FACULTAD DE MEDICINA HUMANA

LABORATORIO CLNICO

INDICE PARTE 2

INDICE PARTE 2________________________________________________________20

VALIDEZ Y FIABILIDAD DE LAS MEDIDAS DE EXPOSICIN Y
MEDICIN______________________________________________________________21
LA VALIDEZ___________________________________________________________________________21
SENSIBILIDAD________________________________________________________________________21
ESPECIFICIDAD_______________________________________________________________________22
VALOR PREDICTIVO POSITIVO_______________________________________________________23
VALOR PREDICTIVO NEGATIVO______________________________________________________23
Resumen conceptual_________________________________________________________________32
BIBLIOGRAFIA_________________________________________________________________________35

21

FACULTAD DE MEDICINA HUMANA

LABORATORIO CLNICO

VALIDEZ Y FIABILIDAD DE LAS MEDIDAS DE EXPOSICIN

Y MEDICIN
LA VALIDEZ
se define como la capacidad de un instrumento (por ejemplo, un
cuestionario o una prueba de laboratorio) para medir lo que intenta medir,
sta slo puede determinarse si existe un procedimiento de referencia,
tambin conocido como estndar de oro, el cual, es considerado como un
procedimiento definitivo para establecer si alguien tiene la caracterstica de
inters. Por ejemplo, una prueba que slo puede un resultado positivo o
negativo (i. e., binario; vase tabla 1).
Para tal situacin, es necesario entender dos conceptos importantes como lo son
la sensibilidad y
la especificidad de una prueba.

SENSIBILIDAD
La sensibilidad de una prueba responde a las siguientes preguntas:

Cuntos resultados positivos se obtendrn en los individuos enfermos?

Cuntos casos del total de casos en la poblacin estudiada pueden

identificarse por el resultado de la prueba?

Por lo tanto, podemos definir la sensibilidad de una prueba como la

proporcin de los individuos
clasificados como positivos por el estndar de oro que se identifican
correctamente por la prueba
en estudio. Lo anterior podemos representarlo de la siguiente forma:

21

FACULTAD DE MEDICINA HUMANA

dond
e:

LABORATORIO CLNICO

a= verdaderos positivos
a+c= total de casos positivos (enfermos)
VP/FN= verdaderos positivos/falsos negativos

El valor que puede asumir la sensibilidad vara del 0 al 1 (100%), es decir,

cuanto ms alto es el
valor, hay una mejor capacidad en la deteccin de enfermos por medio de la
prueba.
Una sensibilidad baja produce prdida de casos que pudieran ser
tratados, siendo ms seria la situacin de que a mayor gravedad de
padecimiento dejar a pacientes enfermos como fuente de infeccin en la
comunidad representara un costo alto.
No existe un nivel mgico de sensibilidad que determine que una prueba
sea aceptable; por ejemplo, en cncer de colon 75% (1 de cada 4 retrasar su
diagnstico).

ESPECIFICIDAD
La especificidad de una prueba en estudio se refiere a la proporcin de los
individuos clasificados como negativos por el estndar de oro que se identifican
correctamente por la prueba en estudio. Este parmetro responde a las
siguientes preguntas:

Cuntos resultados negativos en personas sin la enfermedad?

Cuntos individuos sanos se confirmarn por el resultado de la prueba?

dond
a= verdaderos negativos
e:
a+c= total de casos negativos (sanos)
VN/FP= verdaderos negativos/falsos positivos

21

Al igual que la sensibilidad, el valor de la especificidad vara del 0 al 1 (100%), lo

que significa que
cuanto mayor sea el valor mayor capacidad de deteccin de sujetos sanos por la
prueba.
Adems de la sensibilidad y la especificidad de una prueba, se han desarrollado
otros parmetros para poder determinar qu tanta validez tiene sta al ser
utilizada como prueba diagnstico. Entre estos parmetros se encuentra el
valor predictivo.

VALOR PREDICTIVO POSITIVO

El valor predictivo
preguntas:

positivo

de

la

prueba responde a las siguientes

De todos los resultados positivos, cuntos se han encontrado en persona

que sufren la enfermedad?

Cul es la probabilidad en el caso de un resultado positivo de la prueba de

que la persona realmente est enferma?

