UNIVERSIDAD ABIERTA PARA ADULTOS

ESCUELA DE PSICOLOGÍA

LICENCIATURA EN PSICOLOGÍA

Asignatura

Teoría de los test y fundamentos de medición.

Participante:

Luz M Peralta Ramos

Matrícula:

100031699.

Facilitadora:

Rosa Kenya Bueno Cruz

Modalidad:

Virtual

Santiago De Los Caballeros

República Dominicana

03 Mayo de 2023

1-Elabora un ensayo argumentativo, de cuatro páginas, sobre el proceso de estandarización de

un cuestionario, explicando la importancia de la validez y confiabilidad en dicho proceso. No
olvide los criterios de valoración para el proceso de validación de los Ítems en las pruebas.

Introducción
En 1948, la Organización Mundial de la Salud definió«salud» como el
completo estado de bienestar físico, mental y social. Desde entonces
se han desarrollado numerosas investigaciones para traducir esta
definición conceptual en métodos objetivos que, mediante
cuestionarios u otros instrumentos, generen escalas e índices para
facilitar la medición de las dimensiones del estado de salud. Junto con
la entrevista, el cuestionario es la técnica más empleada en
investigación. En este artículo se considerará que cuestionarios,
escalas e instrumentos son sinónimos de un mismo concepto: técnica
de recogida de datos.

La entrevista es una técnica de recogida de datos que requiere el

conocimiento de técnicas de comunicación verbal, un guión
estructurado y una finalidad específica. Es un instrumento excelente
en investigación cualitativa. El cuestionario es un instrumento
utilizado para la recogida de información, diseñado para poder
cuantificar y universalizar la información y estandarizar el
procedimiento de la entrevista. Su finalidad es conseguir la
comparabilidad de la información .1

En general, cuando se habla de cuestionarios se hace referencia a

escalas de evaluación; por ejemplo, el cuestionario de calidad de vida
SF-36 es una escala de evaluación. Por tanto, las escalas de evaluación
son aquellos instrumentos o cuestionarios que permiten un
escalamiento acumulativo de sus ítems, y que dan puntuaciones
globales al final de la evaluación. Su carácter acumulativo las
diferencia de los cuestionarios de recogida de datos, los inventarios de
síntomas, las entrevistas estandarizadas o los formularios.

Tanto las entrevistas como los cuestionarios basan su información en

la validez de la información verbal de percepciones, sentimientos,
actitudes o conductas que transmite el encuestado; información que
puede ser difícil de contrastar y de traducir a un sistema de medición,
es decir, a una puntuación; esta dificultad es la causante de la
complejidad de establecer la calidad de este tipo de instrumentos.

La utilización de las escalas de evaluación se basa en la psicofísica y

la psicometría. La psicofísica aproxima el proceso de cuantificación
de la percepción (trasladar a un sistema numérico fenómenos
intangibles, como los síntomas o la discapacidad, mediante analogías).
La psicometría permite estudiar la adecuación de la escala al
fenómeno objeto de la medición y la calidad de la medida . 1

El desarrollo de un cuestionario es un proceso laborioso que puede

llevar meses antes de conseguir una versión definitiva que satisfaga
las expectativas previstas. Por esto, se debe tender a utilizar
cuestionarios que ya hayan demostrado su utilidad en otros estudios,
lo que, además, permite comparar resultados. Sin embargo, hay
ocasiones en las que es inevitable diseñar nuevos instrumentos, por
ejemplo, cuando los instrumentos existentes han mostrado resultados
poco satisfactorios o han demostrado su eficacia en medios de
aplicación distintos, o bien cuando no haya ningún cuestionario
adecuado para medir lo que se pretende medir. En estas circunstancias
se justifica el diseño de un nuevo cuestionario y la evaluación de su
utilidad antes de su aplicación. Los cuestionarios son instrumentos
diseñados para medir una serie de parámetros que, en muchas
ocasiones, son conceptos teóricos o abstractos. Estos objetos de
medición no directamente observables se denominan «constructos» . 2

