Descargar el PDFDescargar el PDFX
How.com.vn es un "wiki", lo que significa que muchos de nuestros artículos están escritos por varios autores. Para crear este artículo, 9 personas, algunas anónimas, han trabajado para editarlo y mejorarlo con el tiempo.
Este artículo ha sido visto 67 783 veces.
En cualquier prueba particular que apliquemos a una población específica, es importante calcular la sensibilidad[1], la especificidad[2], el valor predictivo positivo[3] y el valor predictivo negativo[4], ya que esto nos permite determinar qué tan útil es la prueba para detectar una enfermedad o característica en la población específica. Si deseamos analizar una característica particular en una muestra de la población, debemos tener en cuenta:
- ¿Qué probabilidad hay de que la prueba detecte la presencia de una característica en alguien con la característica (sensibilidad)?
- ¿Qué probabilidad hay de que la prueba detecte la ausencia de una característica en alguien sin la característica (especificidad)?
- ¿Qué probabilidad hay de que alguien con un resultado positivo en la prueba tenga realmente la característica (valor predictivo positivo)?
- ¿Qué probabilidad hay de alguien con un resultado negativo en la prueba no tenga realmente la característica (valor predictivo negativo)?
Es muy importante calcular estos valores para determinar si una prueba es útil para medir una característica particular en una población específica. Aquí te mostraremos cómo calcularlos.
Pasos
Define la muestra de la población, p. ej., 1000 pacientes de una clínica.
Define la enfermedad o característica que te interesa analizar, p. ej., la sífilis.
Utiliza una prueba estándar de alta precisión que esté consolidada para determinar la prevalencia de la enfermedad o característica, p. ej., la documentación microscópica de campo oscuro sobre la presencia de la bacteria Treponema pallidum en los raspados de una úlcera sifílica, junto con hallazgos clínicos sobre el tema. Además, usa la prueba estándar de alta precisión para determinar quién presenta la característica y quién no. Como ejemplo, digamos que hay 100 personas que la padecen y 900 que no.
Escoge una prueba que te interese y te permita determinar su sensibilidad, especificidad, valor predictivo positivo y valor predictivo negativo para esta población y aplícala en todas las personas que conforman tu muestra seleccionada. Por ejemplo, puedes escoger la prueba de reagina plasmática rápida (RPR) que detecta la sífilis y usarla en las 1000 personas de tu muestra.
Cuando analices al grupo de personas que presentan las características (según lo determinado por la prueba estándar de alta precisión), anota cuántas personas dieron resultado positivo y cuántas, negativo. Haz lo mismo cuando analices al grupo de personas que no presentan la característica (según lo determinado por la prueba estándar de alta precisión). Al final, obtendrás cuatro cantidades. Las personas que tienen la característica Y dieron resultado positivo son los verdaderos positivos (VP). Las personas que tienen la característica Y dieron resultado negativo son los falsos negativos (FN). Las personas que no tienen la característica Y dieron resultado positivo son los falsos positivos (FP). Las personas que no tienen la característica Y dieron resultado negativo son los verdaderos negativos (VN). Por ejemplo, supongamos que aplicaste la prueba RPR a los 1000 pacientes. De los 100 pacientes con sífilis, 95 de ellos dieron resultado positivo y 5, negativo. De los 900 pacientes sin sífilis, 90 dieron resultado positivo y 810, negativo. En este caso, VP=95, FN=5, FP=90 y VN=810.
Para calcular la sensibilidad, divide VP entre (VP+FN). En el caso anterior, obtendríamos 95/(95+5)= 95%. La sensibilidad nos permite conocer qué probabilidad hay de que la prueba dé resultado positivo para alguien que presenta la característica. Dicho de otro modo, ¿de todas las personas que tienen la característica, qué proporción dará resultado positivo? Si obtenemos 95%, entonces la sensibilidad es bastante buena.
Para calcular la especificidad, divide VN entre (FP+VN). En el caso anterior, obtendríamos 810/(90+810)= 90%. La especificidad nos permite saber qué probabilidad hay de que la prueba dé resultado negativo para alguien que no tiene la característica. En otras palabras, ¿de todas las personas sin la característica, qué proporción dará resultado negativo? Si obtenemos 90%, entonces la especificidad es bastante buena.
