pruebas diagnosticas.xls

27
VALORACIÓN DE PRUEBAS DIAGNÓSTICAS Versión 28-6-2003 Conceptos sobre los índices utilizados en las pruebas diagnósticas Pruebas con resultado dicotómico (S, E, VPP, VPN, LR(+), LR(-), probabilidad post-prueba, umbrales) Pruebas de hasta 5 niveles o resultados. Prueba diferencial con 3 niveles de 3 características Análisis de umbrales de probabilidad Aplicaciones del teorema de Bayes: cálculo de la probabilidad post-prueba conociendo S, E y LR S y E de 2 pruebas simultáneas o secuenciales. Probabilidad tras pruebas secuenciales Preguntas para dar sentido a un artículo sobre pruebas diagnósticas (CASPe) J. Primo - Unidad de Digestivo, Hospital de Sagunto [email protected] Concordancia de pruebas diagnósticas (índice kappa e índice kappa ponderado) Conceptos Tabla 2x2 Varios niveles Umbrales Bayes Múltiples Kappa Preguntas

Upload: claudiakldron

Post on 26-Dec-2015

19 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: Pruebas diagnosticas.xls

VALORACIÓN DE PRUEBAS DIAGNÓSTICAS Versión 28-6-2003

Conceptos sobre los índices utilizados en las pruebas diagnósticas

Pruebas con resultado dicotómico (S, E, VPP, VPN, LR(+), LR(-), probabilidad post-prueba, umbrales)

Pruebas de hasta 5 niveles o resultados. Prueba diferencial con 3 niveles de 3 características

Análisis de umbrales de probabilidad

Aplicaciones del teorema de Bayes: cálculo de la probabilidad post-prueba conociendo S, E y LR

S y E de 2 pruebas simultáneas o secuenciales. Probabilidad tras pruebas secuenciales

Preguntas para dar sentido a un artículo sobre pruebas diagnósticas (CASPe)

J. Primo - Unidad de Digestivo, Hospital de Sagunto [email protected]

Concordancia de pruebas diagnósticas (índice kappa e índice kappa ponderado)

Conceptos

Tabla 2x2

Varios niveles

Umbrales

Bayes

Múltiples

Kappa

Preguntas

Page 2: Pruebas diagnosticas.xls

VALORACIÓN DE PRUEBAS DIAGNÓSTICAS

CARACTERÍSTICA EVALUADA CARACTERÍSTICA EVALUADA

PRESENTE AUSENTE

(PRUEBA DE REFERENCIA +) (PRUEBA DE REFERENCIA -)

PRUEBA DIAGNÓSTICA + Verdaderos Positivos (VP) Falsos Positivos (FP)

PRUEBA DIAGNÓSTICA - Falsos Negativos (FN) Verdaderos Negativos (VN)

(SENSITIVITY)

Es una característica intrínseca de la prueba, no viéndose afectada por la prevalencia.

(SPECIFICITY)

para identificar a los pacientes sin la característica (las pruebas "patognomónicas" son muy específicas).Al igual que la sensibilidad, es una característica intrínseca de la prueba que no se afecta por la prevalencia.

(PREDICTIVE VALUE OF A POSITIVE TEST)

disminuye la prevalencia de la característica en la población objeto de estudio. En situaciones de alta prevalencia, enlas que se incrementa el VPP, éste será más útil para confirmar un diagnóstico de lo que el VPN para descartarlo.

(PREDICTIVE VALUE OF A NEGATIVE TEST)

disminuye la prevalencia de la característica en la población objeto de estudio. En situaciones de baja prevalencia, enlas que se incrementa el VPN, éste ayuda más a descartar una enfermedad que el VPP a confirmarla.

En la práctica clínica, los valores predictivos, positivo y negativo, tienen un valor limitado debido a que dependen dela prevalencia de la característica en los individuos a los que se les aplica la prueba. Por ello, los valores predictivosobservados en un determinado estudio no pueden aplicarse de forma generalizada. Para cualquier prevalencia

SENSIBILIDAD = VP / (VP+FN)

Proporción de individuos con la característica que presentan un resultado positivo. Es la probabilidad (P) de que laprueba sea positiva (T+) entre los individuos que presentan la característica (E+). Indica la utilidad de la prueba paraidentificar a los pacientes con la característica (las pruebas de screening han de ser muy sensibles).

SnNout ® cuando una prueba es muy Sensible, un resultado Negativo hace que el diagnóstico sea poco probable(rules out).

ESPECIFICIDAD = VN / (FP+VN)

Proporción de individuos sin la característica que presentan un resultado negativo. Es la probabilidad (P) de que laprueba sea negativa (T-) entre los individuos que no presentan la característica (E-). Indica la utilidad de la prueba

SpPin ® cuando una prueba es muy eSpecífica, un resultado Positivo hace que el diagnóstico sea muy probable(rules in).

VALOR PREDICTIVO DE UN RESULTADO POSITIVO = VP / (VP+FP)

Probabilidad (P) de que un paciente tenga la característica (E+) si la prueba resulta positiva (T+). Se reduce conforme

VALOR PREDICTIVO DE UN RESULTADO NEGATIVO = VN / (FN+VN)

Probabilidad (P) de que un paciente no tenga la característica (E-) si la prueba resulta negativa (T-). Aumenta conforme

pueden calcularse (Altman DG, Bland JM. Statistics notes - Diagnostic tests 2: predictive values. BMJ 1994;309;102) así:

PROPORCIÓN DE FALSOS POSITIVOS = FP / (FP+VN) = 1-Especificidad

VPP=P (E+|T +)

S=P (T+|E+)

E=P(T−|E−)

VPN=P (E−|T−)

)( ETPPFP

VPN=Especificidad×(1−Pr evalencia )

(1−Sensibilidad )×Pr evalencia+Especificidad×(1−Pr evalencia )

VPP=Sensibilidad×Pr evalencia

Sensibilidad×Pr evalencia+(1−Especificidad )×(1−Pr evalencia )

Page 3: Pruebas diagnosticas.xls

(FALSE POSITIVE RATE)

(FALSE NEGATIVE RATE)

(ACCURACY)

Probabilidad de que la prueba clasifique correctamente a los pacientes.

Cuanto más se aproxima a 1, mayor es la calidad del resultado obtenido al realizar la prueba a un paciente.

COCIENTE DE PROBABILIDAD O RAZÓN DE VEROSIMILITUD(LIKELIHOOD RATIO)

El cociente de probabilidad reune en un único estimador a la sensibilidad y a la especificidad, constituyendo unamedida global del poder discriminante de la prueba diagnóstica y no variando con la prevalencia.

Tiene un significado parecido al del riesgo relativo, indicando cuántas veces aumenta la probabilidad de encontrar

significativamente diferente de 1), ya que no discrimina entre los pacientes que tienen la característica y los que no la

Cociente de probabilidad de un resultado positivo Cociente de probabilidad de un resultado negativo

Probabilidad (P) de que la prueba sea positiva (T+) entre los pacientes que no tienen la característica (E-).

PROPORCIÓN DE FALSOS NEGATIVOS = FN / (VP+FN) = 1-Sensibilidad

Probabilidad (P) de que la prueba sea negativa (T-) entre los pacientes que tienen la característica (E+).