Este ndice se calcula de la siguiente manera:

El valor obtenido representa la probabilidad de que alguien con un resultado

positivo en la prueba
en estudio, tenga la caracterstica de inters.

VALOR PREDICTIVO NEGATIVO

Por otra parte, el valor predictivo negativo de la prueba responde las
siguientes preguntas:
Qu proporcin de todos los resultados negativos corresponde a
personas realmente sanas (sin la enfermedad)?
Cul es la probabilidad de que las personas con resultados
negativos no tengan la enfermedad?
El clculo se realiza de la siguiente forma:

Este valor representa la probabilidad de que alguien con un resultado

negativo en la prueba en estudio no tenga la caracterstica de inters.

Tambin es posible obtener el valor predictivo global de la proporcin de

resultados vlidos entre
la totalidad de las pruebas efectuadas:

El valor predictivo de un resultado depende en gran parte de lo comn

que sea la enfermedad bajo estudio, esto es, cuando la prevalencia es
baja, la obtencin de un resultado negativo permitir descartar con mayor
seguridad la enfermedad, teniendo entonces un valor predictivo
negativo mayor. Por el contrario, un resultado positivo no permitir confirmar
el diagnstico, teniendo entonces un bajo valor predictivo positivo. Respecto a los
valores ptimos o esperados
que deben asumir los valores predictivos de una prueba, hasta ahora no se han
propuesto niveles deseables en particular. Sin embargo, se asume que si el valor
es menor al 50%, es ms probable
que realmente no se encuentre la enfermedad presente, lo significa que a
ms alto valor, el pronstico es ms valioso.
Es importante tener en cuenta que basar resultados en la prevalencia de una
enfermedad a veces resulta complicado, por lo que es til el uso de otros
ndices que nos permitan determinar cunto ms probable es un resultado
concreto segn la ausencia o presencia de enfermedad, por ello, se
ha desarrollado el concepto de razn de verosimilitudes, razn de
probabilidades o cociente de probabilidades.
Razn de verosimilitudes positiva o cociente de probabilidades positivo
(likelihood radio of positive
test):
se
calcula
dividiendo
la
probabilidad de un resultado positivo en los pacientes enfermos
entre la probabilidad de un resultado positivo entre los sanos. Es
decir, el cociente entre la fraccin de verdaderos positivos (sensibilidad)
y la fraccin de falsos positivos (1especificidad).
o RV+= Sensibilidad/ 1 Especificidad
Valores altos indican una mejor capacidad para diagnosticar presencia de la
enfermedad.
Razn de verosimilitudes negativa o cociente de probabilidades negativo
(likelihood radio
of negative test): se calcula dividiendo la probabilidad de un
resultado negativo en presencia de enfermedad entre la probabilidad de
un resultado negativo en ausencia de la misma. Se calcula por lo tanto,
como el cociente entre la fraccin de falsos negativos (1 sensibilidad) y
la fraccin de verdaderos negativos (especificidad).
o RV= 1Sensibilidad/Especificidad

Valores bajos o menores de este parmetro indican una mejor capacidad

diagnstica de la prueba. Una ventaja importante que poseen estos cocientes
respecto a los valores predictivos, es que no
dependen de la proporcin de enfermos en la muestra, sino de la especificidad y
sensibilidad de la prueba.
Por todo lo anterior, podemos decir, que una prueba ideal es aquella
que
tiene
una
alta sensibilidad (identifica correctamente a una alta
proporcin de individuos realmente expuestos o enfermos) y una alta
especificidad (da pocos resultados positivos en individuos no expuestos o no
enfermos).
El conjunto de pares ordenados 1Especificidadsensibilidad (i. e., la
sensibilidad en funcin de los falsos positivos o complemento de la
especificidad) obtenidos, se puede representar grficamente gracias a la curva
caracterstica operativa del receptor (ROC, por sus siglas en ingls). En este
tipo
de curvas se trata el resumen de la validez de una determinacin continua para
diferentes valores lmite (puntos de corte).
El perfil dicotmico respecto a una enfermedad contenido en la
representacin de los pares ordenados 1Especificidadsensibilidad se puede
observar en la siguiente grfica.

