CochraneUK
Questo blog è stato scritto da Saul Crandon, un Academic Foundation Doctor all’Oxford University Hospitals NHS Foundation Trust e uno dei membri del Cochrane UK & Ireland Trainees Advisory Group (CUKI-TAG). Il blog spiega cosa intendiamo per – e come calcolare – ‘sensibilità’, ‘specificità’, ‘valore predittivo positivo’ e ‘valore predittivo negativo’ nel contesto della diagnosi della malattia.
Il processo diagnostico è una parte cruciale della pratica medica. Alcuni considerano il processo di diagnosi un’arte, come descritto dalla sua definizione Merriam Webster; “l’arte o l’atto di identificare una malattia dai suoi segni e sintomi” (1).
Per arrivare a una diagnosi, bisogna considerare una miriade di informazioni, spesso sotto forma di anamnesi (che descrive i sintomi che il paziente sta vivendo) e un esame clinico (che elicita i segni relativi al processo della malattia). Questo di solito fornisce un elenco ragionevole di diagnosi differenziali, che possono essere confermate o reputate con l’uso di test diagnostici. Questo può essere sotto forma di un prelievo di sangue, imaging radiologico, test delle urine e altro.
Ecco il punto cruciale: i test non sono mai accurati al 100%. Dobbiamo considerare le statistiche intorno ai test per determinare cosa fa un buon test e cosa fa un test non così buono.
Considerate il seguente esempio:
Un’azienda crea un test del sangue per la malattia X.
| Ha la malattia X | Non ha la malattia X | |
| Test del sangue POSITIVO | True Positives (TP) | Falso Positivi (FP) |
| Test del sangue NEGATIVO | Falso Negativi (FN) | Veri negativi (TN) |
Ora guardiamo la stessa tabella, inserendo alcuni valori con cui lavorare.
| Ha la malattia X | Non ha la malattia X | |
| Test del sangue POSITIVO | 134 | 7 |
| Test del sangue test NEGATIVO | 11 | 245 |
Sensibilità
La sensibilità è la percentuale di persone CON la malattia X che hanno un test del sangue POSITIVO. Un test che è sensibile al 100% significa che tutti gli individui malati sono correttamente identificati come malati, cioè non ci sono falsi negativi. È importante notare che, poiché il calcolo coinvolge tutti i pazienti con la malattia, non è influenzato dalla prevalenza della malattia.
“Se ho la malattia X, qual è la probabilità che io sia positivo al test?
Matematicamente, questo è espresso come:
Sensibilità = Positivi veri / (Positivi veri + Falsi negativi)
In altre parole, il test del sangue dell’azienda ha identificato il 92,4% delle persone CON la malattia X.
Un test sensibile è usato per escludere una malattia, poiché raramente sbaglia a classificare quelle CON una malattia come sane. Un esempio di test altamente sensibile è il D-dimero (misurato con un esame del sangue). In pazienti con una bassa probabilità pre-test, un test D-dimero negativo può escludere accuratamente un trombo (coagulo di sangue).
Specificità
La specificità è la proporzione di persone SENZA malattia X che hanno un test del sangue NEGATIVO. Un test che è specifico al 100% significa che tutti gli individui sani sono correttamente identificati come tali, cioè non ci sono falsi positivi.
“Se non ho la malattia X, qual è la probabilità che io risulti negativo al test?”
Matematicamente, questo è espresso come:
Specificità = veri negativi / (veri negativi + falsi positivi)
In altre parole, il test del sangue dell’azienda ha identificato il 97,2% delle persone SENZA la malattia X.
Un test specifico è usato per escludere una malattia, poiché raramente sbaglia a classificare come malati quelli SENZA una malattia. Un test perfettamente specifico significa quindi che nessun individuo sano viene identificato come malato.
Misure aggiuntive
Possiamo fare un passo avanti. Il valore predittivo dei test può essere calcolato con concetti statistici simili. Per semplicità, continueremo ad usare l’esempio di cui sopra riguardo ad un esame del sangue per la malattia X.
Valore predittivo positivo
Il valore predittivo positivo (PPV) è la proporzione di coloro che hanno un esame del sangue POSITIVO che hanno la malattia X.
“Se ho un esame positivo, qual è la probabilità che io abbia la malattia X?”
PPV = Veri Positivi / (Veri Positivi + Falsi Positivi)
In altre parole, l’esame del sangue ha identificato il 95% delle persone con un esame del sangue POSITIVO, come aventi la malattia X.
Poiché il calcolo per PPV e NPV include individui con e senza la malattia, è influenzato dalla prevalenza della malattia in questione. Pertanto è necessario assicurarsi che venga utilizzata la stessa popolazione (o che l’incidenza della malattia sia la stessa tra le popolazioni) quando si confrontano PPV e NPV per diversi test.
Valore predittivo negativo
Il valore predittivo negativo (NPV) è la proporzione di coloro che hanno un esame del sangue NEGATIVO che non hanno la malattia X.
“Se ho un test negativo, qual è la probabilità che io non abbia la malattia X”
NPV = veri negativi / (veri negativi + falsi negativi)
In altre parole, l’esame del sangue ha identificato il 95,7% delle persone con un esame del sangue NEGATIVO, come non aventi la Malattia X.
Nota
L’esempio utilizzato in questo articolo rappresenta un test fittizio con una sensibilità, specificità, valori predittivi positivi e negativi molto alti. Negli scenari reali, è spesso impegnativo creare un test con la massima precisione in tutte e quattro le aree e spesso i miglioramenti in un’area sono soggetti a sacrificare la precisione in altre aree.
Sommario
I test diagnostici sono una componente fondamentale della pratica medica efficace. Ora dovresti sentirti a tuo agio con i concetti che stanno dietro ai test clinici binari. Sia la sensibilità e la specificità che i valori predittivi positivi e negativi sono metriche importanti quando si parla di test. Se volete approfondire questo argomento, vi consigliamo di iniziare con le curve ROC (Receiver Operating Characteristic). Questo concetto va oltre lo scopo di questo articolo, ma spiegazioni dettagliate possono essere trovate qui (2).
Se hai trovato questo articolo utile, sentiti libero di condividerlo e tieni d’occhio altri blog del Cochrane UK and Ireland Trainee Group (CUKI-TAG).
1. Merriam-Webster.com. Diagnosi . Disponibile da: https://www.merriam-webster.com/dictionary/diagnosis
2. Abdul Ghaaliq Lalkhen, Anthony McCluskey, Test clinici: sensibilità e specificità, Continuing Education in Anaesthesia Critical Care & Pain, Volume 8, Issue 6, December 2008, Pages 221-223. https://doi.org/10.1093/bjaceaccp/mkn041
L’autore: Saul Crandon
Saul è un medico accademico presso la Oxford University Hospitals NHS Foundation Trust. Ha un forte interesse per l’imaging medico e la promozione della medicina basata sull’evidenza, in particolare tra gli studenti e altri medici junior. Spera di coltivare questo interesse facendo parte del comitato del Cochrane UK & Ireland Trainees Advisory Group (CUKI-TAG). Leggi la sua biografia completa, e le biografie degli altri membri del CUKI-TAG, qui.