EXACTITUD = (VP+VN) / (VP+FP+FN+VN)

ÍNDICE J DE YOUDEN (SEGURIDAD DIAGNÓSTICA) = Sensibilidad+Especificidad-1

El cociente de probabilidad de un resultado x de la prueba, LR(x), es el cociente entre la probabilidad (P) de un resultado x (Tx) en los pacientes que tienen la característica (E+) y la probabilidad (P) de un resultado x (Tx) en lospacientes que no la tienen (E-):

un resultado x de la prueba (Tx) en un paciente que tenga la característica (E+) que en uno que no la tenga (E-).Una prueba diagnóstica es inútil si LR=1 (si su IC 95% incluye el 1 indica que el cociente de probabilidad no es

tienen. La prueba es mejor, más útil, discrimina más, cuanto más difiere de 1 la LR. LR >1 indica un incremento de laprobabilidad de que la característica esté presente, mientras que LR<1 indica un descenso de la misma.

LR >10 ® incrementos amplios

LR 5-10 ® incrementos moderados

LR 2-5 ® incrementos pequeños

LR 1-2 ® incrementos insignificantes

LR=1 ® no generan cambios

LR 0,5-1 ® descensos insignificantes

LR 0,2-0,5 ® descensos pequeños

LR 0,1-0,2 ® descensos moderados

LR <0,1 ® descensos amplios

Las pruebas diagnósticas con resultado dicotómico (positivo y negativo) tienen dos cocientes de probabilidad:

El cociente de probabilidad de un resultado positivo, LR(+), indica cuántas veces aumenta la probabilidad deencontrar un resultado positivo en un paciente que tenga la característica, P(T+|E+), que en uno que no la tenga, P(T+|E-), constituyendo un indicador óptimo para confirmar la característica (SpPin).

El cociente de probabilidad de un resultado negativo, LR(-), indica cuántas veces aumenta la probabilidad de

)( ETPPFP

PFN=P (T−|E+)

LR(+)=P(T+|E+)P (T+|E−)

= Sensibilidad(1−Especificidad )

LR(−)=P(T−|E+)P(T−|E−)

=(1−Sensibilidad )

Especificidad

LR( x )=P(Tx|E+)P (Tx|E−)

Page 4: Pruebas diagnosticas.xls

de probabilidad, uno por cada nivel, que se calculan aplicando la fórmula general.

prueba y conocer e interpretar su resultado. La probabilidad pre-prueba es una estimación del grado de verosimilitud(probabilidad) de un determinado diagnóstico que el clínico establece ante un paciente, en base a la información deque dispone en el momento en que solicita la prueba (experiencia clínica, bases de datos, etc.).

Un cociente de probabilidad mayor de 1 genera unaprobabilidad post-prueba mayor que la probabilidadpre-prueba, mientras que un cociente de probabilidadmenor de 1 genera una probabilidad post-prueba menorque la probabilidad pre-prueba. Como es lógico, la ganancia de información obtenida tras aplicar una prueba

probabilidad pre-prueba estimada. Una prueba diagnóstica será más útil cuanto más cambie la probabilidad estimada de la sospecha diagnóstica. Cuando la

(>10) establece una probabilidad post-prueba muy elevadaque permite confirmar el diagnóstico. Por el contrario, una

de que el paciente tenga ese diagnóstico.

CÁLCULO DE LA PROBABILIDAD POST-PRUEBA

¯

¯

probabilidad post-prueba a partir de la probabilidad pre-prueba y el cociente de probabilidad.

En el caso de pruebas diagnósticas con resultado dicotómico (positivo o negativo), cuando la probabilidad pre-prueba(prevalencia) estimada es la misma que la del estudio evaluado, la probabilidad post-prueba de un resultado positivocoincide con el valor predictivo positivo de ese estudio, y el complementario de la probabilidad post-prueba de un resultado negativo coincide con el valor predictivo negativo de ese estudio.

En caso de varias pruebas diagnósticas realizadas de forma secuencial (la segunda después de conocer el resultado

la siguiente.

encontrar un resultado negativo en un paciente que tenga la característica, P(T-|E+), que en uno que no la tenga, P(T-|E-), constituyendo un indicador óptimo para descartar la característica (SnNout).

Las pruebas diagnósticas cuyo resultado puede presentar más de dos categorías o niveles tienen varios cocientes

La mayor utilidad de los cocientes de probabilidad es que permiten calcular, por el teorema de Bayes, la probabilidadpost-prueba, es decir, la probabilidad estimada de que un individuo tenga la característica después de realizar la

diagnóstica, además de su LR, va a depender de la

probabilidad pre-prueba es del 30-70%, una LR muy alta

LR muy baja (<0,1) prácticamente descarta la posibilidad

También puede calcularse así:

El nomograma de Fagan (Fagan TJ. Nomogram por Baye's

theorem. N Engl J Med 1975;293:257) facilita el cálculo de la

de la primera, y así sucesivamente), la odds obtenida después de cada prueba se convierte en la odds pre-prueba de

Odds y probabilidad

Odds pre-prueba=Probabilidad pre-prueba(1-Probabilidad pre-prueba )

Odds post-prueba=Odds pre-prueba × LR

P post-prueba =Odds post-prueba

(Odds post-prueba + 1)

P post-prueba =P pre ×LR

(P pre ×LR)+1- P pre

Page 5: Pruebas diagnosticas.xls

Consideremos un grupo de 100 pacientes, 20 de los cuales presentan una determinada característica.

Ejemplo

Anemia ferropénica No anemia ferropénica<65 (+) 731 270

78 1500Total 809 1770

Probabilidad pre-prueba estimada: 30%

Probabilidad post-prueba con resultado (+) = 2,58 / (2,58+1) = 2,58 / 3,58 = 0,72 = 72%

Probabilidad post-prueba con resultado (-) = 0,05 / (0,05+1) = 0,05 / 1,05 = 0,05 = 5%

Anemia ferropénica No anemia ferropénica<15 (1) 474 20

15-34 (2) 175 7935-64 (3) 82 17165-94 (4) 30 168>94 (5) 48 1332Total 809 1770

Probabilidad pre-prueba estimada: 30%

Probabilidad post-prueba con resultado (1) = 25,37 / (25,37+1) = 25,37 / 26,37 = 0,96 = 96%

Probabilidad post-prueba con resultado (2) = 2,37 / (2,37+1) = 2,37 / 3,37 = 0,70 = 70%

Probabilidad post-prueba con resultado (3) = 0,43 / (0,43+1) = 0,43 / 1,43 = 0,30 = 30%

Probabilidad post-prueba con resultado (4) = 0,17 / (0,17+1) = 0,17 / 1,17 = 0,15 = 15%

Probabilidad post-prueba con resultado (5) = 0,03 / (0,03+1) = 0,03 / 1,03 = 0,03 = 3%

Ejemplo

Odds = 20:80 = 2:8 = 1:4 = 0,25Probabilidad = 20/(20+80) = 20/100 = 0,20 = 20%

Odds a:b ® Probabilidad = a / (a+b)

Probabilidad x% ® Odds = x : (100-x)

Ferritina (mmol/l)

³65 (-)