Para calcular el valor predictivo positivo (VPP), divide VP entre (VP+FP). En el caso anterior, obtendríamos 95/(95+90)= 51.4%. El valor predictivo positivo nos permite conocer qué probabilidad hay de que alguien tenga la característica si da resultado positivo en la prueba. Dicho de otro modo, ¿de todas las personas que dieron resultado positivo en la prueba, qué proporción realmente tiene la característica? Si obtenemos 51.4% como VPP, ello significa que una persona que dé resultado positivo en la prueba, tiene un 51.4% de probabilidad de tener realmente la enfermedad.
Para calcular el valor predictivo negativo (VPN), divide VN entre (VN+FN). En el caso anterior, obtendríamos 810/(810+5)= 99.4%. El valor predictivo negativo nos permite saber qué probabilidad hay de que alguien no tenga la característica si da resultado negativo en la prueba. En otras palabras, ¿de todas las personas que dieron resultado negativo en la prueba, qué proporción no tiene realmente la característica? Si obtenemos 99.4% como VPN, ello significa que una persona que dé resultado negativo en la prueba, tiene un 99.4% de probabilidad de no tener la enfermedad.Anuncio
Consejos
- La precisión o eficiencia es el porcentaje de los resultados de la prueba que han sido identificados correctamente, es decir, (verdaderos positivos + verdaderos negativos)/resultados totales de la prueba = (VP+VN)/(VP+VN+FP+FN).
- Las pruebas con una buena capacidad de detección poseen una alta sensibilidad porque te permiten registrar a todos aquellos que presentan la característica. Además, las pruebas con gran sensibilidad son muy útiles para descartar enfermedades o características si dan resultado negativo en la prueba. ("SNOUT": SeNsitivity-rule OUT)
- Puedes dibujar una tabla de 2x2 para hacer más fácil el cálculo.
- Las pruebas con una buena confirmación tienen una alta especificidad porque permiten que tu prueba sea específica y que no etiquete erróneamente a aquellos que no presentan la característica como si la tuvieran. Las pruebas con gran especificidad son útiles para descartar enfermedades o características si dan resultado positivo. ("SPIN": SPecificity-rule IN)
- Recuerda que la sensibilidad y la especificidad son propiedades intrínsecas de una prueba particular y no dependen la población específica, es decir, estos dos valores deberían mantenerse constantes cuando la misma prueba se aplica a poblaciones diferentes.
- Por otro lado, el valor predictivo positivo y el valor predictivo negativo dependen de la prevalencia de la característica en una población específica. Mientras la característica sea más rara, el valor predictivo positivo será más bajo y el valor predictivo negativo será más alto (porque la probabilidad de la prueba preliminar es baja para una característica rara). Al contrario, cuanto más común sea la característica, el valor predictivo positivo será más alto y el valor predictivo negativo será más bajo (porque la probabilidad de la prueba preliminar es alta para una característica común).
- Esfuérzate por comprender bien estos conceptos.
Anuncio
Advertencias
- Es fácil cometer errores por descuido durante el cálculo. Por eso, revisa cuidadosamente las operaciones matemáticas que haces. Te ayudará bastante dibujar una tabla de 2x2.
Anuncio
Referencias
- ↑ http://en.wikipedia.org/wiki/Sensitivity_and_specificity
- ↑ http://en.wikipedia.org/wiki/Sensitivity_and_specificity
- ↑ http://en.wikipedia.org/wiki/Positive_predictive_value
- ↑ http://en.wikipedia.org/wiki/Negative_predictive_value
- http://wiki.medpedia.com/Sensitivity_and_Specificity
- http://findarticles.com/p/articles/mi_m0689/is_1_53/ai_112592269/
- http://www.rlo-cetl.ac.uk:8080/open_virtual_file_path/i2529n8103t/index.html
Acerca de este How.com.vn
Esta página ha recibido 67 783 visitas.
¿Te ayudó este artículo?
⚠️ Disclaimer:
Content from Wiki How Español language website. Text is available under the Creative Commons Attribution-Share Alike License; additional terms may apply.
Wiki How does not encourage the violation of any laws, and cannot be responsible for any violations of such laws, should you link to this domain, or use, reproduce, or republish the information contained herein.
- - A few of these subjects are frequently censored by educational, governmental, corporate, parental and other filtering schemes.
- - Some articles may contain names, images, artworks or descriptions of events that some cultures restrict access to
- - Please note: Wiki How does not give you opinion about the law, or advice about medical. If you need specific advice (for example, medical, legal, financial or risk management), please seek a professional who is licensed or knowledgeable in that area.
- - Readers should not judge the importance of topics based on their coverage on Wiki How, nor think a topic is important just because it is the subject of a Wiki article.
Anuncio