Un cuestionario válido, como todo instrumento de medición, debe

reunir las siguientes características :
1

1. Ser sencillo, viable y aceptado por pacientes, usuarios e

investigadores (viabilidad).
2. Ser fiable y preciso, es decir, con mediciones libres de error
(fiabilidad).
3. Ser adecuado para el problema que se pretende medir (validez de
contenido).
4. Reflejar la teoría subyacente en el fenómeno o concepto que se
quiere medir (validez de constructo).
5. Ser capaz de medir cambios, tanto en los diferentes individuos
como en la respuesta de un mismo individuo a través del tiempo
(sensibilidad al cambio).
Mientras la fiabilidad y la validez son exigencias necesarias a todos
los instrumentos, la importancia de otras características psicométricas
depende del contexto. Por ejemplo, la sensibilidad al cambio es
importante si el instrumento se aplica como medida de respuesta en
los ensayos clínicos, pero no si se utiliza para un estudio sobre
opiniones o actitudes acerca de una enfermedad . 2

El análisis de las características métricas del instrumento es un

proceso complejo que implica la evaluación de la viabilidad,
fiabilidad, validez y sensibilidad al cambio (tabla 1).

Tabla 1. Características de los instrumentos de medición

Aspectos que se
Término Sinónimo deben considerar Técnica de análisis

Viabilidad Feasibility Tiempo empleado Estudio piloto

Claridad de
preguntas

Registro,
codificación

Interpretación de
resultados

Fiabilidad Reliability Consistencia interna Alfa de Cronbach

CCI, índice kappa, método

Intraobservador gráfico de Bland y Altman

CCI, índice kappa, método

Interobservador gráfico de Bland y Altman

Redacción de las
Validez Validity Lógica (face validity) preguntas

De contenido Opinión de expertos

De constructo Constructo análisis factorial

De criterio Pruebas diagnósticas

En función del diseño y

Sensibilidad al del tipo de cambio
cambio Responsiveness Intrínseca previsible

Extrínseca
CCI: coeficiente de correlación intraclase.

El objetivo de este trabajo es describir la metodología de estudio de la

viabilidad, fiabilidad y validez de los cuestionarios como escalas o
instrumentos de medición que permiten obtener y cuantificar datos
con el fin de poder comparar información. El análisis de la
sensibilidad al cambio no forma parte de este artículo.
Viabilidad
Los mejores instrumentos son inservibles si su aplicación resulta
difícil, compleja o costosa. Características como el tiempo empleado
en la cumplimentación, la sencillez y la amenidad del formato, el
interés, la brevedad y la claridad de las preguntas, así como la
facilidad de la corrección, el registro, la codificación y la
interpretación de los resultados son aspectos relacionados con la
viabilidad (feasibility). Esta característica se estudia mediante la
realización de un estudio piloto en un grupo de alrededor de 30
individuos y sus resultados pueden utilizarse para efectuar las
modificaciones oportunas al instrumento de medición.
Fiabilidad
La fiabilidad (reliability) es el grado con el que un instrumento mide
con precisión, sin error. La fiabilidad mide la proporción de variación
en las mediciones que es debida a la diversidad de valores que adopta
la variable y no es producto del error; es decir, la fiabilidad mide la
proporción de la variancia total atribuible a diferencias verdaderas
entre los sujetos . Un instrumento fiable es preciso, es decir,
2,3

proporciona mediciones libres de error. La variación que se debe a un

error puede obedecer a 2 tipos de errores:
1. Sistemático o sesgo: error que se produce de forma sistemática. Por
ejemplo, un evaluador puede puntuar siempre por debajo de los otros
evaluadores.
2. Aleatorio: error que se produce por factores debidos al azar. Por
ejemplo, por diferentes circunstancias, un evaluador puede dar algunas
veces puntuaciones superiores y otras veces, puntuaciones inferiores a
las correctas. El error aleatorio es el que más afecta la fiabilidad de un
instrumento.