LR(+) = (731 / 809) / (270 / 1770) = 0,90 / 0,15 = 6LR(-) = (78 / 809) / (1500 / 1770) = 0,10 / 0,85 = 0,12

Odds pre-prueba = 30:(100-30) = 30:70 = 3:7 = 0,43

Odds post-prueba con resultado (+) = 0,43 x 6 = 2,58

Odds post-prueba con resultado (-) = 0,43 x 0,12 = 0,05

Ferritina (mmol/l)

LR(1) = (474 / 809) / (20 / 1770) = 0,59 / 0,01 = 59LR(2) = (175 / 809) / (79 / 1770) = 0,22 / 0,04 = 5,5LR(3) = (82 / 809) / (171 / 1770) = 0,10 / 0,10 = 1LR(4) = (30 / 809) / (168 / 1770) = 0,04 / 0,10 = 0,4LR(5) = (48 / 809) / (1332 / 1770) = 0,06 / 0,75 = 0,08

Odds pre-prueba = 30:(100-30) = 30:70 = 3:7 = 0,43

Odds post-prueba con resultado (1) = 0,43 x 59 = 25,37

Odds post-prueba con resultado (2) = 0,43 x 5,5 = 2,37

Odds post-prueba con resultado (3) = 0,43 x 1 = 0,43

Odds post-prueba con resultado (4) = 0,43 x 0,4 = 0,17

Odds post-prueba con resultado (5) = 0,43 x 0,08 = 0,03

Page 6: Pruebas diagnosticas.xls

Sensibilidad = 42 / (42+3) = 93%

Especificidad = 32 / (96+32) = 25%

Valor predictivo positivo = 42 / (42+96) = 30%

Valor predictivo negativo = 32 / (3+32) = 91%

Proporción de falsos positivos = 96 / (96+32) = 75% ó 100-25 = 75% (1-Especificidad)

Proporción de falsos negativos = 3 / (42+3) = 7% ó 100-93 = 7% (1-Sensibilidad)

Cociente de probabilidad de una prueba positiva = 93 / (100-25) = 1,24

Cociente de probabilidad de una prueba negativa = (100-93) / 25 = 0,28

Probabilidad post-test positivo (PPTP)

PPTP = 0,83 / (0,83+1) = 0,45 ó PPTP = (0,4x1,24) / [(0,4x1,24)+1-0,4] = 0,45 = 45%

Probabilidad post-test negativo (PPTN)

PPTN = 0,18 / (0,18+1) = 0,15 ó PPTN = (0,4x0,28) / [(0,4x0,28)+1-0,4) = 0,15 = 15%

J. Primo - Unidad de Digestivo, Hospital de Sagunto [email protected]

® El 93% de los pacientes con TEP tienen dímero-D >500.

® El 25% de los pacientes sin TEP tienen dímero-D <500.

® El 30% de los pacientes con dímero-D >500 tienen TEP (con una prevalencia de TEP en el estudio del 26%).

® El 91% de los pacientes con dímero-D <500 no tienen TEP (con una prevalencia de TEP en el estudio del 26%).

® El 75% de los pacientes sin TEP tienen dímero-D >500.

® El 7% de los pacientes con TEP tienen dímero-D <500.

® Unos niveles de dímero-D >500 aumentan 1,24 veces la probabilidad de que el paciente tenga TEP.

® Unos niveles de dímero-D <500 disminuye 0,28 veces la probabilidad de que el paciente tenga TEP.

Supuesto: la probabilidad estimada de que un paciente tenga TEP es de un 40% (0,4).

Odds pre-test = 0,4 / (1-0,4) = 0,4 / 0,6 = 0,67Odds post-test = 0,67x1,24 = 0,83

® Si dímero-D es >500 la probabilidad de que tenga TEP es del 45%.

1-PPTP = 1-0,45 = 0,55 = 55%

® Si dímero-D es >500 la probabilidad de que no tenga TEP es del 55%.

Odds pre-test = 0,4 / (1-0,4) = 0,4 / 0,6 = 0,67Odds post-test = 0,67x0,28 = 0,18

® Si dímero-D es <500 la probabilidad de que tenga TEP es del 15%.

1-PPTN = 1-0,15 = 0,85 = 85%

® Si dímero-D es <500 la probabilidad de que no tenga TEP es del 85%.

Page 7: Pruebas diagnosticas.xls

ganancia de información obtenida tras aplicar una prueba

probabilidad pre-prueba estimada. Una prueba diagnóstica

(>10) establece una probabilidad post-prueba muy elevadaque permite confirmar el diagnóstico. Por el contrario, una

probabilidad pre-prueba es del 30-70%, una LR muy alta

LR muy baja (<0,1) prácticamente descarta la posibilidad

El nomograma de Fagan (Fagan TJ. Nomogram por Baye's

Page 8: Pruebas diagnosticas.xls

PRUEBAS CON RESULTADO DICOTÓMICO CARACTERÍSTICA EVALUADA

PRESENTE AUSENTE

(Prueba de referencia +) (Prueba de referencia -)

PRUEBA DIAGNÓSTICA +

PRUEBA DIAGNÓSTICA -

IC 95%Sensibilidad

Especificidad

Valor predictivo positivo

Valor predictivo negativo

Proporción de falsos positivos

Proporción de falsos negativos

Exactitud

Índice J de Youden

CPP o LR(+) Taylor

Miettinen

CPN o LR(-) Taylor

Miettinen

Probabilidad pre-prueba (Prevalencia)

CÁLCULO DE LAS PROBABILIDADES POST-PRUEBA (Teorema de Bayes)

Probabilidad pre-prueba estimada

IC 95%Probabilidad post-prueba positiva (PPPP)

1 - PPPP

1 - PPPN

Probabilidad post-prueba negativa (PPPN)

UMBRAL DE TRATAMIENTO Y PROBABILIDAD POST-PRUEBAUmbral estimado de tratamiento

100.0%

0.0%

0.0%

1-Probabilidad post-prueba positiva. 2-Umbral de tratamiento. 3-Probabilidad post-prueba negativa

Probabilidad pre-prueba Sensibilidad Especificidad

Riesgo del tratamiento inapropiado

Riesgo de la prueba diagnóstica

Beneficio del tratamiento apropiado

Umbral diagnóstico

Umbral terapéutico

J. Primo - Unidad de Digestivo, Hospital de Sagunto [email protected]

Odds ratio diagnóstica

ANÁLISIS DE UMBRALES DE PROBABILIDAD (Rodríguez Artalejo F, et al. Med Clin (Barc) 1990;94:348-354)

