Epidemiología y demografía sanitaria Bloque de epidemiología

1. Epidemiología y demografía sanitaria Bloque de epidemiología Tema 13 Estudios de las pruebas diagnósticas Dr. Esteve Fernández

2. ¿Qué queremos aprender? • El concepto de variación en la medición y reproducibilidad. • Los conceptos y manera de calcular la sensibilidad y especificidad. • Los conceptos y manera de calcular los valores predictivos. • La utilidad de las curvas ROC y de las razones de verosimilitud. • Uso de pruebas diagnósticas en serie y en paralelo. • Los diseños para valorar la utilidad de las pruebas diagnósticas

3. Estructura de la sesión • Variación en la medición. • Reproducibilidad o concordancia de medidas. • Validez de una prueba diagnóstica. • Uso de pruebas diagnósticas en serie y en paralelo. • Diseños para valorar una prueba diagnóstica.

4. Materiales para el aprendizaje • 0. (Diapositivas de la lección) • Lectura recomendada • Capítulo 14 libro Piédrola Gil y Capítulo 3 libro Fletcher y cols. • Lecturas complementarias • Artículos Aula Global • Seminario de resolución de problemas nº 9

5. Variación en la medición

6. Las apariencias a la mente son de cuatro clases. Cosas hay que son lo que parecen ser; o no lo son y no parecen serlo; o lo son y no parecen serlo; o no son y sí parecen serlo. Es tarea del hombre sabio el decidir correctamente en todos esos casos Epícteto (siglo II dC) Discursos (libro I, cap. 27)

7. La práctica de la medicina clínica consiste en interpretar signos, síntomas y “pruebas diagnósticas” para tomar decisiones: diagnosticar, tratar, o no tratar…

8. Valores hipotéticos de TA sistólica en un individuo 200 - 180 - 160 - 140 - 120 - 100 - 80 - Tensión arterial sistólica (mm Hg) tiempo

9. Fuentes de variabilidad Reproducibilidad o concordancia Grado en que concuerdan dos o más mediciones sobre la misma muestra Validez Grado en que una medición coincide con la verdad

10. Validez y reproducibilidad…...

12. Reproducibilidad o concordancia de medidas

13. Reproducibilidad Repetibilidad / Concordancia / Acuerdo / Fiabilidad Grado en en que una variable tiene el mismo valor cuando se mide varias veces en la misma muestra • La reproducibilidad es previa a la validez • El consenso (alta reproducibilidad) es útil en ausencia de referente

14. Reproducibilidad o concordancia • interobservador • grado de coincidencia de un • observador consigo mismo • entre observadores • grado de concordancia entre dos • o más observadores

15. Observador B + – a b + Observador A – d c Reproducibilidad de variables categóricas Acuerdo total Po = (a+d) / (a+b+c+d) Acuerdo específico en lo positivo Po+ = 2a / (2a+b+c) Acuerdo específico en lo negativo Po- = 2d / (2d+b+c) • Problemas • Depende de los pares discordantes • Puede haber concordancia al azar

16. Observador B + – a b + Observador A – d c Índice Kappa (test de Cohen) Resume la concordancia entre dos medidas de una variable en escala cualitativa, tras eliminar la concordancia debida al azar.

17. Observador B Observador A Concordancia entre dos radiólogos al leer una mamografía (imagen patológica sí/no) Acuerdo total Po = (a+d) / (a+b+c+d) Po = 0,8637 = 86,4% Sí No Sí 71 41 112 Acuerdo específico en lo positivo Po+ = 2a / (2a+b+c) Po+ = 0,6311 = 63,1% Acuerdo específico en lo negativo Po- = 2d / (2d+b+c) Po- = 0,9164 = 91,6% No 42 455 497 113 496 609

18. Pasamos a probabilidades… Observador B Sí No Sí Observador A No

19. Clasificaciones propuestas para la interpretación del índice kappa Landis and Koch (1977) Altman (1991) Fleiss (1981) Byrt (1996) Excellent Almost perfect Very good Excellent Very good Substantial Good Good Fair to good Fair Moderate Moderate Slight Fair Fair Slight Poor Poor Poor Poor No agreement -1.0

20. ¿Y si tuvieramos tres opciones de respuesta? Observador B + +/– – + +/– – Observador A

21. Problemas con el uso de kappa • Depende de la prevalencia de “verdaderos positivos” (o del desequilibrio entre resultados negativos y positivos) • dar el valor de  , Po+ y Po- • Puede estar sesgado por la asimetría de las discordancias • plantear diferentes escenarios de acuerdo

