PRUEBAS DIAGNÓSTICAS (II): VALORES PREDICTIVOS
En la entrada previa hicimos un sucinto repaso de lo que es la sensibilidad y la especificidad de una prueba diagnóstica. La idea central es, para nosotros, que la alta sensibilidad determina que la prueba es adecuada para descartar la condición a estudio; en cambio, la especificidad elevada nos dice que la prueba es adecuada para confirmar la condición a estudio. Esto nos da una idea de cuan adecuada es una prueba para una condición cuya presencia o ausencia se conoce.
En la práctica clínica el proceso es distinto. Partimos de un usuario o paciente del que queremos saber si tiene o no una condición o enfermedad. Es decir, el condicionante es el resultado de una prueba (positivo o negativo) del que tengo que saber si eso implica la tenencia o no de la condición. Por poner un ejemplo, si tenemos un paciente con dolor de rodilla podemos intentar determinar si se debe a un problema meniscal con la prueba de McMurray. Usamos esta u otra prueba si se ha constatado su validez en el correspondiente estudio y queremos responder a la cuestión «¿si da positivo en la prueba tiene una meniscopatía?»
Los VALORES PREDICTIVOS pretenden lo que en realidad hacemos, valorar si una prueba (de la que conocemos sensibilidad y especificidad) me permite conocer la probabilidad de que el usuario tenga o no una condición (enfermedad, alergia, intolerancia al ejercicio, etc.), dependiendo de si el resultado para la misma es positivo o negativo. El matiz, nada baladí, es que ahora partimos de una probabilidad preexamen. Este es el cálculo que el clínico hace de probabilidad de que su paciente tenga la condición a estudio en base a la prevalencia poblacional, hallazgos físicos o de la anamnesis, por ejemplo. Con ese dato en mente calculamos la relación entre los verdaderos positivos (enfermos que detectaría la prueba según su sensibilidad) y el total de positivos. Este es el valor predictivo positivo (VPP) o número de positivos reales del total de positivos. En términos matemáticos el VPP es igual al cociente entre los verdaderos positivos y la suma de los verdaderos positivos (VP) y los falsos positivos (FP):
- VPP= VP/(VP+FP)
Igualmente calculamos la relación entre los verdaderos negativos (sanos que detectaría la prueba según su especificidad) y el total de negativos. Este es el valor predictivo negativo (VPN) o número de negativos reales del total de negativos. En términos matemáticos el VPN es igual al cociente entre los verdaderos negativos y la suma entre los verdaderos negativos (VN) y los falsos negativos (FN):
- VPN= VN/(VN+FN)
Recordemos, para el cálculo de los valores predictivos partimos de datos de sensibilidad y especificidad de una prueba diagnóstica (que no dependen de población/paciente/usuario al que se aplican) y de una prevalencia o probabilidad preexamen (que es diferente para cada paciente o población).
Los valores predictivos positivo y negativo pueden ser muy distintos entre sí y, además, muy distintos a la sensibilidad y especificidad de la prueba. A mayor prevalencia de la condición a estudio mayor valor predictivo positivo. Se entiende más fácil si pensamos que al haber muchos enfermos en la población habrá más verdaderos positivos al hacer la prueba. De igual modo, a menor prevalencia de la condición en la población que tratamos mayor valor predictivo negativo. Se entiende más fácil si pensamos que al haber pocos enfermos en la población habrá más verdaderos negativos al hacer la prueba.
Esto supone un inconveniente en la práctica clínica, pues los valores predictivos dependen de la población que atendemos, del tipo de paciente o usuario. En una instalación deportiva siempre serán más frecuentes determinadas lesiones, en comparación con una clínica «generalista»; en una población de edad avanzada pueden darse determinadas patologías poco presentes en población joven. Pensemos también que la probabilidad de una condición depende del examen físico y de la anamnesis. Entonces, los valores de probabilidad preexamen varían y, con ello, los valores predictivos ante la misma prueba. Sólo nos serán útiles los valores predictivos de una prueba dada en la medida en que esos valores de probabilidad preexamen (los que vienen reportados en los estudios de la prueba en cuestión) coincidan con los que estimamos para nuestro paciente. Para resolver este problema echamos mano del cociente de probabilidades. Pero por ahora es suficiente, ¿no?
Siguiente entrada de la serie.
Para saber más:
- Entrada de Cienciasinseso.com: El dilema del vigilante. Con precisión, claridad y humor nos hace un repaso de lo que nosotros hemos tratado de explicar en esta entrada y la previa.
- Vídeo con un claro ejemplo de la influencia de la prevalencia en los valores predictivos (en inglés)