1 2 30%

20%

40%

60%

80%

100%

C5
Verdaderos Positivos (VP) Nº de pacientes con la característica (prueba de referencia positiva) que presentan un resultado positivo en la prueba diagnóstica evaluada.
D5
Falsos Positivos (FP) Nº de pacientes sin la característica (prueba de referencia negativa) que presentan un resultado positivo en la prueba diagnóstica evaluada.
E5
Nº de pacientes que presentan un resultado positivo en la prueba diagnóstica evaluada.
C6
Falsos Negativos (FN) Nº de pacientes con la característica (prueba de referencia positiva) que presentan un resultado negativo en la prueba diagnóstica evaluada.
D6
Verdaderos Negativos (VN) Nº de pacientes sin la característica (prueba de referencia negativa) que presentan un resultado negativo en la prueba diagnóstica evaluada.
E6
Nº de pacientes que presentan un resultado negativo en la prueba diagnóstica evaluada.
C7
Nº de pacientes que presentan la característica (prueba de referencia positiva).
D7
Nº de pacientes que no presentan la característica (prueba de referencia negativa).
E7
Nº total de pacientes.
F8
El cálculo de los IC de las proporciones se realiza mediante el método de Wilson (Altman DG, Machin D, Bryant TN, Gardner MJ. Statistics with confidence. 2ª ed. Bristol: BMJ Books, 2000). Este método evita los problemas del método tradicional, que da valores erróneos cuando la muestra es pequeña y/o las proporciones son muy próximas a 0 o 100. Sea la proporción p=r/n y su complementario q=1-p A=2r+1,962 B=1,96xRAIZ(1,962+4rq) C=2(n+1,962) IC 95%= (A-B)/C a (A+B)/C Con el método de Wilson el intervalo de confianza no es simétrico alrededor de p, a menos que p=0,5.
C9
Sensibilidad = VP / (VP+FN) Proporción de individuos con la característica que presentan un resultado positivo. Indica la utilidad de la prueba para identificar a los pacientes con la característica (las pruebas de screening han de ser muy sensibles). SnNout: cuando una prueba es muy Sensible, un resultado Negativo hace que el diagnóstico sea poco probable (rules out).
C10
Especificidad = VN / (FP+VN) Proporción de individuos sin la característica que presentan un resultado negativo. Indica la utilidad de la prueba para identificar a los pacientes sin la característica (las pruebas "patognomónicas" son muy específicas). SpPin: cuando una prueba es muy eSpecífica, un resultado Positivo hace que el diagnóstico sea muy probable (rules in).
C11
VPP = VP / (VP+FP) Probabilidad de que un paciente tenga la característica si la prueba resulta positiva. Se reduce conforme disminuye la prevalencia de la característica evaluada en la población objeto de estudio. En situaciones de alta prevalencia, en las que se incrementa el VPP, éste será más útil para confirmar un diagnóstico de lo que el VPN para descartarlo.
C12
VPN = VN / (FN+VN) Probabilidad de que el paciente no tenga la característica si la prueba resulta negativa. Aumenta conforme disminuye la prevalencia de la característica evaluada en la población objeto de estudio. En circunstancias de baja prevalencia, en las que se incrementa el VPN, éste ayuda más a descartar una enfermedad que el VPP a confirmarla.
C13
PFP = FP / (FP+VN) PFP = (1-Especificidad) Probabilidad de que la prueba sea positiva entre los pacientes que no tienen la característica.
C14
PFN = FN / (VP+FN) PFN = (1-Sensibilidad) Probabilidad de que la prueba sea negativa entre los pacientes que tienen la característica.
C15
Exactitud = (VP+VN) / (VP+FP+FN+VN) Probabilidad de que la prueba clasifique correctamente a los pacientes.
C16
ORD = (VP x VN) / (FP x FN) Tiene la ventaja de reunir en un único indicador la exactitud de la prueba diagnóstica. Puede tomar valores entre 0 e infinito. Valores altos indican una mayor utilidad de la prueba. Una ORD de 1 significa que la prueba no tiene capacidad de discriminar entre los individuos con la característica y los que no la tienen. Para evitar errores de cálculo, debe añadirse 0,5 a cada una de las celdas en caso de que el valor de alguna de ellas sea 0.
C17
J (seguridad diagnóstica) = Sensibilidad + Especificidad - 1 Cuanto más se aproxima a 1, mayor es la calidad del resultado obtenido al realizar la prueba a un paciente.
C18
El cociente de probabilidad (razón de verosimilitud o likelihood ratio) de un resultado x de la prueba, LR(x), es el cociente entre la probabilidad de un resultado x en los pacientes que tienen la característica, P(Tx|E+), y la probabilidad de un resultado x en los pacientes que no la tienen, P(Tx|E-). LR(x) = P(Tx|E+) / P(Tx|E-) Indica cuánto aumenta la probabilidad de encontrar un resultado x de la prueba en un paciente que tenga la característica que en uno que no la tenga. Su mayor utilidad clínica es que permiten calcular la probabilidad post-prueba. Los cambios que generan en la probabilidad (en realidad, en la odds) son: LR >10 ® incrementos amplios LR 5-10 ® incrementos moderados LR 2-5 ® incrementos pequeños LR 1-2 ® incrementos insignificantes LR=1 ® ningún cambio LR 0,5-1 ® descensos insignificantes LR 0,2-0,5 ® descensos pequeños LR 0,1-0,2 ® descensos moderados LR <0,1 ® descensos amplios Las pruebas con resultado dicotómico (positivo o negativo) tienen dos cocientes de probabilidad: LR(+) = P(T+|E+) / P(T+|E-) = Sensibilidad / (1-Especificidad) LR(-) = P(T-|E+) / P(T-|E-) = (1-Sensibilidad) / Especificidad Se producen errores de cálculo cuando el valor de una celda es 0: * Característica presente=0 ® #¡NUM! (su valor es 0) * Característica ausente=0 ® #¡DIV/0! (su valor es ¥) Para subsanarlo puede sumarse 0,5 a los valores de cada celda.
F19
Cuando el CP es muy próximo a 1 (1 a 1,15), su intervalo de confianza puede calcularse por el método de Miettinen. En caso contrario se utiliza el método de Taylor (log method). Ambos métodos requieren muestras grandes. Si el IC 95% incluye el 1 indica que el cociente de probabilidad no es significativamente diferente de 1. Log method: IC 95%=EXP[ln LR +/- SE(ln LR)] SE(ln LR+)=RAIZ[(1/a)-(1/a+c)+(1/b)-(1/b+d)] SE(ln LR-)=RAIZ[(1/c)-(1/a+c)+(1/d)-(1/b+d)]
C20
El cociente de probabilidad (razón de verosimilitud o likelihood ratio) de un resultado x de la prueba, LR(x), es el cociente entre la probabilidad de un resultado x en los pacientes que tienen la característica, P(Tx|E+), y la probabilidad de un resultado x en los pacientes que no la tienen, P(Tx|E-). LR(x) = P(Tx|E+) / P(Tx|E-) Indica cuánto aumenta la probabilidad de encontrar un resultado x de la prueba en un paciente que tenga la característica que en uno que no la tenga. Su mayor utilidad clínica es que permiten calcular la probabilidad post-prueba. Los cambios que generan en la probabilidad (en realidad, en la odds) son: LR >10 ® incrementos amplios LR 5-10 ® incrementos moderados LR 2-5 ® incrementos pequeños LR 1-2 ® incrementos insignificantes LR=1 ® ningún cambio LR 0,5-1 ® descensos insignificantes LR 0,2-0,5 ® descensos pequeños LR 0,1-0,2 ® descensos moderados LR <0,1 ® descensos amplios Las pruebas con resultado dicotómico (positivo o negativo) tienen dos cocientes de probabilidad: LR(+) = P(T+|E+) / P(T+|E-) = Sensibilidad / (1-Especificidad) LR(-) = P(T-|E+) / P(T-|E-) = (1-Sensibilidad) / Especificidad Se producen errores de cálculo cuando el valor de una celda es 0: * Característica presente=0 ® #¡NUM! (su valor es 0) * Característica ausente=0 ® #¡DIV/0! (su valor es ¥) Para subsanarlo puede sumarse 0,5 a los valores de cada celda.
C22
Probabilidad pre-prueba = (VP+FN) / (VP+FP+FN+VN) Equivale a la prevalencia de los pacientes que presentan la característica en el estudio evaluado.
C26
La probabilidad pre-prueba es una estimación del grado de verosimilitud con que el clínico propone un diagnóstico de acuerdo con la información de que dispone en el momento en que solicita la prueba (experiencia clínica, bases de datos, etc.). Es la prevalencia estimada de la característica.
C28
PPPP = Odds post-prueba positiva / (Odds post-prueba positiva + 1) Siendo: Odds post-prueba positiva = Odds pre-prueba x CPP y Odds pre-prueba = Prevalencia / (1-Prevalencia) donde Prevalencia es la Probabilidad pre-prueba estimada. PPPP = (Prevalencia x CPP) / [(Prevalencia x CPP) + 1 - Prevalencia] PPPP = (P x S) / [(P x S) + ((1 - P) x (1 - E))] Siendo: P = Prevalencia o Probabilidad pre-prueba estimada CPP = Cociente de probabilidad de una prueba positiva S = Sensibilidad E = Especificidad Probabilidad condicional de que el paciente tenga la característica si la prueba es positiva. Cuando la Probabilidad pre-prueba estimada es la misma que la del estudio evaluado, coincide con el VPP de la prueba.
C29
1-PPPP = [(1 - E) x (1 - P)] /[((1 - E) x (1 - P)) + (S x P)] Siendo: P = Prevalencia o Probabilidad pre-prueba estimada S = Sensibilidad E = Especificidad Probabilidad condicional de que el paciente no tenga la característica si la prueba es positiva. Cuando la Probabilidad pre-prueba estimada es la misma que la del estudio evaluado, coincide con el complementario del VPP de la prueba (1-VPP).
C30
1-PPPN = [(1 - P) x E] / [((1 - P) x E) + (P x (1 - S))] Siendo: P = Prevalencia o Probabilidad pre-prueba estimada S = Sensibilidad E = Especificidad Probabilidad condicional de que el paciente no tenga la característica si la prueba es negativa. Cuando la Probabilidad pre-prueba estimada es la misma que la del estudio evaluado, coincide con el VPN de la prueba.
C31
PPPN = Odds post-prueba negativa / (Odds post-prueba negativa + 1) Siendo: Odds post-prueba negativa = Odds pre-prueba x CPN y Odds pre-prueba = Prevalencia / (1-Prevalencia) donde Prevalencia es la Probabilidad pre-prueba estimada. PPPN = (Prevalencia x CPN) / [(Prevalencia x CPN) + 1 - Prevalencia] PPPN = [P x (1 - S)] / [(P x (1 - S)) + ((1 - P) x E)] Siendo: P = Prevalencia o Probabilidad pre-prueba positiva CPN = Cociente de probabilidad de una prueba negativa S = Sensibilidad E = Especificidad Probabilidad condicional de que el paciente tenga la característica si la prueba es negativa. Cuando la Probabilidad pre-prueba estimada es la misma que la del estudio evaluado, coincide con el complementario del VPN de la prueba (1-VPN).
C34
Es la probabilidad estimada de enfermedad por encima de la cual se decide aplicar un tratamiento y por debajo no. Indica el punto de indiferencia. Si la probabilidad estimada de enfermedad es mayor que el umbral terapéutico, será preferible tratar. Si la probabilidad estimada de enfermedad es menor que el umbral terapéutico, será preferible no tratar. Umbral de tratamiento = Coste / (Coste + Beneficio) Coste neto o riesgo del tratamiento inapropiado = Utilidad (T-E-) - Utilidad (T+E-) Beneficio neto del tratamiento apropiado = Utilidad (T+E+) - Utilidad (T-E+) Un umbral terapéutico bajo supone un alto beneficio a los enfermos y un bajo coste a los no enfermos. Un umbral terapéutico alto supone un alto coste a los no enfermos y un bajo beneficio a los enfermos. Si la probabilidad post-prueba no va a cambiar nuestra decisión terapéutica, la prueba no nos sirve para nada. Ante una sospecha de una determinada enfermedad se debería realizar una prueba diagnóstica sólo si su resultado puede cambiar esta decisión: - Si la probabilidad pre-prueba es superior al umbral terapéutico se debe calcular la probabilidad post-prueba negativa. - Si la probabilidad pre-prueba es inferior al umbral terapéutico se debe calcular la probabilidad post-prueba positiva. Los umbrales diagnóstico y terapéutico pueden calcularse de forma más precisa mediante el método de análisis de decisiones (ver hoja Umbrales).
C49
Si se considera oportuno, puede utilizarse el límite inferior del intervalo de confianza. Se ha de tener en cuenta que si se disminuye la sensibilidad debe aumentarse la especificidad, y al contrario.
C55
[(1 - E) x RTI] + RPD / [(1 - E) x RTI] + (S x BTA) E = especificidad RTI = riesgo del tratamiento inapropiado RPD = riesgo de la prueba diagnóstica S = sensibilidad BTA = beneficio del tratamiento apropiado
C56
(E x RTI) - RPD / (E x RTI) + [(1 - S) x BTA] E = especificidad RTI = riesgo del tratamiento inapropiado RPD = riesgo de la prueba diagnóstica S = sensibilidad BTA = beneficio del tratamiento apropiado
Page 9: Pruebas diagnosticas.xls