La fiabilidad de un instrumento se valora mediante la consistencia

interna, la fiabilidad test-retest o intraobservador y la fiabilidad
interobservador.
I. Consistencia interna
Esta propiedad se refiere a la coherencia de los componentes del
instrumento de medición, es decir, se refiere a que los ítems que miden
un mismo atributo presenten homogeneidad entre ellos. Una escala
consistente garantiza que todos sus componentes o ítems midan un
solo constructo que es homogéneo. Si la escala tiene una elevada
consistencia interna, la suma de las puntuaciones puede representar la
medición de un único constructo con el que, en general, mantiene una
relación lineal.

Los cuestionarios se desarrollan para medir separadamente diferentes

componentes o dimensiones de un problema. Por ejemplo, un
cuestionario sobre salud puede estar dividido en preguntas sobre salud
física y mental; se espera que haya una buena concordancia entre las
distintas preguntas que miden un mismo componente. Por
consiguiente, si un cuestionario está compuesto por diferentes
subescalas, cada una de las cuales pretende medir una dimensión
diferente del mismo fenómeno, debe evaluarse la consistencia interna
de cada una de ellas . La consistencia interna de una escala de
2,3

valoración depende del número de ítems que componen el instrumento

y de la correlación media entre ellos, y se evalúa en una única
aplicación del instrumento mediante el método estadístico alfa de
Cronbach , con valores comprendidos entre 0 y 1, y que se interpreta
4

de forma similar a un coeficiente de correlación.

Por ejemplo, el índice AUSCAN (Australian/Canadian Osteoarthritis
Hand Index ‘Índice australiano/canadiense de la osteoartritis de
mano’) contiene 3 subescalas que evalúan el dolor (5 ítems), la rigidez
(1 ítem) y la capacidad funcional (9 ítems) de pacientes con
osteoartritis de las manos durante las 48 h previas. Las subescalas
pueden utilizarse de forma individual o sumarse para obtener una
única puntuación global. En un estudio se evaluó la consistencia
interna de la puntuación global y de las subescalas. El alfa de
Cronbach de la escala global fue de 0,96 mientras que los de las
subescalas de dolor y de capacidad funcional fueron de 0,93 y 0,94,
respectivamente .
5

II. Fiabilidad test-retest o intraobservador

La repetibilidad o fiabilidad test-retest se refiere a sí, cuando se
administra un cuestionario a la misma población en 2 ocasiones
diferentes en el tiempo, se obtienen resultados idénticos o similares;
por tanto, mide la estabilidad de las puntuaciones otorgadas por el
mismo evaluador en los mismos sujetos y con el mismo método en
momentos diferentes. Esta técnica comporta dificultades prácticas. Por
ejempo, si el tiempo transcurrido entre ambas aplicaciones es muy
largo, el fenómeno medido puede presentar variaciones, mientras que
si es demasiado breve puede haber un recuerdo de las respuestas
(efecto de aprendizaje). En ambos casos se obtiene una medición
distorsionada de la repetibilidad; además, algunos individuos pueden
no aceptar una segunda aplicación del cuestionario. Sin embargo, este
método es útil en variables bioquímicas o de laboratorio. Su análisis se
realiza mediante el coeficiente de correlación intraclase (CCI) para
escalas de medición cuantitativa y mediante el índice kappa de Cohen
para escalas de medición cualitativa .
6,7

Una limitación importante del CCI es su dependencia de la

variabilidad de los valores observados. Si los sujetos estudiados varían
poco en sus puntuaciones (muestra homogénea), el CCI tiende a ser
bajo, mientras que en muestras muy heterogéneas tiende a ser más
elevado. Bland y Altman propusieron un método gráfico alternativo
para evaluar la concordancia, de forma que el resultado no dependiera
de la naturaleza del grupo de estudio. Sin embargo, la estimación del
grado de acuerdo es subjetiva y no proporciona un índice objetivo
como el CCI .
8

