes de la probabilidad Sensibilidad 94,1% 87,0 a 97,5%
diagnóstica. Especificidad 87,5% 78,5 a 93,1%
• CP 0,2-0,5: descensos pequeños de la probabilidad diag- Valor predictivo 88,9% 80,7 a 93,9%
nóstica. positivo
• CP 0,1-0,2: descensos moderados de la probabilidad diag- Valor predictivo 93,3% 85,3 a 97,1%
nóstica. negativo
• CP < 0,1: descensos amplios de la probabilidad diagnós- Proporción de falsos 12,5% 6,9 a 21,5%
tica. positivos
Proporción de falsos 5,9% 2,5 a 13,0%
La principal ventaja de los cocientes de probabilidad, es negativos
que permiten calcular la probabilidad posprueba de tener CPP o LR(+) 7,53 4,21 a 13,48
la enfermedad, para un contexto en el que esta se presente CPN o LR(-) 0,07 0,03 a 0,16
con una prevalencia determinada. Conocidos los cocientes Cálculo de las probabilidades posprueba
de probabilidad de una prueba diagnóstica y la probabilidad (teorema de Bayes)
que tiene una persona de presentar una enfermedad antes
de aplicar dicha prueba (probabilidad preprueba), podemos Probabilidad 6,0%
conocer mediante cálculos estadísticos (aplicación del teo- preprueba estimada
rema de Bayes) en qué medida cambia la probabilidad de IC 95%
estar enfermo si en la prueba se obtienen resultados positi- Probabilidad 32,5% 23,7 a 42,7%
vos o negativos (según el cociente de probabilidad aplicado). posprueba positiva
En términos generales, el teorema de Bayes relaciona la pro- (PPPP)
babilidad de un suceso frente a otro: vincula la probabilidad 1 -PPPP 67,5% 57,3 a 76,3%
de un suceso A dado un suceso B con la probabilidad de B 1 - PPPN 99,6% 94,3 a 100,
dado A. Probabilidad 0,4% 0,0 a 5,7%
En la tabla 4 se pueden ver los cálculos bayesianos. Se posprueba negativa
parte de una prueba con unos cocientes de probabilidad (PPPN)
determinados, y la probabilidad preprueba estimada es del
6%. Si la prueba es positiva la probabilidad de padecer la
Documento descargado de http://www.elsevier.es el 18/01/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
Lectura crítica de artículos de pruebas diagnósticas II: análisis de resultados
enfermedad aumenta hasta más de un 30%. En cambio si la
prueba es negativa, la probabilidad de estar enfermo dismi-
nuye a menos del 0,5%. Se omitirán los cálculos estadísticos,
pues en la actualidad pueden emplearse calculadoras que
facilitan al clínico el proceso matemático.
Apliquemos un ejemplo. La decisión clínica consiste en
considerar la indicación de una angio-TC pulmonar para el
diagnóstico de tromboembolismo pulmonar. Dicha prueba
tiene una sensibilidad de 83% y una especificidad de 96%,
con unos cocientes de probabilidad CP+ 20,74 y CP- 0,17
respectivamente8 . Se atiende a un paciente que presenta un
edema y enrojecimiento de toda la pierna izquierda, episo-
dio de disnea y dolor torácico, tiene taquipnea con sat O2
98% y en la radiografía de tórax se aprecia un derrame pleu-
ral mínimo. Estimaríamos que la probabilidad de tener un
tromboembolismo pulmonar, antes de hacer la prueba sería
del 90%. Aplicando los CP de la angio-TC pulmonar la proba-
bilidad posprueba, en caso de ser positiva se incrementaría
al 99%. Si el resultado fuera negativo la probablidad de tener
un tromboembolismo se reduciría al 59%. En este caso, en
que la clínica aporta información favorable a una alta pro-
babilidad preprueba a favor del diagnóstico el rendimiento
de hacer una prueba más podría ser discutible.
Si el caso fuera un contexto de muy baja probabilidad
preprueba (pongamos el 1%) la probabilidad de tener un
tromboembolismo en caso de hacer una angio-TC con resul-
tado positivo aumentaría al 18%, y se reduciría al 0,1% en
caso de resultado negativo. Hacer la prueba en estas condi-
ciones aporta un valor añadido también discutible.