PRUEBAS CON VARIOS NIVELES O RESULTADOSCaracterística + Característica -

Nivel o Resultado 1 Nº de niveles o resultados:

Nivel o Resultado 2

Nivel o Resultado 3 Probabilidad pre-prueba:

Nivel o Resultado 4

Nivel o Resultado 5

Nivel-Resultado 1 IC 95%

Sensibilidad #VALUE!Especificidad #VALUE!

Cociente de probabilidad (1) #VALUE!Probabilidad post-prueba

Nivel-Resultado 2 IC 95%

Sensibilidad #VALUE!Especificidad #VALUE!

Cociente de probabilidad (2) #VALUE!Probabilidad post-prueba

Nivel-Resultado 3 IC 95%

Sensibilidad #VALUE!Especificidad #VALUE!

Cociente de probabilidad (3) #VALUE!Probabilidad post-prueba

Nivel-Resultado 4 IC 95%

Sensibilidad #VALUE!Especificidad #VALUE!

Cociente de probabilidad (4) #VALUE!Probabilidad post-prueba

Nivel-Resultado 5 IC 95%

Sensibilidad #VALUE!Especificidad #VALUE!

Cociente de probabilidad (5) #VALUE!Probabilidad post-prueba

PRUEBAS DIFERENCIALES DE VARIAS CARACTERÍSTICASCaracterística 1 + Característica 2 + Característica 3 +

Prueba positiva 0Prueba negativa 0Prueba dudosa 0

0 0 0 0Característica 1 + Característica 2 + Característica 3 +

Sensibilidad Prueba

Especificidad positiva

Sensibilidad Prueba

Especificidad negativa

Sensibilidad Prueba

Especificidad dudosa

Cocientes de probabilidad relativos

Característica 1 + Característica 2 + Característica 3 +

Característica 1 +

Característica 2 +

Característica 3 +

Característica 1 + Característica 2 + Característica 3 +

Probabilidad pre-prueba

Probabilidad post-prueba positiva

#VALUE! #VALUE! #VALUE!#VALUE! #VALUE! #VALUE!#VALUE! #VALUE! #VALUE!