En la grfica anterior, se muestran algunas de las pendientes que se pueden

obtener as como el valor nominal de cada una de ellas. Cabe mencionar
que el criterio para el establecimiento del valor de la grfica depende de
factores como el tipo de enfermedad a estudiar, la experiencia del profesional
a cargo, as como de factores inherentes a los sujetos bajo estudio. No

obstante, una interpretacin generalmente aceptada se lleva a cabo mediante

el anlisis del rea bajo la curva (ABC), que es una medida global de la
exactitud diagnstica. El ABC es definida como la probabilidad de
clasificar correctamente un par de individuos (sano y enfermo) seleccionados
al

azar de la poblacin, mediante los resultados obtenidos al aplicarles la

prueba diagnstica. Lo anterior podemos representarlo mediante la siguiente
expresin:

Aunque no existe un punto de corte o ideal, por convenio se acepta que el

valor del ABC sea mayor o igual a .05. Si no existen diferencias en la distribucin
de los resultados de la prueba entre
los grupos, se toman valores que oscilan alrededor de .05, por ejemplo, valores
comprendidos en
el intervalo de .05.07, podran referir que la exactitud de la prueba es baja.
Valores entre .07.09, pueden resultar tiles slo bajo ciertas condiciones; en
cambio, un valor de .09 en adelante, se da cuando existe una perfecta
separacin entre las distribuciones, indicando una alta exactitud de la prueba.
La capacidad de discriminacin o predictiva de la prueba puede evaluarse
estimando el intervalo
de confianza del ABC ROC, i. e., el clculo se obtiene de forma independiente de
la prevalencia de
la enfermedad en la poblacin de referencia (Fernndez y Prtigas, 2003;
Molinero, 2002). Esto es,
si en el intervalo no se incluye el valor de .05, se dice que la prueba es capaz
de discernir entre enfermos y sanos.
Pero, cmo elegimos el valor para establecer un punto de corte para la curva
ROC que nos ayude
a tomar una decisin respecto a las grficas obtenidas? A pesar de que la
respuesta no es sencilla
y tampoco existe una frmula absoluta que nos indique el punto de corte
ideal para nuestra investigacin, autores como Galen y Gambino (citado
en Burgueo, GarcaBustos y Gonz+alez Buitrago, 1995) han sugerido una
serie de postulados de tipo prctico respecto a las caractersticas
de una prueba diagnstica para elegir el valor del punto de corte a tomar en
cuenta.
1)

Elegir la mayor sensibilidad cuando:

a. La enfermedad sea grave y no pueda pasar
inadvertida b. La enfermedad sea tratable
c. Los resultados falsos positivos no supongan un traumatismo
psicolgico o econmico en los individuos examinados.

2)

Elegir la mayor especificidad posible cuando:

a.

La enfermedad sea importante pero difcil de curar o incurable

b.
3)
4)

El hecho de conocer que no se padece la enfermedad tiene

una importancia sanitaria y psicolgica.

Debe utilizarse una prueba con un alto valor predictivo positivo cuando el
tratamiento de los falsos positivos pueda tener consecuencias graves.
Un valor global elevado se desea cuando:
a.
b.

La enfermedad sea importante pero curable

Tanto los falsos positivos como los falsos negativos supongan
un traumatismo y ste conlleve consecuencias graves.