III. Fiabilidad interobservador

Se refiere al grado de acuerdo que hay entre 2 o más evaluadores que
valoran a los mismos sujetos con el mismo instrumento. Los
problemas más importantes en el análisis de esta dimensión de la
fiabilidad son el error sistemático y la proporción de acuerdos que se
debe al azar. Los métodos estadísticos más utilizados para su
evaluación son los comentados en el apartado anterior.

En los últimos años la exploración ecográfica ha despertado un gran

interés como método de evaluación de la actividad o de la respuesta
terapéutica de diversas enfermedades reumáticas. En este sentido,
Szkudlarek et al publicaron un estudio de fiabilidad interobservador
de los hallazgos ultrasonográficos en articulaciones de los dedos de
pacientes con artritis reumatoide que fueron evaluados por 2
investigadores con distinta formación. Se analizaron distintos
parámetros (erosión ósea, engrosamiento de la membrana sinovial,
derrame articular y señal Power Doppler) que se puntuaron en una
escala semicuantitativa de 0 a 4, y también como presencia o ausencia
de cada alteración. Se calculó la fiabilidad interobservador para cada
parámetro mediante los 3 métodos estadísticos propuestos: CCI,
índice kappa y método gráfico de Bland y Altman. El CCI y el índice
kappa de los parámetros examinados mostraron una fiabilidad
moderada o buena (0,61 a 0,81 y 0,48 a 0,68) con un acuerdo global
elevado (del 79 al 91%) .
9

Validez
La validez de un instrumento se refiere a su capacidad para medir
aquello para lo que ha sido diseñado. Al igual que en el caso de la
fiabilidad, hay diferentes dimensiones de la validez de un instrumento:
una dimensión lógica o aparente, una de contenido, una de constructo
o concepto y una de criterio.
I. Validez lógica o aparente
La validez lógica o aparente se refiere al grado en que «parece» que
un cuestionario mide lo que quiere medir a juicio de los expertos y de
los propios sujetos. La decisión sobre si las preguntas deben tener o no
validez lógica ha de tomarse antes de iniciar su redacción. Si las
preguntas carecen de validez lógica es muy probable que los sujetos
estudiados rechacen contestar las preguntas. No obstante, en algunos
casos puede tener interés formular preguntas carentes de validez
lógica. Por ejemplo, cuando se intenta abordar temas muy sensibles o
conflictivos, la utilización de preguntas directas (con mucha validez
lógica) puede hacer que el sujeto no conteste o falsee la respuesta, por
lo que puede ser preferible realizar preguntas que aborden el tema de
forma más indirecta, con menor validez lógica .2

II. Validez de contenido

La validez de contenido es el grado en que la medición abarca la
mayor cantidad de dimensiones del concepto que se quiere estudiar;
por tanto, se considera que un instrumento es válido por su contenido
si contempla todos los aspectos relacionados con el concepto en
estudio. Esta dimensión de la validez se relaciona con la composición
del instrumento y valora si éste contiene una muestra representativa
(ítem) de los componentes del constructo que pretende medir. Supone
el examen sistemático del contenido de la herramienta de medición
para determinar si sus ítems son relevantes (si todos están
relacionados con el concepto que se quiere medir) y representativos
del dominio que se pretende medir (si representan las características
esenciales del constructo y si están en las proporciones adecuadas).

La evaluación de la validez de contenido se basa en juicios de

diferente procedencia (revisión de la literatura médica, opinión de
expertos, estudios piloto). Este proceder debe garantizar, de forma
empírica, que el contenido del instrumento sea adecuado.

Hay también otras formas de evaluar la validez de contenido, como el

análisis factorial que explora las respuestas a las preguntas del
cuestionario e intenta agruparlas en función de factores subyacentes
que identifican las posibles dimensiones.