J. Primo - Unidad Digestivo, Hospital Sagunto [email protected]

Odds pre-prueba:

B10
Pacientes con la característica que presentan el nivel o resultado x -------------------------------------------------------------------------------- Total de pacientes con la característica
B11
Total de pacientes sin la característica - Pacientes sin la característica que presentan el nivel o resultado x ------------------------------------------------------------------------------------------------------------------------------- Total de pacientes sin la característica
B12
El cociente de probabilidad (razón de verosimilitud o likelihood ratio) de un resultado x de la prueba es el cociente entre la probabilidad de un resultado x en los pacientes que tienen la característica y la probabilidad de un resultado x en los pacientes que no la tienen. LR(x) = Sensibilidad(x) / [1 - Especificidad(x)] Si el IC 95% incluye el 1 indica que el cociente de probabilidad no es significativamente diferente de 1. Se producen errores de cálculo cuando el valor de una celda es 0: * Característica presente=0 ® #¡NUM! (su valor es 0) * Característica ausente=0 ® #¡DIV/0! (su valor es ¥) Para subsanarlo puede sumarse 0,5 a los valores de cada celda. Indica cuánto aumenta la probabilidad de encontrar un resultado x de la prueba en un paciente que tenga la característica que en uno que no la tenga. Los cambios que generan en la probabilidad son: LR >10 ® incrementos amplios LR 5-10 ® incrementos moderados LR 2-5 ® incrementos pequeños LR 1-2 ® incrementos insignificantes LR=1 ® ningún cambio LR 0,5-1 ® descensos insignificantes LR 0,2-0,5 ® descensos pequeños LR 0,1-0,2 ® descensos moderados LR <0,1 ® descensos amplios
B13
Probabilidad condicional de que el paciente tenga la característica si la prueba tiene el resultado x. Probabilidad post-prueba (PPP) = Odds post-prueba / (Odds post-prueba + 1) Siendo: Odds post-prueba = Odds pre-prueba x LR(x) y Odds pre-prueba = Probabilidad pre-prueba / (1-Probabilidad pre-prueba) PPP = [P x LR(x)] / [(P x LR(x)) + 1 - P] PPP = (P x S) / [(P x S) + ((1 - P) x (1 - E))] Siendo: P = Probabilidad pre-prueba estimada LR(x) = Cociente de probabilidad de la prueba para el resultado x S = Sensibilidad del nivel x E = Especificidad del nivel x
E36
Una prueba con 3 posibles resultados se aplica para el diagnóstico diferencial entre 3 características.
D48
El cociente de probabilidad relativo de una característica frente a otra se calcula dividiendo sus sensibilidades respectivas.
B55
La suma de las 3 probabilidades ha de ser igual a 100%.
Page 11: Pruebas diagnosticas.xls

CÁLCULO DEL UMBRAL TERAPÉUTICO MEDIANTE ANÁLISIS COSTE-BENEFICIO

(Pauker SG, Kassirer JP. Therapeutic decision making: a cost-benefit analysis. N Engl J Med 1975;293:229-234)

U(T- E-) U(T+ E-) Introducir 0U(T- E+) U(T+ E+) 100

#VALUE! 100

Probabilidad estimada de enfermedad: #VALUE! 0

Coste:Beneficio:

Umbral terapéutico:

ANÁLISIS DE UMBRALES DE PROBABILIDAD

(Pauker SG, Kassirer JP. The threshold approach to clinical decision making. N Engl J Med 1980;302:1109-1117)

(Rodríguez Artalejo F, et al. Análisis de decisiones clínicas. Med Clin (Barc) 1990;94:348-354)

U(T- E-) U(T+ E-) Introducir 0U(T- E+) U(T+ E+) 100

#VALUE! 100

Sensibilidad: #VALUE! 0

Especificidad: #VALUE! 100

Riesgo de la prueba diagnóstica: #VALUE! 0

Probabilidad estimada de enfermedad: #VALUE! 100

Coste: #VALUE! 0

Beneficio: Decisión:Umbral terapéutico:Umbral diagnóstico:

Umbral diagnóstico-terapéutico:

J. Primo - Unidad de Digestivo, Hospital de Sagunto [email protected]

valores ®

valores ®

0 20 40 60 80 100

0

20

40

60

80

100

Util. de no tratarUtil. de tratarUmbral TUmbral DUmbral D-TUtil. de la prueba

0 20 40 60 80 100

0

20

40

60

80

100

Util. de no tratarUtil. de tratarUmbral T

Probabilidad de enfermedad (%)

Util

ida

d (

%)

C6
Utilidad de no tratar a un no enfermo.
D6
Utilidad de tratar a un no enfermo.
C7
Utilidad de no tratar a un enfermo.
D7
Utilidad de tratar a un enfermo.
E7
Las utilidades deben medirse todas en las mismas unidades (supervivencia, ausencia de complicaciones, coste económico, unidades arbitrarias, etc.). Sus valores están comprendidos entre 0 y 100).
D10
C = U(T- E-) - U(T+ E-) Coste neto o riesgo del tratamiento inadecuado.
D11
B = U(T+ E+) - U(T- E+) Beneficio neto del tratamiento adecuado.
D12
Umbral T = Coste / (Coste + Beneficio) Indica el punto de indiferencia. Si la probabilidad estimada de enfermedad es mayor que el umbral terapéutico, será preferible tratar. Si la probabilidad estimada de enfermedad es menor que el umbral terapéutico, será preferible no tratar. Un umbral terapéutico bajo supone un alto beneficio a los enfermos y un bajo coste a los no enfermos. Un umbral terapéutico alto supone un alto coste a los no enfermos y un bajo beneficio a los enfermos. Ante una sospecha de una determinada enfermedad se debería realizar una prueba diagnóstica sólo si su resultado puede cambiar la decisión respecto al tratamiento: - Si la probabilidad pre-prueba es superior al umbral terapéutico se debe calcular la probabilidad post-prueba negativa. - Si la probabilidad pre-prueba es inferior al umbral terapéutico se debe calcular la probabilidad post-prueba positiva.
C34
Utilidad de no tratar a un no enfermo.
D34
Utilidad de tratar a un no enfermo.
J34
[(1 - E) x U(T+ E-)] + [E x U(T- E-)] + RPD E = especificidad U(T+ E-) = utilidad de tratar a un no enfermo U(T- E-) = utilidad de no tratar a un no enfermo RPD = riesgo de la prueba diagnóstica
C35
Utilidad de no tratar a un enfermo.
D35
Utilidad de tratar a un enfermo.
E35
Las utilidades deben medirse todas en las mismas unidades (supervivencia, ausencia de complicaciones, coste económico, unidades arbitrarias, etc.). Sus valores están comprendidos entre 0 y 100). S¡ lo prefiere, introduzca directamente el coste y beneficio netos en las casillas correspondientes. En este caso no se creará el gráfico ni aparecerá el mensaje con la decisión.
J35
[S x U(T+ E+)] + [(1 - S) x U(T- E+)] + RPD S = sensibilidad U(T+ E+) = utilidad de tratar a un enfermo U(T- E+) = utilidad de no tratar a un enfermo RPD = riesgo de la prueba diagnóstica
D41
C = U(T- E-) - U(T+ E-) Coste neto o riesgo del tratamiento inadecuado.
D42
B = U(T+ E+) - U(T- E+) Beneficio neto del tratamiento adecuado.
D43
Coste / (Coste + Beneficio)
D44
Umbral D = [(1 - E) x Coste] + RPD / [(1 - E) x Coste] + (S x Beneficio) E = especificidad RPD = riesgo de la prueba diagnóstica S = sensibilidad Por debajo del umbral diagnóstico, la probabilidad pre-prueba y la probabilidad post-prueba positiva están por debajo del umbral terapéutico, por lo que la decisión de no tratar no se ve afectada por el resultado de la prueba y, en consecuencia, no debe realizarse ésta. Si la probabilidad pre-prueba es igual al umbral diagnóstico, la probabilidad post-prueba positiva coincide con el umbral terapéutico. Si la probabilidad de la enfermedad es mayor que el umbral diagnóstico y menor que el umbral diagnóstico-terapéutico, deberá realizarse la prueba y tratar o no según el resultado de la misma.
D45
Umbral D-T = (E x Coste) - RPD / (E x Coste) + [(1 - S) x Beneficio] E = especificidad RPD = riesgo de la prueba diagnóstica S = sensibilidad Por arriba del umbral diagnóstico-terapéutico, la probabilidad pre-prueba y la probabilidad post-prueba negativa están por arriba del umbral terapéutico, por lo que la decisión de tratar no se ve afectada por el resultado de la prueba y, en consecuencia, no debe realizarse ésta. Si la probabilidad pre-prueba es igual al umbral diagnóstico-terapéutico, la probabilidad post-prueba negativa coincide con el umbral terapéutico. Si la probabilidad de la enfermedad es mayor que el umbral diagnóstico y menor que el umbral diagnóstico-terapéutico, deberá realizarse la prueba y tratar o no según el resultado de la misma.
Page 13: Pruebas diagnosticas.xls

