CochraneUK
Acest blog a fost scris de Saul Crandon, medic universitar la Oxford University Hospitals NHS Foundation Trust și unul dintre membrii Grupului consultativ al stagiarilor Cochrane UK & Ireland Trainees Advisory Group (CUKI-TAG). Blogul explică ce înțelegem prin – și cum se calculează – „sensibilitate”, „specificitate”, „valoare predictivă pozitivă” și „valoare predictivă negativă” în contextul diagnosticării bolilor.
Procesul de diagnosticare este o parte crucială a practicii medicale. Unii consideră procesul de diagnosticare o artă, așa cum este descrisă de definiția sa Merriam Webster; „arta sau actul de a identifica o boală din semnele și simptomele sale” (1).
Pentru a ajunge la un diagnostic, trebuie să se ia în considerare o multitudine de informații, adesea sub forma anamnezei (care descrie simptomele pe care le are pacientul) și a unui examen clinic (care eliberează semnele legate de procesul bolii). Acest lucru oferă, de obicei, o listă sensibilă de diagnostice diferențiale, care pot fi confirmate sau infirmate cu ajutorul testelor de diagnosticare. Acesta poate fi sub forma unei prelevări de sânge, imagistică radiologică, teste de urină și multe altele.
Aici este punctul nevralgic; testele nu sunt niciodată 100% precise. Trebuie să luăm în considerare statisticile din jurul testelor pentru a determina ce face un test bun și ce face un test mai puțin bun.
Considerați următorul exemplu:
O companie creează un test de sânge pentru boala X.
| Are boala X | Nu are boala X | |
| Test de sânge POSITIV | True Positives (TP) | False Pozitive (FP) |
| Test de sânge NEGATIV | Fals Negative (FN) | Verificate negative (TN) |
Acum să ne uităm la același tabel, inserând câteva valori cu care să lucrăm.
| Are boala X | Nu are boala X | |
| Test de sânge POSITIV | 134 | 7 |
| Sânge test de sânge NEGATIV | 11 | 245 |
Sensibilitate
Sensibilitatea este proporția de persoane CU boala X care au un test de sânge POSITIV. Un test care este 100% sensibil înseamnă că toate persoanele bolnave sunt identificate corect ca fiind bolnave, adică nu există falsuri negative. Este important de menționat faptul că, întrucât calculul implică toți pacienții cu boala, acesta nu este afectat de prevalența bolii.
„Dacă am boala X, care este probabilitatea ca eu să fiu testat pozitiv pentru aceasta?”
Matematic, aceasta se exprimă astfel:
Sensibilitatea = Adevărați pozitivi / (Adevărați pozitivi + Falși negativi)
Cu alte cuvinte, testul de sânge al companiei a identificat 92,4% dintre cei CU boala X.
Un test sensibil este utilizat pentru a exclude o boală, deoarece rareori îi clasifică greșit pe cei CU o boală ca fiind sănătoși. Un exemplu de test foarte sensibil este D-dimerul (măsurat cu ajutorul unui test de sânge). La pacienții cu o probabilitate scăzută înainte de testare, un test D-dimer negativ poate exclude cu exactitate un tromb (cheag de sânge).
Specificitate
Specificitatea este proporția de persoane FĂRĂ boala X care au un test de sânge NEGATIV. Un test care este 100% specific înseamnă că toate persoanele sănătoase sunt identificate corect ca fiind sănătoase, adică nu există rezultate fals pozitive.
„Dacă nu am boala X, care este probabilitatea ca eu să fiu testat negativ pentru aceasta?”
Matematic, acest lucru se exprimă astfel:
Specificitatea = Adevăratele negative / (Adevăratele negative + Falsele pozitive)
Cu alte cuvinte, testul de sânge al companiei a identificat 97,2% dintre cei FĂRĂ boala X.
Un test specific este folosit pentru a exclude o boală, deoarece rareori îi clasifică greșit pe cei FĂRĂ boală ca fiind bolnavi. Prin urmare, un test perfect specific înseamnă că nicio persoană sănătoasă nu este identificată ca fiind bolnavă.
Măsuri suplimentare
Putem face un pas mai departe. Valoarea predictivă a testelor poate fi calculată cu ajutorul unor concepte statistice similare. De dragul simplității, vom continua să folosim exemplul de mai sus cu privire la un test de sânge pentru boala X.
Valoarea predictivă pozitivă
Valoarea predictivă pozitivă (PPV) este proporția celor cu un test de sânge POSITIV care au boala X.
„Dacă am un test pozitiv, care este probabilitatea ca eu să am boala X?”
PPV = Adevărați Pozitivi / (Adevărați Pozitivi + Falși Pozitivi)
Cu alte cuvinte, testul de sânge a identificat 95% dintre cei cu un test de sânge POSITIV, ca având boala X.
Cum calculul pentru PPV și NPV include indivizi cu și fără boală, acesta este afectat de prevalența bolii în cauză. Prin urmare, trebuie să vă asigurați că se utilizează aceeași populație (sau că incidența bolii este aceeași între populații) atunci când comparați VPP și VPP pentru diferite teste.
Valoarea predictivă negativă
Valoarea predictivă negativă (NPV) este proporția celor cu un test de sânge NEGATIV care nu au boala X.
„Dacă am un test negativ, care este probabilitatea ca eu să nu am boala X”
VNPV = Adevărate negative / (Adevărate negative + False negative)
Cu alte cuvinte, testul de sânge a identificat 95,7% dintre cei cu un test de sânge NEGATIV, ca neavând boala X.
Nota
Exemplul folosit în acest articol descrie un test fictiv cu o sensibilitate, specificitate, valori predictive pozitive și negative foarte mari. În scenariile reale, este adesea dificil să se creeze un test cu precizie maximă în toate cele patru domenii și adesea îmbunătățirile într-un domeniu sunt supuse sacrificării preciziei în alte domenii.
Rezumat
Testarea diagnostică este o componentă fundamentală a practicii medicale eficiente. Ar trebui să vă simțiți acum confortabil cu conceptele din spatele testelor clinice binare. Atât sensibilitatea și specificitatea, cât și valorile predictive pozitive și negative sunt parametri importanți atunci când se discută despre teste. Dacă doriți să aprofundați acest subiect, vă recomandăm să începeți cu curbele de tip Receiver Operating Characteristic (ROC). Acest concept depășește scopul acestui articol, dar explicații detaliate pot fi găsite aici (2).
Dacă ați găsit acest articol util, nu ezitați să îl distribuiți și fiți atenți la alte bloguri ale Grupului de stagiari Cochrane din Marea Britanie și Irlanda (CUKI-TAG).
1. Merriam-Webster.com. Diagnostic . Disponibil la: 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, Pages 221-223. https://doi.org/10.1093/bjaceaccp/mkn041
Autorul: Saul Crandon
Saul este doctor de fundație academică la Oxford University Hospitals NHS Foundation Trust. El are un interes puternic în imagistica medicală și în promovarea medicinei bazate pe dovezi, în special în rândul studenților și al altor medici începători. El speră să dezvolte acest interes prin participarea la comitetul pentru Cochrane UK & Ireland Trainees Advisory Group (CUKI-TAG). Citiți această biografie completă, precum și biografiile celorlalți membri ai CUKI-TAG, aici.