La diferencia entre la validez aparente y la validez de contenido reside

en que la evaluación de esta última es un proceso más exhaustivo, y
quizás más formal, en el que deberían participar tanto investigadores y
médicos clínicos como miembros de la población diana.
III. Validez de constructo
Evalúa el grado en que el instrumento refleja la teoría del fenómeno o
del concepto que se quiere medir. La validez de constructo garantiza
que las mediciones que resulten de las respuestas del cuestionario
puedan ser consideradas y utilizadas como medición del fenómeno
estudiado. Se define, por tanto, como la capacidad de un instrumento
para medir adecuadamente un constructo teórico. La medición de
conceptos teóricos requiere una identificación previa del contenido de
los instrumentos que se utilizarán y la elaboración de un modelo
conceptual que ayude a interpretar los resultados obtenidos con estos
instrumentos.

La validación de constructo representa el grado en que una medición

se relaciona con otras mediciones de manera consistente con las
hipótesis teóricas que definen el fenómeno o constructo que se quiere
medir, y es una de las alternativas más frecuentes en caso de ausencia
de un criterio de referencia o criterio externo .
10

Un método muy utilizado para evaluar la validez de constructo es el

análisis factorial, que agrupa las respuestas en función de factores
subyacentes; por lo que en estos casos se la denomina validez
factorial. Mediante esta técnica, se analizan las interrelaciones
existentes entre un conjunto de variables para intentar explicarlas a
través de la extracción de los denominados factores.

Otro procedimiento más sencillo es examinar si el concepto en

cuestión se relaciona con otras mediciones de forma consistente a lo
esperable mediante análisis de regresión lineal o coeficientes de
correlación (validez convergente) . Por ejemplo, la valoración
2,10

ecográfica de la inflamación sinovial ha demostrado validez de

constructo, ya que en estudios transversales ha presentado buena
concordancia con los índices clínicos de actividad inflamatoria y en
estudios longitudinales se ha observado correlación entre los cambios
sinoviales ecográficos tras tratamiento y los cambios clínicos y
analíticos .
11

IV. Validez de criterio

En general, cuando se diseña un nuevo instrumento de medición se
dispone de algún método alternativo de medición del fenómeno
estudiado con validez demostrada, que se lo toma como referencia
para determinar la validez del nuevo instrumento. Siempre que se
disponga de un método de referencia adecuado se debe evaluar la
validez de criterio del nuevo cuestionario. Cuando se habla de validar
un cuestionario, los investigadores suelen referirse a la validez de
criterio. El criterio externo o criterio de referencia debe ser una
medición independiente, es decir, debe obtenerse por un método
diferente en el que no intervengan los resultados del cuestionario.

Éste es el tipo de validez al que generalmente se hace referencia

cuando se habla de validar un instrumento y debe seguir los siguientes
pasos: a) identificar un criterio externo relevante y fiable; b) conseguir
una muestra de sujetos representativa de la población en la que será
usado el instrumento; c) administrar el instrumento y obtener una
puntuación para cada sujeto, y d) evaluar a cada uno de los individuos
con el criterio externo de referencia. El prototipo de la validez de
criterio es el análisis de pruebas diagnósticas.
Análisis de pruebas diagnósticas
Se diseña un cuestionario o una escala para detectar la presencia o
ausencia de un determinado proceso. La escala en cuestión se
considera válida si clasifica a los sujetos según presenten o no el
proceso con pocos errores. Por esta razón, es importante determinar el
grado de similitud entre los resultados obtenidos en el cuestionario y
los obtenidos de un criterio externo de referencia fiable y ampliamente
aceptado como medida válida (siempre positivo en presencia del
proceso y siempre negativo en ausencia del mismo) del diagnóstico de
este proceso.

