Existen muchos factores a tomar en cuenta cuando se trata de descubrir o determinar una nueva prueba diagnóstica para algún tipo de enfermedad que ya tiene un test o prueba aceptada por el gremio como la más segura y confiable.
Hay una serie de pruebas y cálculos a realizar para determinar si la nueva prueba es tan buena o mejor que la anterior.
La prueba ya aceptada se conoce como Gold Standard o Test de Referencia, entre otros.
El Test de Referencia o Gold Standard es la prueba considerada como la mejor alternativa diagnóstica existente para estudiar una determinada enfermedad o evento de interés en término de sensibilidad, especificidad y valores predictivos (conceptos que revisaremos más adelante en el presente post), es decir, se considera la mejor opción para identificar individuos con o sin la enfermedad o el evento en estudio.
Se preguntaran si ya existe una prueba confiable, por qué buscar otra. Puede ser por razones de costo, de tiempo, de recursos, incluso del dolor e incomodidad a la que debe someterse el paciente para la prueba o hasta de la facilidad de aplicación.
Entre los cálculos que debemos determinar para poder concluir que una prueba puede sustituir de manera correcta un Test de Referencia están la Sensibilidad y la Especificidad.
La Sensibilidad es la probabilidad de clasificar correctamente a un individuo enfermo, es
decir, la probabilidad de que para un sujeto enfermo se obtenga en la
prueba un resultado positivo. En otras palabras, la sensibilidad viene a ser la
capacidad del test para detectar la enfermedad. La fórmula para el cálculo es:
Sensibilidad=(VP)/(VP+FN)
Por otra parte la Especificidad es la probabilidad de clasificar correctamente a un individuo sano, es
decir, la probabilidad de que para un sujeto sano se obtenga un
resultado negativo. Es decir la capacidad para detectar a los individuos sanos. La fórmula en este caso es:
Especificidad=(VN)/(VN+FP)
Para que un estudio sea confiable en la etapa de análisis se debe determinar que el test fue utilizado en personas con la enfermedad que se quiere diagnosticar, pero también en personas sin la enfermedad, para poder verificar las tasas de falsos resultados positivos y falsos resultados negativos.
Asimismo se debe verificar que entre los pacientes estudiados se incluyeron todas las formas clínicas de la enfermedad. Es decir diferentes rangos de la enfermedad, para evitar obtener falsos resultados donde un método, un procedimiento o fármaco, funcione para formas leves, pero no para formas avanzadas de la enfermedad, o, en su defecto, que sea capaz de detectar cuando la enfermedad está muy avanzada, pero no cuando es incipiente.
Adicionalmente que el test en estudio debe ser comparado, no con cualquier prueba utilizada, sino con la que formalmente se considere en la comunidad médica como esándar de oro, es decir, la que sea considerada la mejor opción de diagnóstico.
No menos importante, se debe verificar que la prueba de oro fue aplicada a todos los participantes del estudio de manera independiente del resultado del test en estudio, para poder comparar de manera honesta y profesional la diferencia entre ambas.
También es importante evitar el sesgo clínico, por eso se recomienda que los analistas se mantengan al margen de que conjunto de resultados corresponde a cada prueba.
Es importante conocer ciertos cálculos que ayudan a determinar entonces, una vez hechas las dos pruebas en ambos grupos, y obtenido los resultados, que tan confiable es el test o fármaco que se está probando. Estos son:
El Valor Predictivo Positivo: que es la proporción de pacientes con test positivo que realmente tienen la enfermedad.
El Valor Predictivo Negativo que es la proporción de pacientes con test negativo que realmente no tienen la enfermedad.
En ambos casos, mientras más alto sean los valores predictivos, mejor el test que se está probando.
Adicionalmente se debe tomar en cuenta la Prevalencia de la enfermedad. Cuando la prevalencia de la enfermedad es baja, un resultado negativo
permitirá descartar la enfermedad con mayor seguridad, siendo así el
valor predictivo negativo mayor. Por el contrario, un resultado positivo
no permitirá confirmar el diagnóstico, resultando en un bajo valor
predictivo positivo.
Por otra parte está la razón de probabilidad, que constituye la comparación de proporciones entre individuos con la enfermedad y aquellos que no la tienen y que presentan un nivel dado de resultado en una prueba diagnóstica, sea ausencia o precencia.
La Razón de Probabilidad positiva o cociente de probabilidades positivo
se calcula dividiendo la probabilidad de un resultado positivo en los
pacientes enfermos entre la probabilidad de un resultado positivo entre
los sanos. En pocas palabras en función de la siguiente fórmula:
Por otra parte, la Razón de Probabilidad negativa o cociente de probabilidades negativo
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. O sea con la siguiente fórmula:
La razón de probabilidades ofrece la ventaja de que relaciona la
sensibilidad y la especificidad de una prueba en un solo índice. Además,
pueden obtenerse razones de probabilidad según varios niveles de una
nueva medida y no es necesario expresar la información de forma
dicotómica, como resultado de normal o anormal o bien positivo y
negativo. Por último, al igual que sucede con la sensibilidad y la
especificidad, no varía con la prevalencia. Esto permite utilizarlo como
índice de comparación entre diferentes pruebas para un mismo
diagnóstico.
--------------------------------
Agradecimientos:
Sackett
DL, Haynes RB, Guyatt GH, Tugwell P. Epidemiología clínica.
Dawson-Sauders B, Trapp RG. Bioestadística médica.
Gianella A. Análisis Crítico de un Estudio sobre Test Diagnóstico.
Friedman HH. Manual de diagnóstico médico.
Fescina RH, Simini F, Belitzky R. Evaluación de los procedimientos diagnósticos. Aspectos Metodológicos.
Flectcher RH, Fletcher SW, Wagner EH. Clinical epidemiology: the essentials.