A modo de resumen, podemos mencionar tanto la utilidad las curvas ROC

como una de las limitaciones que representa el uso de estas curvas.
Entre sus utilidades se encuentran las siguientes: a) conocer el rendimiento
global de una prueba (ABC), b) comparar dos pruebas o dos puntos de corte.
Comparacin de dos curvas o de dos puntos sobre una curva, y c) elegir el
punto
de corte apropiado para un determinado paciente.
La principal limitacin de este modelo es que slo contempla dos estados
clnicos posibles (sano y enfermo) y no es muy til su uso para situaciones en
que se trata de discernir entre ms de dos enfermedades.
Una vez establecido el marco de referencia, es importante aterrizar los conceptos
manejados en problemas que nos permitan entender a qu nos referimos. Por ello,
a continuacin se presentan
una serie de ejemplos para que resulte ms claro al lector lo ya
mencionado. Ejemplo 1
Algunas pruebas proporcionan resultados que no son una simple
respuesta si/no. Su lugar, proporcionan valores numricos en una escala
continua de medicin.
En estas situaciones, se obtiene una alta
sensibilidad al precio de una baja especificidad y viceversa. Por ejemplo,
cuanta ms alta es la presin sangunea, ms probable es la existencia de una
enfermedad hipertensiva. Si
el nivel diagnstico o de cribaje para la hipertensin se fija en, por ejemplo, una
presin sangunea diastlica de 90 mmHg, se detectara a la mayora de los
pacientes hipertensos (alta sensibilidad), pero muchos pacientes no enfermos
(con presin sangunea diastlica superior a 90 mmHg) se clasificarn
errneamente como hipertensos (baja especificidad). Si el nivel de cribaje
para
la enfermedad hipertensiva se fija a 110 mmHg para la presin
sangunea diastlica, la mayora de

los individuos no hipertensos se excluiran de la atencin posterior (alta

especificidad), pero se dejaran
de
identificar
muchos
pacientes
hipertensos (con presiones sanguneas diastlicas menores de 110 mmHg,
es decir, baja sensibilidad).
En el siguiente ejemplo (2), se ha desarrollado una prueba
laboratorio nueva que mide la concentracin de una enzima particular
la sangre
y
queremos
evaluar
valor en el diagnstico de un cncer en particular. Esta prueba nueva
aplic a 360 pacientes hospitalizados

de
en
su
se

y los resultados se compararon con los de un examen anatomopatolgico.

Las concentraciones sanguneas 40 VI se consideraron como valores
positivos. Los resultados se muestran en la siguiente tabla:

Para la prueba de laboratorio nueva se puede calcular lo siguiente:

Sensibilidad= 190/190= 100%

Especificidad= 90/170= 53%

En este ejemplo podran haberse tomado otros valores de concentracin

sangunea como valores lmite para definir los resultados del ensayo como
positivos o negativos. En la tabla 3 se presentan
los valores de sensibilidad y especificidad del anlisis de sangre para diferentes
valores lmite.
Valor lmite (VI)
40
*

80
*

120
*

Resultado del anlisis

de
sangr
+
+

+
+

+
+

Resultado del
examen
anatomopatolgico
+

Nmero de pacientes
19
0
8
0
0
18
8
4
2
2
17
3
2
5
1

280
*

+
+

9
5
0
9
5
lmite.

Tabla 3. Muestra los resultados obtenidos para diferentes valores

*Los resultados del anlisis de sangre agudos o superiores al valor lmite se
consideraron positivos.
+= resultado positivo
= resultado negativo
Resultados

40 IV: sensibilidad= 190/190=

especificidad=
100%
90/170=53%
80
IV: sensibilidad= 188/190=
especificidad=
99%
128/170=75%
120 IV: sensibilidad= 173/190=
especificidad=
91% IV: sensibilidad= 95/190=
145/170= 85% 170/170=
280
especificidad=
50%
100%
En esta tabla se puede apreciar que la sensibilidad de la prueba de
laboratorio disminuy al
aumentar el valor lmite, mientras que se produjo lo contrario con la
especificidad. Lo anterior se ilustra con ms claridad en la figura 1.

La curva superior describe la distribucin del anlisis de sangre entre

individuos sanos; la curva inferior, la distribucin entre pacientes con cncer
(definida por el examen anatomopatolgico).
Se utilizaron diferentes valores lmite para clasificar los resultados de sangre
como positivos y
negativos.
La curva ROC de este ejemplo se muestra a continuacin:

En la grfica anterior, cuanto ms prxima est la curva ROC de una

determinada prueba del extremo superior izquierdo, donde se aumentan la
sensibilidad y la especificidad, ms vlida ser
la prueba. Una prueba con una curva prxima a la diagonal ser intil y no
mejor como tcnica diagnstica que la mera suposicin. Para este ejemplo, el
punto de corte ideal sera de 120, que
nos permitir diferenciar claramente los positivos de los negativos en la poblacin
de estudio, para
no subestimar o sobreestimar la frecuencia de la enfermedad
que se estudia. Ejemplo 3
La prueba VIRAPAP tiene sensibilidad y especificidad altas, lo que nos dice que esta
prueba es muy vlida en la deteccin de la infeccin del cuello uterino por el VPH
(en comparacin con la prueba

de hibridacin Southern), y por lo tanto, sus resultados se ven poco

afectados por el error de medicin (ver tabla 4).