El criterio externo es un criterio dicotómico (presencia o ausencia de

enfermedad), mientras que la escala del cuestionario es una medición
continua. En estos casos hay que elegir un valor o un punto de corte a
partir del que se considerará que la cifra obtenida constituye un
resultado positivo en la escala. Al establecer este punto de corte se
puede clasificar a los sujetos en sanos o enfermos según si el valor
obtenido en la prueba es inferior o superior al del punto de corte o
umbral elegido. La clasificación generada al elegir un determinado
punto de corte comporta 2 tipos de errores: falsos positivos o sujetos
sanos diagnosticados como enfermos y falsos negativos o sujetos
enfermos diagnosticados como sanos . 11,12

El planteamiento del análisis de validez de una prueba diagnóstica se

inicia a partir de la construcción de una tabla de 2×2 (tabla 2).

Tabla 2. Análisis básico de una prueba diagnóstica

Resultado de la prueba Criterio externo de referencia
No enfermo Enfermo

Positivo FP VP

Negativo VN FN

TOTAL FP+VN VP+FN

FN: falso negativo; FP: falso positivo; VN: verdadero negativo; VP:
verdadero positivo.

La validez de una prueba diagnóstica se evalúa mediante los índices

de sensibilidad y de especificidad.

Sensibilidad
Se denomina sensibilidad (S) de una prueba diagnóstica a la
proporción de individuos con la enfermedad que tienen un test
positivo. Los test muy sensibles son aquellos que detectan a la
mayoría de los individuos enfermos (pocos falsos negativos). S =
Verdaderos positivos Total enfermos = VP VP + FN

Especificidad
Se denomina especificidad (E) de una prueba diagnóstica a la
proporción de individuos sin la enfermedad que tienen un resultado
negativo en la prueba. Las pruebas más específicas son aquellas que
descartan la enfermedad en la mayoría de los sujetos sanos (pocos
falsos positivos). E = Verdaderos negativos Total no enfermos = VN
VN + FP

En general, se considera que la prueba diagnóstica tiene una validez

aceptable si su sensibilidad y su especificidad son iguales o superiores
a 0,80 .
2,12,13

Cuando la prueba diagnóstica proporciona un resultado cuantitativo, la

sensibilidad y la especificidad dependen del punto de corte elegido, es
decir, del valor de la prueba a partir del que se considera que el sujeto
presenta un resultado positivo o negativo en el test. La decisión del
punto de corte debe ser cuidadosamente sopesada pues hay una
interdependencia entre la sensibilidad y la especificidad, de forma que
el incremento de una de ellas conlleva una disminución de la otra. A la
hora de elegir el punto de corte se debe tener en cuenta el objetivo
fundamental de la prueba.
Curvas de eficacia diagnóstica
Cuando los valores de una prueba diagnóstica siguen una escala
cuantitativa, la sensibilidad y la especificidad varían según el punto de
corte elegido para clasificar a la población como enferma o no
enferma; es decir, son índices de la validez de la prueba diagnóstica
para un determinado punto de corte. En esta situación, una medición
global de la validez de la prueba para el conjunto de todos los posibles
puntos de corte se obtiene mediante el uso de curvas ROC (receiver
operating characteristics‘curva de eficacia diagnóstica’) (fig. 1) . Para
14

construir la curva ROC es necesario calcular la sensibilidad y la

especificidad para todos los posibles puntos de corte. La sensibilidad
(S) o proporción de verdaderos positivos se sitúa en el eje de
ordenadas (Y) y en el eje de abscisas se coloca el complementario de
la especificidad (1-especificidad) o proporción de falsos positivos; la
curva ROC se dibuja uniendo los pares de valores (1-E; S)
correspondientes a cada punto de corte. El área bajo la curva (ABC) se
define como la probabilidad de clasificar correctamente a un par de
individuos (uno sano y uno enfermo) seleccionados al azar al
aplicarles la prueba. Este tipo de gráfico permite valorar 2 situaciones
extremas:

Figura 1. Curva de eficacia diagnóstica.