22. Reproducibilidad de variables continuas Ej.: Concordancia entre dos balanzas en la medida del peso • Pueden categorizarse  pérdida de información • No usar coeficiente de correlación • (regresión a la media) • Trabajar con la “diferencia entre variables” • y sus medias: •  coeficiente de correlación intraclase •  t de Student para datos apareados

23. Validez de una prueba diagnóstica

24. Validez Grado en el que los resultados de una medición corresponden al fenómeno real (“la verdad”)

25. ENFERMEDAD Sí No Verdaderos positivos Falsos positivos + b a PRUEBA c d Falsos negativos Verdaderos negativos –

26. o no son y sí parecen serlo. Cosas hay que son lo que parecen ser; o no lo son y no parecen serlo; o lo son y no parecen serlo; ENFERMEDAD Sí No Verdaderos positivos Falsos positivos + b a PRUEBA c d Falsos negativos Verdaderos negativos –

27. Validez • Grado en que los resultados de una prueba corresponden realmente a aquello que se está midiendo. • Capacidad de la prueba para medir el fenómeno que se está estudiando. • Capacidad de una prueba diagnóstica de clasificar correctamente a enfermos y no enfermos. Parámetros de validez interna: • Sensibilidad (S) de la prueba • Especificidad (E) de la prueba

28. a Sensibilidad: S = a + c Parámetros de validez interna:sensibilidad Sensibilidad Probabilidad de que la prueba sea positiva si la enfermedad está presente. ENFERMEDAD Sí No Verdaderos positivos Falsos positivos + b a Ejemplo: S=0,75 u 75% La prueba es positiva en el 75% de los que tienen la enfermedad PRUEBA c d Falsos negativos Verdaderos negativos –

29. d Especificidad: E = b + d Parámetros de validez interna:especificidad ENFERMEDAD Sí No Especificidad Probabilidad de que la prueba sea negativa en los individuos sanos. Verdaderos positivos Falsos positivos + b a Ejemplo: E=0,90 u 90% La prueba es negativa en el 90% de los que no tienen la enfermedad PRUEBA c d Falsos negativos Verdaderos negativos –

30. d Especificidad: E = b + d a IC95%: p  1,96  (p (1-p) / N) S= 0,73 (0,66 - 0,80) E= 0,69 (0,61 - 0,76) Sensibilidad: S = a + c Ejemplo: Validez del diagnóstico clínico de la faringitis en 152 pacientes (patrón de oro: cultivo) Cultivo faríngeo + – + 27 35 S = 27 / 37 = 73% Diagnóstico clínico – 77 10 E = 77 / 112 = 69%

31. Interés de pruebas sensibles • Cuando el precio de omitir un diagnóstico sea elevado o cuando existe riesgo de extensión de la enfermedad Objetivo: detectar que se tiene la enfermedad (para tratarla o prevenir su extensión) Ej.: linfoma, Sida • En las primeras etapas diagnósticas, cuando hay numerosas posibilidades diagnósticas, con la intención de disminuir éstas. Objetivo: descartar procesos. Ej.: sospecha de neoplasia Una prueba sensible sobre todo es útil cuando su resultado es negativo.

32. Interés de pruebas específicas • Útiles para confirmar un diagnóstico que ha sido sugerido por otros datos  una prueba específica da pocos resultados “falsos positivos”. Objetivo: confirmar que no se tiene el proceso • Cuando los falsos positivos pueden causar perjuicio importante al paciente (físico, emocional o económico). Una prueba específica sobre todo es útil cuando su resultado es positivo.

33. VN FP ¿Relación entre S y E? • Aparentemente no están relacionadas: la S se mide entre los que tienen la enfermedad y la E entre los que están sanos... Angina IAM [CPK]

34. VP FN ¿Relación entre S y E? • Aparentemente no están relacionadas: la S se mide entre los que tienen la enfermedad y la E entre los que están sanos... Angina IAM [CPK]

35. VN FP  Especificidad FN VP  Sensibilidad ¿Relación entre S y E? • Aparentemente no están relacionadas: la S se mide entre los que tienen la enfermedad y la E entre los que están sanos... Angina IAM [CPK]

36. VN FP  Especificidad FN VP  Sensibilidad ¿Relación entre S y E? Relación inversa Cuanto más exigente sea el criterio, menor será la sensibilidad y mayor la especificidad