APLICACIONES DEL TEOREMA DE BAYES

CÁLCULO DE LA PROBABILIDAD POST-PRUEBA CONOCIENDO LA SENSIBILIDAD Y LA ESPECIFICIDAD

Probabilidad pre-prueba estimada (P)

Sensibilidad (S)

Especificidad (E)

IC 95%

Probabilidad post-prueba positiva (PPPP)

1-PPPP

1-PPPN

Probabilidad post-prueba negativa (PPPN)

CÁLCULO DE LA PROBABILIDAD POST-PRUEBA CONOCIENDO EL COCIENTE DE PROBABILIDAD

Probabilidad pre-prueba estimada (P)

Cociente de probabilidad (LR)

IC 95%

Probabilidad post-prueba

J. Primo - Unidad de Digestivo, Hospital de Sagunto [email protected]

C11
PPPP = (P x S) / [(P x S) + ((1 - P) x (1 - E))] Probabilidad condicional de que el paciente tenga la característica si la prueba es positiva.
C12
1-PPPP = [(1 - E) x (1 - P)] /[((1 - E) x (1 - P)) + (S x P)] Probabilidad condicional de que el paciente no tenga la característica si la prueba es positiva.
C13
1-PPPN = [(1 - P) x E] / [((1 - P) x E) + (P x (1 - S))] Probabilidad condicional de que el paciente no tenga la característica si la prueba es negativa.
C14
PPPN = [P x (1 - S)] / [(P x (1 - S)) + ((1 - P) x E)] Probabilidad condicional de que el paciente tenga la característica si la prueba es negativa.
C25
Probabilidad post-prueba = (P x LR) / [(P x LR) + 1 - P]
Page 14: Pruebas diagnosticas.xls

r n p q A B C

0 100 0.000 1.000 3.84 3.84 207.68

0 0 #DIV/0! #DIV/0! 3.84 #DIV/0! 7.68

0 100 0.000 1.000 3.84 3.84 207.68

Page 15: Pruebas diagnosticas.xls

DOS PRUEBAS (SIMULTÁNEAS O SECUENCIALES)

Prueba 1 Prueba 2 Paralelas Seriadas

Sensibilidad

Especificidad

Prueba 1 Prueba 2 Paralelas Seriadas

LR(+)

LR(-)

Probabilidad pre-prueba estimada

Prueba 1 Prueba 2 Paralelas Seriadas

PPPP

PPPN

VARIAS PRUEBAS SECUENCIALES

Probabilidad pre-prueba estimada

Nº de pruebas

Probabilidad

LR post-prueba

Prueba 1

Prueba 2

Prueba 3

Prueba 4

Prueba 5

J. Primo - Unidad Digestivo, Hospital Sagunto [email protected]

Odds pre-prueba Odds post-prueba

E5
Se aplican en el mismo momento. Se consideran negativos a los individuos que resultan negativos por todas las pruebas, y positivos a los que resultan positivos por alguna de las pruebas. Logran reducir los falsos negativos, lo que significa que aumentan la sensibilidad y el VPN. Se aplican cuando se trata de asegurarse de que el individuo detectado como negativo lo es realmente.
F5
Se aplican secuencialmente. A los individuos que resultan positivos por la primera prueba se les aplica la segunda. Se consideran positivos a los individuos que resultan positivos por todas las pruebas, y negativos a los que resultan negativos por alguna de ellas. Logran reducir los falsos positivos, lo que significa que aumentan la especificidad y el VPP. Se aplican cuando interesa asegurarse de que el paciente detectado como positivo lo es realmente.
B16
Probabilidad post-prueba de un resultado positivo. Probabilidad pre-prueba x LR+ PPPP = -------------------------------------------------------------------------- (Probabilidad pre-prueba x LR+) +1 - Probabilidad pre-prueba
B17
Probabilidad post-prueba de un resultado negativo. Probabilidad pre-prueba x LR- PPPN = ------------------------------------------------------------------------- (Probabilidad pre-prueba x LR-) + 1 - Probabilidad pre-prueba
C25
Odds pre-prueba = Probabilidad pre-prueba / (1 - Probabilidad pre-prueba) Antes de aplicar la primera prueba, la odds pre-prueba se calcula con la probabilidad pre-prueba estimada. La odds obtenida después de la aplicación de una prueba se convierte en la odds pre-prueba de la siguiente.
D25
El cociente de probabilidad (razón de verosimilitud o likelihood ratio) de un resultado x de una prueba diagnóstica, LR(x), es el cociente entre la probabilidad (P) de un resultado x (Tx) en los pacientes que tienen la característica (E+) y la probabilidad (P) de un resultado x (Tx) en los pacientes que no la tienen (E-). LR(x) = P(Tx|E+) / P(Tx|E-)
E25
Odds post-prueba = Odds pre-prueba x LR
F25
Probabilidad post-prueba = Odds post-prueba / (Odds post-prueba+1)
Page 16: Pruebas diagnosticas.xls

siempre que la variable evaluada sea cualitativa dicotómica.