Una prueba con discriminación perfecta (S = 1; E = 1) estará

representada por una curva ROC situada a los lados izquierdo y
superior del gráfico.

Una prueba sin discriminación diagnóstica (la probabilidad de

diagnosticar correctamente tanto a un sujeto sano como a uno enfermo
será de 0,5; S = 0,5; E = 0,5) estará representada por la diagonal
principal del gráfico.

La curva ROC facilita la elección del punto de corte. En general, si el

coste de cometer un falso positivo es similar al de cometer un falso
negativo, el mejor punto de corte es el más próximo al ángulo superior
izquierdo del gráfico .
14

Comportamiento de una prueba diagnóstica

Además del estudio de la validez de una prueba diagnóstica, es
importante evaluar su comportamiento cuando se aplica en diferentes
contextos clínicos. Para esto, es preciso calcular los valores
predictivos y la eficiencia de la prueba:

Valor predictivo positivo

Es la proporción de sujetos con la enfermedad en el conjunto de
individuos con resultado positivo en la prueba. Es decir, es la
probabilidad de que un individuo con resultado positivo tenga la
enfermedad. VPP = Verdaderos positivos Total positivos = VP VP +
FP

Valor predictivo negativo

Es la proporción de sujetos sin la enfermedad en el conjunto de
individuos con resultado negativo en la prueba. Es decir, es la
probabilidad de que un individuo con resultado negativo no tenga la
enfermedad. VPN = Verdaderos negativos Total negativos = VN VN +
FP

Valor global o eficiencia

Es la proporción total de sujetos clasificados correctamente. VG =
Verdaderos positivos + Verdaderos negativos Total sujetos = VP + VN
VP + FP + VN + FN

Hay que tener en cuenta que los valores predictivos, tanto positivos
como negativos, son índices que dependen de la prevalencia o de la
probabilidad previa de la enfermedad, es decir, evalúan el
comportamiento de la prueba diagnóstica en una población con una
determinada proporción de sujetos sanos. La prevalencia es el factor
más determinante de los valores predictivos. Al ser características
intrínsecas de una medición, la sensibilidad y la especificidad no
experimentan grandes variaciones según el lugar en el que se
apliquen, siempre que se realice en condiciones similares. Por esta
razón, la predictividad de una medición no se puede evaluar sin
considerar la prevalencia de la enfermedad; si es alta, un resultado
positivo tiende a confirmar su presencia, mientras que si el resultado
es negativo no ayudará a excluirla. Por el contrario, cuando la
prevalencia es baja, un resultado negativo permite descartar la
enfermedad con un elevado margen de confianza, pero no permite
afirmar su existencia. En general, el valor predictivo positivo
disminuye a medida que la prueba diagnóstica se aplica a poblaciones
con prevalencia de enfermedad más baja. Esto se debe a que una
prueba que produce falsos positivos se aplica a una población de
sujetos mayoritariamente sanos, por lo que en esta situación es
relativamente fácil obtener muchos falsos positivos y, por tanto, el
valor predictivo para positivos disminuye .
15

Razones de probabilidad

Una forma de evitar la influencia de la prevalencia en la validez de

una prueba diagnóstica es la utilización de las llamadas razones de
verosimilitud (likelihood ratios) que relacionan la sensibilidad y la
especificidad en un solo índice, por lo que no varían con la
prevalencia del proceso.
Razón de verosimilitud para un resultado positivo
Se calcula al dividir la proporción de sujetos enfermos con resultado
positivo en la prueba (sensibilidad) por la proporción de sujetos no
enfermos, pero cuyo resultado también ha sido positivo (1-
especificidad). RV + = Sensibilidad 1 - Especificidad

Razón de verosimilitud para un resultado negativo

Es el cociente entre el complementario de la sensibilidad y la
especificidad. RV - = 1 - Sensibilidad Especificidad

De estos 2 índices, el más utilizado en la práctica es la razón de

verosimilitud para un resultado positivo, por lo que se lo conoce con
la denominación genérica de «razón de verosimilitud». Si, por
ejemplo, se obtiene una razón de verosimilitud de 8, este valor indica
que en el grupo de enfermos la probabilidad de encontrar un resultado
positivo en la prueba es 8 veces superior que en el grupo de no
enfermos.

