CochraneUK
Este blog foi escrito por Saul Crandon, um médico da Fundação Acadêmica do Oxford University Hospitals NHS Foundation Trust e um dos membros do Cochrane UK & Ireland Trainees Advisory Group (CUKI-TAG). O blog explica o que queremos dizer com – e como calcular – ‘sensibilidade’, ‘especificidade’, ‘valor preditivo positivo’ e ‘valor preditivo negativo’ no contexto do diagnóstico de doenças.
O processo de diagnóstico é uma parte crucial da prática médica. Alguns consideram o processo de diagnóstico uma arte, como descrito pela sua definição de Merriam Webster; “a arte ou acto de identificar uma doença a partir dos seus sinais e sintomas” (1).
Para se chegar a um diagnóstico, deve-se considerar uma miríade de informações, muitas vezes na forma da história (que descreve os sintomas que o paciente está experimentando) e um exame clínico (que elucida os sinais relacionados com o processo da doença). Isto geralmente fornece uma lista sensata de diagnósticos diferenciais, que podem ser confirmados ou reputados com o uso de testes diagnósticos. Isso pode ser na forma de uma amostra de sangue, imagens radiológicas, exame de urina e muito mais.
Aqui está o ponto crucial; os testes nunca são 100% precisos. Devemos considerar as estatísticas em torno dos testes para determinar o que faz um bom teste e o que faz um teste não tão bom.
Consulte o seguinte exemplo:
Uma empresa cria um teste de sangue para a Doença X.
| A Doença X | Não tem Doença X | |
| Positivo do teste de sangue | Positivos verdadeiros (TP) | Falso Positivos (FP) |
| Teste de dilatação NEGATIVO | Negativos falsos (FN) | Negativos verdadeiros (TN) |
Agora vamos ver a mesma tabela, inserindo alguns valores com os quais trabalhar.
| > | A Doença X | Não tem Doença X |
| Teste de Inflamação POSITIVO | 134 | 7 |
| Inflamação teste NEGATIVO | 11 | 245 |
Sensibilidade
Sensibilidade é a proporção de pessoas COM Doença X que têm um teste de sangue POSITIVO. Um teste que é 100% sensível significa que todos os indivíduos doentes são correctamente identificados como doentes, ou seja, não existem falsos negativos. O mais importante, como o cálculo envolve todos os pacientes com a doença, ele não é afetado pela prevalência da doença.
“Se eu tiver a Doença X, qual é a probabilidade de eu dar positivo para ela?”
Matematicamente, isto é expresso como:
Sensibilidade = Positivos Verdadeiros / (Positivos Verdadeiros + Negativos Falsos)
Em outras palavras, o exame de sangue da empresa identificou 92,4% daqueles COM uma doença X.
Um teste sensível é usado para excluir uma doença, pois raramente classifica erroneamente aqueles COM uma doença como sendo saudáveis. Um exemplo de um teste altamente sensível é o D-dímero (medido usando um teste de sangue). Em pacientes com uma probabilidade pré-teste baixa, um teste D-dímero negativo pode excluir com precisão um trombo (coágulo sanguíneo).
Especificidade
Especificidade é a proporção de pessoas SEM a doença X que têm um teste de sangue NEGATIVO. Um teste que é 100% específico significa que todos os indivíduos saudáveis são correctamente identificados como saudáveis, ou seja, não há falsos positivos.
“Se eu não tenho a doença X, qual é a probabilidade de eu dar negativo para ela?”
Matematicamente, isto é expresso como:
Específica = Negativos Verdadeiros / (Negativos Verdadeiros + Positivos Falsos)
Em outras palavras, o exame de sangue da empresa identificou 97,2% daqueles SEM a doença X.
Um exame específico é usado para decidir em uma doença, pois raramente classifica erroneamente aqueles SEM a doença como estando doentes. Um teste perfeitamente específico significa que nenhum indivíduo saudável é identificado como doente.
Medidas adicionais
Podemos levar isto um passo adiante. O valor preditivo dos testes pode ser calculado com conceitos estatísticos semelhantes. Para simplificar, continuaremos a usar o exemplo acima em relação a um teste de sangue para a doença X.
Valor Preditivo Positivo
Valor Preditivo Positivo (PPV) é a proporção daqueles com um teste de sangue POSITIVO que têm a doença X.
>
“Se eu tiver um teste positivo, qual é a probabilidade de eu ter a doença X?”
>
PPV = Positivos verdadeiros / (Positivos verdadeiros + Positivos falsos)
Em outras palavras, o exame de sangue identificou 95% daqueles com um exame de sangue POSITIVO, como tendo a doença X.
Como o cálculo para VPP e VNP inclui indivíduos com e sem a doença, ela é afetada pela prevalência da doença em questão. Portanto, é necessário garantir que a mesma população seja utilizada (ou que a incidência da doença seja a mesma entre as populações) ao comparar o VPP e o VNP para testes diferentes.
Valor Preditivo Negativo
Valor Preditivo Negativo (VNP) é a proporção daqueles com um teste sanguíneo NEGATIVO que não têm a Doença X.
“Se eu tiver um teste negativo, qual é a probabilidade de eu não ter a Doença X”
NPV = Negativos Verdadeiros / (Negativos Verdadeiros + Negativos Falsos)
Em outras palavras, o exame de sangue identificou 95,7% daqueles com exame de sangue NEGATIVO, como não tendo doença X.
Nota
O exemplo usado neste artigo retrata um teste fictício com uma sensibilidade muito alta, especificidade, valores preditivos positivos e negativos. Em cenários reais, muitas vezes é desafiador criar um teste com a máxima precisão nas quatro áreas e muitas vezes as melhorias em uma área estão sujeitas a sacrificar a precisão em outras áreas.
Sumário
Testes de diagnóstico são um componente fundamental da prática médica eficaz. Agora você deve se sentir confortável com os conceitos por trás dos testes clínicos binários. Tanto a sensibilidade e especificidade como os valores preditivos positivos e negativos são métricas importantes ao discutir os testes. Se você quiser ler mais sobre este tópico, recomendamos começar com as curvas de Característica Operacional do Receptor (ROC). Este conceito está além do escopo deste artigo, mas explicações detalhadas podem ser encontradas aqui (2).
Se você achou este artigo útil, sinta-se à vontade para compartilhá-lo e ficar de olho em outros blogs do Cochrane UK e Irlanda Trainee Group (CUKI-TAG).
1. Merriam-Webster.com. Diagnóstico . Disponível em: https://www.merriam-webster.com/dictionary/diagnosis
2. Abdul Ghaaliq Lalkhen, Anthony McCluskey, Clinical tests: sensitivity and specificity, Continuing Education in Anaesthesia Critical Care & Pain, Volume 8, Issue 6, December 2008, Páginas 221-223. https://doi.org/10.1093/bjaceaccp/mkn041
O Autor: Saul Crandon
>
Saul é médico da Fundação Académica do NHS Foundation Trust dos Hospitais da Universidade de Oxford. Ele tem um forte interesse em imagens médicas e na promoção da medicina baseada em evidências, particularmente entre estudantes e outros médicos juniores. Ele espera aumentar este interesse participando do comitê da Cochrane UK & Ireland Trainees Advisory Group (CUKI-TAG). Leia esta biografia completa, e as biografias dos outros membros do CUKI-TAG, aqui.