Capitulo 24
Uso e interpretación de pruebas
diagnosticas
Objetivo
El estudiante analizara los
principales conceptos del desempeño de las pruebas diagnósticas y su aplicación
en el proceso de razonamiento clínico.
La real academia española de la
lengua define el diagnostico como el arte o acto de conocer la naturaleza de
una enfermedad mediante la observación de sus signos y síntomas y el diccionario
Webster agrega que es la decisión u opinión resultante de un examen o investigación.
Según Gaarder, el diagnóstico es para el medico un objetivo ideal, mientras que
para el paciente significa disminuir la incertidumbre de saber que está enfermo.
Este proceso consta de dos
etapas. La primera se establece la presunción o sospecha de la presencia de una
enfermedad. Le segunda se ocupa de dar seguimiento o probar que la hipótesis
inicial corresponda a la verdad.
El medico cuenta con una amplia
gama de fuentes de información, desde la anamnesis, el examen físico, la información
epidemiológica y los resultados de las pruebas diagnósticas.
Las pruebas diagnósticas son
cualquier proceso que pretenda determinar en un paciente la presencia de
ciertas condiciones, supuestamente patológicas, que no pueden observarse de
manera directa.
Desarrollo
En una buena prueba diagnóstica
es importante buscar que esta cumpla ciertas condiciones para que ofrezca
resultados positivos en los pacientes que si están enfermos.
Estas condiciones podemos
dividirlas en:
Validez
Reproductividad
Seguridad
Sensibilidad y especificidad
Miden la discriminación
diagnostica de una prueba en relación con los resultados positivos y negativos.
Un resultado positivo se relaciona con una paciente enferma y un resultado
negativo con un paciente sano.
La sensibilidad indica la
capacidad de una prueba para detectar a un paciente enfermo.
Sensibilidad = verdaderos positivos/
total de enfermos = a/a+c
La especificidad demuestra la
capacidad de una prueba identificar a los sujetos sanos:
Especificidad = verdaderos negativos/
total de enfermos = b/b+d
Valores predictivos
El valor predictivo positivo
permite medir la probabilidad de que una persona está enferma si la prueba
resulta positiva
Valor predictivo = verdaderos positivos/
total de positivos = vp/vp+fp = a/a+b
Likelihood ratios (LR)
La sensibilidad, la especificidad
y los valores predictivos tiene el inconveniente de que no pueden utilizarse
para comparar dos pruebas diagnósticas y que no son tan confiables al momento
de extrapolar los resultados a datos propios, sobre todo por la prevalencia de
la enfermedad en la población que se estudió.
El LR positivo, o cociente de
probabilidad de un resultado positivo en pacientes enfermos entre la
probabilidad de un resultado positivo en los sanos ¿Cuántas veces es más
probable que la prueba sea positiva en los enfermos que en los sanos?
LR (+) = sensibilidad/1- especificidad
Una de las grandes ventajas de
los LR es que mediante el uso de la probabilidad previa podemos determinar la probabilidad
posterior de enfermedad.
Una herramienta útil es el
nomograma de Fagun (1975).
Mientras que los valores de los
LR se alejan de 1 hacia el infinito (en RL+) o hacia 0 (en LR-), mejor será el consciente
y más útil la prueba.
Curvas de rendimiento diagnostico
(ROC)
En estos casos es importante determinar
un punto de corte, que será el valor por encima del cual se considera una
prueba como positiva. Para ello pueden utilizarse las curvas de rendimiento
diagnostico
Estas curvas son una expresión gráfica
en la que se observa un conjunto de pares que corresponde cada una a un
distinto nivel de decisión.
En el eje y se expone la
sensibilidad o fracción de verdaderos positivos y en el eje X se exponen los
falsos positivos o 1-especificidad.
Las ventajas que las curvas de
ROC ofrecen es que son fáciles de interpretar visualmente, son independientes
de la prevalencia y permiten la comparación entre pruebas en una escala común.
No hay comentarios:
Publicar un comentario