Supongamos que atendemos a un paciente que tiene
edema en toda la pierna, con empastamiento, se queja de
accesos de tos, y la radiología es normal. Estimamos que su
probabilidad de tener un tromboembolismo pulmonar es del
50%. Si la angio-TC fuese positiva la probabilidad del diag-
nóstico de tromboembolismo se incrementa al 95%, mientras
que si fuese negativa se reduce al 15%. En condiciones de
mayor incertidumbre previa, hacer una prueba con buenos
cocientes de probabilidad ofrece un rendimiento mayor.
Otras ventajas de los cocientes de probabilidad son: per-
miten comparar pruebas entre sí o evaluar test secuenciales,
son intuitivos de interpretar, y evitan el cálculo de los valo-
res predictivos. Entre sus desventajas están la ausencia de
linealidad, y la necesidad de convertir las probabilidades en
odds en el cálculo de la probabilidad posprueba9 .
En los estudios que evalúan pruebas diagnósticas, los
cocientes de probabilidad se obtienen a partir de medi-
das en una muestra de una población, por lo cual siempre
tienen que acompañarse del correspondiente intervalo de
confianza.
Pruebas diagnósticas con resultados múltiples
o continuos. Curvas ROC
Hasta el momento hemos analizado escenarios en que la
prueba diagnóstica solamente podría tener dos resultados:
positivo/negativo. Un ejemplo típico de esto sería el cultivo
de una muestra biológica.
Existen muchas pruebas que se miden con una variable
ordinal, o con una variable continua. Un ejemplo sería el
nivel de glucemia para diagnosticar la diabetes mellitus.
27
Tipos de curvas ROC
1
0,8
Buena
Sensibilidad
0,6 Mala
Regular
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
1-Especificidad
Figura 1 Ejemplo de construcción de curvas ROC. Tomada de:
Hrc.es (2014). Curvas ROC [online] [consultado 27 Abr 2014].
Disponible en: http://www.hrc.es/bioest/roc 1.html.
La primera decisión que se podría adoptar es definir un
punto de corte, o umbral de diagnóstico entre todos los valo-
res posibles de la variable, pero suele ser una decisión difícil
de tomar en la práctica pues no existe un punto de corte
que discrimine perfectamente a los sujetos enfermos de los
sanos. Más bien al contrario, lo que suele ocurrir es un sola-
pamiento de los resultados de las pruebas diagnósticas en
las poblaciones enferma y sana. En el ejemplo anterior, una
persona podría estar sana con una glucemia basal de 128, y
otra podría tener diabetes con una glucemia de 124.
Así, las características intrínsecas de la prueba (sensibi-
lidad y especificidad) van a variar según donde se determine
el punto de corte. En nuestro ejemplo, un punto de corte
demasiado alto asegura una alta especificidad a costa de una
baja sensibilidad (confirma la enfermedad si la prueba es
positiva, pero no descarta la enfermedad si la prueba
es negativa). Al contrario un punto de corte demasiado bajo
asegura una alta sensibilidad, pero a costa de una baja espe-
cificidad (descarta la enfermedad si la prueba es negativa,
pero no confirma la enfermedad si la prueba es positiva).
De todo ello se deduce, intuitivamente, que el punto de
corte ideal será el que determine el mejor equilibrio entre
sensibilidad y especificidad.
Para determinar la relación entre la sensibilidad y especi-
ficidad de una prueba, en función del umbral de diagnóstico
o punto de corte, se construyen las llamadas curvas ROC
(Receiving Operating Characteristics). En ellas se represen-
tan en el eje «y» los valores de la sensibilidad (Se) para
cada punto de corte, y en el eje «x» los valores del comple-
mentario de la especificidad o proporción de falsos positivos
(1-Es)10 .
En la figura 1 se expone un ejemplo de construcción de
curvas ROC. La prueba perfecta sería aquella que tuviese
un punto de corte que se aproximase al 100% de Se y al
0% de proporción de falsos positivos (1-Es). En la figura
puede comprobarse que las curvas ROC de una buena prueba
diagnóstica son aquellas cuyo vértice se aproxima al ángulo
superior izquierdo del eje de coordenadas (máxima sensibi-
lidad y especificidad). Una prueba inútil sería aquella cuya
curva ROC fuese la diagonal, pues en todos los puntos de
Documento descargado de http://www.elsevier.es el 18/01/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
28
corte coincidirían la Se (proporción de verdaderos positivos)
con 1-Es (proporción de falsos positivos).