Estos datos proporcionan los siguientes resultados para la prueba VIRAPAP:

Sensibilidad= 62/69= .90 x 100%= 90%

Especificidad= 359/381= .94 x 100%= 94%
Valor predictivo de una prueba VIRAPAP positiva= 62/84= 74%
Valor predictivo de una prueba VIRAPAP negativa= 359/366= 98%

Ejemplo 4. La utilidad del ViraPap se compar con la de la reaccin en cadena

de la polimerasa (PCR) en 373 mujeres con un diagnstico reciente

de

cncer

de

cuello uterino. Los resultados se muestran en la siguiente tabla:

PCR
(Prueba estndar de oro)
Negativo

Positivo
Prueba
ViraPap

Total

Positivo

163

11

174

Negativo

120

79

199

Total

283

90

373

Tabla 5. Comparacin de los mtodos ViraPap y de la reaccin en cadena de la polimerasa (PCR)

en la deteccin de infecciones del cuello uterino por VPH

Muoz et al. (no publicado)]

Para la prueba ViraPap se puede calcular lo siguiente:

Sensibilidad=163/283=58%
Especificidad=79/90=88%
Como conclusin final, despus de presentar varios ejemplos en donde el uso
de curvas ROC y la obtencin de los parmetros sensibilidad especificidad
en casos clnicos, podemos decir que, el anlisis econmico estar a favor
de pruebas con alta especificidad, ya que un alto nmero del resultado
de falsos positivos determina altos costos en las pruebas diagnsticas que
puedan llevar
a un incremento de los costos del programa. Si el tratamiento es de riesgo para
el paciente y se le
da sin necesitarlo puede tener como consecuencia efectos secundarios. En
suma, las pruebas de baja especificidad pueden producir por iatrogenia efectos
indeseables en el paciente y un elevado costo en individuos sin enfermedad.

Resumen conceptual

Verderos positivos
La enfermedad est presente y se diagnostica al paciente como enfermo.
Falsos positivos
La enfermedad no est presente pero al paciente se le diagnostica como enfermo.
Verdaderos negativos
La enfermedad no est presente y se diagnostica al paciente como sano.
Falsos negativos
La enfermedad est presente pero no se detect.

Sensibilidad
Proporcin de los individuos clasificados como positivos por el
estndar de oro
que se identifican correctamente por la prueba en estudio

Especificidad
Proporcin de los individuos clasificados como negativos por el
estndar de oro
que se identifican correctamente por la prueba en estudio.

Punto
de
corte

Curva
ROC

rea
bajo
la
curva
(ABC)

Valor lmite que permite resumir los resultados de una

escala continua en dos categoras: positivo y negativo.

Grfico que representa el conjunto de pares

sensibilidad/1
especificidad que resultan de la variacin continua de
los puntos
de corte en todo el rano de resultados observados.
Probabilidad de clasificar correcatmente un par de
individuos
(sno y enfermo), seleccionados al azar de la poblacin,
mediante
resultados obtenidos al aplicarles la prueba
diagnstica.

[2] Curvas ROC simples

Nmero de tablas:
Nivel de confianza:

4
95.0%

Curva ROC obtenida con el programa Epidat 3.1

rea ROC
EE
---------- ---------0.9505
0.0092
0.0116

IC(95%)
------------------------0.9324
0.9685 Delong
0.9278
0.9732 Hanley & McNeil

BIBLIOGRAFIA
http://www.psicol.unam.mx/Investigacion2/pdf/SENSIBILIDAD%20Y
%20ESPECIFICIDAD.pdf
http://estadisticaorquestainstrumento.wordpress.com/2012/12/21/sensibili
dad-especificidad-valor-predictivo-positivo-y-valor-predictivo-negativo/
http://www.facmed.unam.mx/deptos/salud/censenanza/spiii/spiii/sp3_2012/
Manterola_Interpretar.pdf
http://www.redalyc.org/pdf/120/12020113.pdf