37. Relación inversa entre S y E

38. La relación inversa entre S y E suele representarse mediante la curva ROC “receiver operating characteristic” sensibilidad vs. 1 – especificidad sensibilidad 1 – especificidad

39. Curva ROC • Permite el cálculo del área bajo la curva • Impresión gráfica de la relación entre S y E • Facilita elección puntos de corte • Permite valorar todo el espectro de valores • Permite comparar pruebas diagnósticas (gráfica y estadísticamente) FP+FN sensibilidad VN+VP Diagnósticos correctos 1 – especificidad

40. Valores predictivos En clínica normalmente deseamos saber si el resultado (positivo o negativo) de la prueba es correcto o no, es decir, la probabilidad de la enfermedad tras saber el resultado de la prueba

41. Valor predictivo positivo • Probabilidad que tiene una prueba de detectar enfermos cuando da un resultado positivo ENFERMEDAD Sí No a VPP = a + b Verdaderos positivos Falsos positivos + b a Ejemplo: VPP=0,99 0 99% El 99% de los pacientes con la prueba positiva tiene realmente la enfermedad PRUEBA c d Falsos negativos Verdaderos negativos –

42. Valor predictivo positivo • Probabilidad que tiene una prueba de detectar enfermos cuando da un resultado positivo a VPP = a + b El VPP depende de la prevalencia o probabilidad a priori de la enfermedad Cuando la muestra no es representativa se calcula a partir del Teorema de Bayes P * S VPP = P * S + (1 – P) (1 – E) P: prevalencia S: sensibilidad E: especificidad

43. Valor predictivo negativo • Probabilidad que tiene una prueba de detectar sanos cuando da un resultado negativo ENFERMEDAD Sí No c VPN = c + d Verdaderos positivos Falsos positivos + b a Ejemplo: VPN=0,10 0 10% El 10% de los pacientes con la prueba negativa tiene realmente la enfermedad PRUEBA c d Falsos negativos Verdaderos negativos –

44. Valor predictivo negativo • Probabilidad que tiene una prueba de detectar sanos cuando da un resultado negativo c VPN = c + d El VPN depende de la prevalencia o probabilidad a priori de la enfermedad Cuando la muestra no es representativa se calcula a partir del Teorema de Bayes (1 – P) * E VPP = (1 – P) E + P (1 – S) P: prevalencia S: sensibilidad E: especificidad

45. Valores predicitivos --implicaciones • Dado que dependen de la prevalencia: • Las pruebas diagnósticas funcionan mejor cuando la prevalencia de la enfermedad es mayor • El uso de pruebas diagnósticas debe tener en cuenta las características de la enfermedad en el contexto en que se usan • La prevalencia de enfermedad depende del nivel asistencial

46. Razones de verosimilitud (razones de probabilidad diagnóstica) (likelihood ratios) Parámetros independientes de la prevalencia de la enfermedad que aglutinan la información sobre sensibilidad y especificidad

47. VPP 1 – VPP P 1 – P S 1 – E = X • Razón de verosimilitud positiva (RVP) • La RVP relaciona… • … la ventaja preprueba de diagnosticar la • enfermedad (odds de prevalencia, P / 1 – P) • … con la ventaja posprueba de un resultado • positivo (odds del VPP, VPP / 1 – VPP)

48. Razón de verosimilitud positiva (RVP) Cuanto mayor es la RVP (sobre 1) más importante es la contribución de un resultado positivo de la prueba en el diagnóstico de la enfermedad. Ejemplo RVP=8 indica que el resultado es proporcionalmente 8 veces más frecuente en los enfermos que en los no enfermos RVP >10 -- prueba excelente RVP 5-10 -- prueba buena RVP 2-5 -- prueba regular RVP 1-2 -- deficiente

49. Razón de verosimilitud negativa (RVN) • La RVN relaciona… • … la ventaja preprueba de diagnosticar la • enfermedad (odds de prevalencia, P / 1 – P) • … con el inverso de la ventaja posprueba de un • resultado negativo (odds del VPN, VPN / 1 – VPN) 1 – VPN VPN P 1 – P 1 – S E = X

50. E 1 – S Razón de verosimilitud negativa (RVN) La RVN valora la contribución de un resultado negativo en la “no confirmación” de la enfermedad más importante cuanto más cerca de 0 1 – S E Se puede definir RVN al revés. Informa de la relación entre la ventaja preprueba de no enfermedad y la ventaja posprueba del resultado negativo, y su escala es similar a la de la RVP