Conclusiones: puntos clave para analizar los
resultados de un artículo de pruebas
diagnósticas
• Un artículo de evaluación de pruebas diagnósticas debe
proporcionar información respecto a validez, fiabilidad y
seguridad.
• La validez se mide con los cálculos de sensibilidad y espe-
cificidad, que deben mostrarse en los resultados o, al
menos, aportar información que permita su cálculo.
• Es importante que aporten información sobre la fiabilidad,
en especial si en la prueba intervienen observadores. La
fiabilidad se mide en la mayoría de los casos mediante
análisis de concordancia con el índice kappa.
• La seguridad se mide con el cálculo de los valores pre-
dictivos, aunque estos en la práctica tienen un valor muy
limitado por ser influidos de manera importante por la
prevalencia de la enfermedad.
• Un estudio debe proporcionar información que permita
el cálculo de los cocientes de probabilidad. Si la prueba
tiene varios niveles o puntos de corte, se deben poder cal-
cular los cocientes de probabilidades correspondientes.
• Si la prueba diagnóstica permite obtener resultados múl-
tiples o continuos, debe evaluarse mediante curvas ROC.
• Para informar de la precisión de los resultados todos los
cálculos deben incorporar el intervalo de confianza.
En este artículo se ha obviado, en la medida de lo posible,
describir las fórmulas para los cálculos estadísticos. Existen
calculadoras disponibles en la web que permiten realizar
todos los cálculos relacionados con las pruebas diagnósticas.
En la página web de CASPe puede descargarse una de ellas:
http://redcaspe.org/drupal/?q=node/3011 .
Pueden encontrarse otros ejemplos en la literatura cien-
tífica de radiología, así como referencias de interés para el
radiólogo que desee profundizar en el campo de los estudios
de pruebas diagnósticas12 .
Responsabilidades éticas
Protección de personas y animales. Los autores declaran
que para esta investigación no se han realizado experimen-
tos en seres humanos ni en animales.
G. Moratalla Rodríguez
Confidencialidad de los datos. Los autores declaran que en
este artículo no aparecen datos de pacientes.
Derecho a la privacidad y consentimiento informado. Los
autores declaran que en este artículo no aparecen datos de
pacientes.
Conflicto de intereses
El autor declara no tener ningún conflicto de intereses.
Bibliografía
1. Cabello López JB, Pozo Rodríguez F. Estudios de evaluación
de las pruebas diagnósticas en cardiología. Rev Esp Cardiol.
1997;50:507---19.
2. Greenhalgh T. Papers that reports diagnostic or screening test.
BMJ. 1997;315:540---3.
3. Pita Fernández S, Pértegas Díaz S. Pruebas diagnósticas:
sensibilidad y especificidad. Cad Aten Primaria. 2003;10:
120---4.
4. Sangrador CO, Orejas G. Epidemiología y metodología científica
aplicada a la pediatría (IV): Pruebas diagnósticas. An Esp Pediat.
1999;50(Iv):301---14.
5. López A, Galparsoro DU, Fernández P. Medidas de concor-
dancia: el índice de Kappa. Cad Aten Primaria. 1996;6:
169---71.
6. Altman DG, Bland JM. Statistics notes diagnostic tests 1: sensi-
tivity and specificity. BMJ. 1994;308:1552.
7. Altman DG, Bland JM. Statistics notes diagnostic tests 2: pre-
dictive values. BMJ. 1994;309:102.
8. Stein PD, Fowler SE, Goodman LR, Gottschalk A, Hales CA, Hull
RD, et al. Multidetector computed tomography for acute pul-
monary embolism. N Engl J Med. 2006;354:2317---27.
9. Dujardin B, Van den Ende J, Van Gompel A, Unger JP, Van der
Stuyft P. Likelihood ratios: a real improvement for clinical deci-
sion making? Eur J Epidemiol. 1994;10:29---36.
10. López de Ullibarri Galparsoro I, Píta Fernández S. Curvas ROC.
Cad Aten Primaria. 1998;5:229---35.
11. Critical Appraisal Skills Programme Español (CASPe) [actuali-
zado 26 Feb 2012; consultado 7 May 2014]. Disponible en.
http://www.redcaspe.org. Actualizado 10 de julio de 2014.
12. Busel M, Silva F. Radiología basada en la evidencia: estrategia
conceptual focalizada para la práctica de la imagenología. Rev
Chil Radiol. 2004;10:109---17.