Se considera que la razón de verosimilitud es una medida más para

valorar la validez de una prueba diagnóstica. Este índice cuenta con la
ventaja de relacionar la sensibilidad y la especificidad en una sola
medición y, por tanto, es independiente de la prevalencia del proceso.
Otra utilidad de la razón de verosimilitud es que también permite el
cálculo de los valores predictivos.

Con el fin de calcular la sensibilidad y la especificidad del eco

Doppler en el diagnóstico de la artritis de manos y muñecas y definir
un punto de corte para 2 índices de inflamación (el índice de
resistencia y la fracción de color), Terslev et al realizaron un estudio
sobre una muestra de 88 pacientes con artritis reumatoide activa y 27
controles sanos. Todos los individuos de la muestra fueron estudiados
con eco Doppler para calcular el índice de resistencia y la fracción de
color de las articulaciones de la muñeca (metacarpofalángicas e
interfalángicas proximales). Se construyeron curvas ROC para ambos
parámetros de inflamación y se seleccionaron los puntos de corte con
mayor sensibilidad y especificidad. El área bajo la curva fue de 0,84
para ambos índices. El punto de corte para la fracción de color fue de
0,01 con valores de sensibilidad y especificidad de 0,92 y 0,73,
respectivamente. En el caso del índice de resistencia, se eligió como
punto de corte el valor 0,83 con sensibilidad y especificidad de 0,72 y
de 0,70, respectivamente. Los autores concluyeron que el eco Doppler
puede detectar vascularización de la membrana sinovial inflamada con
elevada sensibilidad y moderada especificidad .16

Conclusión
La utilización de instrumentos de medición inadecuados o no válidos
puede producir resultados no fiables o confusos. En una revisión
sistemática de diferentes escalas de medición de la fatiga en la artritis
reumatoide, los autores encontraron que únicamente 6 de 23 escalas
presentaban pruebas de validez razonables. Los autores desarrollaron
una serie de preguntas para evaluar la validez de un cuestionario que
puede resultar de gran utilidad y que se presentan en la tabla 3 . 17

Tabla 3. Preguntas para evaluar la validez de un cuestionario

Previsible en una escala de
Concepto Pregunta fatiga adecuada

Validez

El lenguaje refleja las ideas del

Validez aparente ¿El método parece sensible? paciente sobre la fatiga

¿El origen de las preguntas se basa Los pacientes son el origen o los
Validez de contenido en los pacientes? revisores de las preguntas

P. ej., aspectos físicos,

¿Se han incluido todos los emocionales, cognitivos, gravedad,
ítems necesarios? consecuencias

¿Se han evitado todos los Ítems que se podrían confundir

ítems confusos? con discapacidad

¿Se ha comparado con un criterio Evaluado frente a otra escala de

Validez de criterio externo de fatiga? fatiga

P. ej., correlación moderada con

¿Converge con otras variables dolor, inflamación, estado de
Validez de constructo adecuadas? ánimo, anemia

Fiabilidad

Correlación interítem moderada

Consistencia interna ¿Es internamente consistente? o elevada

No se modifica en pacientes
Estabilidad ¿La escala es estable? estables

¿Cuánto tiempo tarda en

Viabilidad cumplimentarse? 10 a 15 min máximo

¿Es autorreferida o
administrada por un Es adecuado que las escalas
entrevistador? subjetivas sean autorreferidas

¿Es fácil de puntuar e

interpretar? Instrucciones claras