Prueba 2 + Prueba 2 -

Prueba 1 +

Prueba 1 -

Proporción total de concordancia observada

Proporción esperada por azar

IC 95%

Observador 2 Observador 2 Observador 2 Observador 2 Observador 2 Observador 2

Resultado 1 Resultado 2 Resultado 3 Resultado 4 Resultado 5 Resultado 6

Observador 1-Resultado 1

Observador 1-Resultado 2

Observador 1-Resultado 3

Observador 1-Resultado 4

Observador 1-Resultado 5

Observador 1-Resultado 6

0 0 0 0 0 0Cálculo del peso o factor de ponderación Nº de categorías de la variable:

#DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!

#VALUE! #VALUE! #VALUE! #VALUE! #VALUE! #VALUE!#VALUE! #VALUE! #VALUE! #VALUE! #VALUE! #VALUE!

ponderada Proporción observada no ponderada

ponderada Proporción esperada por azar no ponderada

Para variables cuantitativas también pueden utilizarse los métodos de Bland-Altman y Passing-Bablok.

Ambos métodos pueden realizarse con el programa MedCalc, del que se puede conseguir una versión de demostración en:

CÁLCULO DEL TAMAÑO MUESTRALA. Estimación de la concordancia entre observadores.

Porcentaje de desacuerdo estimado

Precisión (mitad de la amplitud del IC 95%)

NB. Estimación de la concordancia intraobservador.

Porcentaje de error (discordancia) estimado 7.68 0.00 1.00Precisión (mitad de la amplitud del IC 95%) 0.00 1.00

N

J. Primo - Unidad de Digestivo, Hospital de Sagunto [email protected]

CONCORDANCIA DE PRUEBAS DIAGNÓSTICAS: ÍNDICE KAPPA

El índice kappa se utiliza para valorar el grado de concordancia de dos pruebas diagnósticas o entre dos observadores,

Índice Kappa

Con variables cualitativas politómicas y con variables ordinales, el índice kappa tiene la limitación de que no tiene en cuenta

el grado de desacuerdo. Una alternativa la constituye el índice kappa ponderado.

Índice kappa ponderado Índice kappa

http://www.medcalc.be/index.html

C7
a
D7
b
C8
c
D8
d
D10
Po = (a+d) / N
D11
Pe = [(a+b) x (a+c) / N^2] + [(c+d) x (b+d) / N^2]
C14
Índice kappa = (Po - Pe) / (1-Pe) Puede variar de -1 a 1. Kappa <0 indica no concordancia Kappa 0 a 0,19 indica concordancia muy débil Kappa 0,20 a 0,39 indica concordancia débil Kappa 0,40 a 0,59 indica concordancia moderada Kappa 0,60 a 0,79 indica concordancia buena Kappa 0,80 a 1 indica concordancia muy buena
D28
Para ello es necesario indicar el nº de categorías de la variable en la celda de color rosa y numerar las celdas de color amarillo y azul de la tabla inferior consecutivamente de 1 al nº de categorías. Ejemplo: si la variable tuviera 6 categorías, se escribirá 6 en la celda rosa, y 1, 2, 3, 4, 5 y 6 de arriba a abajo en las celdas amarillas (observador o prueba nº 1) y de izquierda a derecha en las celdas azules (observador o prueba nº 2).
D31
w = 1 - [|nº fila - nº columna| / (nº categorías - 1)]
D39
Po(w) = Sumatorio de frecuencias ponderadas de cada celda Frecuencia ponderada = (Valor celda x w) / N
D40
Pe(w) = Sumatorio [(marginal fila x marginal columna x w) / N^2]
C43
Índice kappa ponderado = [Po(w) - Pe(w)] / [1-Pe(w)] El índice kappa ponderado es habitualmente mayor que el índice kappa debido a que los desacuerdos son menos probables cuando hay varias categorías.
E51
Este objetivo se plantea cuando la concordancia intraobservador o la repetibilidad ya han sido evaluadas previamente, o bien cuando se asume que son elevadas. Ejemplo: grado de concordancia entre dos radiólogos en la lectura de mamografías.
D54
N indica, por ejemplo, el número de mamografías que sería necesario valorar por los dos radiólogos.
E55
Situación en la que un observador realiza dos mediciones en cada sujeto y se desea evaluar el grado de concordancia de ambas mediciones. Ejemplo: concordancia entre dos lecturas de mamografías realizadas por un mismo radiólogo.
E56
Valores superiores al 15% indican por sí mismos una baja concordancia.
D58
N indica, por ejemplo, el número de mamografías que el radiólogo debería valorar en dos ocasiones.
Page 17: Pruebas diagnosticas.xls

0000000

Page 18: Pruebas diagnosticas.xls

PREGUNTAS PARA EVALUACIÓN DE PRUEBAS DIAGNÓSTICAS

CASPe (Programa de habilidades en lectura crítica España)

A. ¿Son válidos los resultados del estudio?

Preguntas de eliminaciónSí No sé No

1 ¿Existió una comparación con una prueba de referencia adecuada?¿Es correcto el patrón de oro? (no siempre se puede aplicar el mismo patrón de oro a todos los pacientes).

Sí No sé No2 ¿Incluyó la muestra de pacientes un espectro adecuado de pacientes?

¿Están adecuadamente descritos los pacientes y cómo se seleccionaron?

Casi cualquier prueba distingue entre sanos y gravemente enfermos.

3 ¿Existe una adecuada descripción de la prueba?¿Se define con claridad qué es un resultado positivo y qué es un resultado negativo?

¿Se especifica la reproducibilidad de la prueba? (este puede ser un punto clave en pruebas que dependen

observador, como las técnicas de imagen).

Preguntas de matizSí No sé No

4 ¿Hubo evaluación "ciega" de los resultados?¿Las personas que interpretaron la prueba desconocían los resultados del patrón de oro? (y viceversa).

Sí No sé No5 ¿La decisión de realizar el patrón de oro fue independiente del resultado de la prueba

problema?Considerar si:

Se incluyeron preferentemente los resultados positivos en la prueba a evaluar.

Se utilizaron diferentes patrones de oro en los positivos y en los negativos.

http://www.redcaspe.org/

Page 19: Pruebas diagnosticas.xls

B. ¿Cuáles son los resultados?

6¿Se han tenido en cuenta los pacientes con resultado "no concluyente"?

¿Se pueden calcular los cocientes de probabilidad para distintos niveles de la prueba, si procede?

7 ¿Cuál es la precisión de los resultados? Hay que buscar o calcular los intervalos de confianza de los cocientes de probabilidad.

C. ¿Son los resultados aplicables al escenario?Sí No sé No

8 ¿Serán satisfactorios en el ámbito del escenario la reproducibilidad de la prueba y su interpretación?Considera si: el ámbito de estudio es demasiado diferente al del escenario.

Sí No sé No9 ¿Es aceptable la prueba en este caso?

Considera la disponibilidad de la prueba, los riesgos/molestias de la prueba y los costes.

Sí No sé No10 ¿Modificarán los resultados de la prueba la decisión sobre cómo actuar?

Desde la perspectiva del escenario, si la actitud no va a cambiar, la prueba es (al menos) inútil.

Considera el umbral de acción y la probabilidad de la enfermedad antes y después de la prueba.

CASPe (Programa de habilidades en lectura crítica España)

¿Se pueden calcular los cocientes de probabilidad (likelihood ratios)?

http://www.redcaspe.org/