Valores predictivos

De Wikipedia, la enciclopedia libre
Saltar a: navegación, búsqueda

Los valores predictivos (positivo y negativo) miden la eficacia real de una prueba diagnóstica. Son probabilidades del resultado, es decir, dan la probabilidad de padecer o no una enfermedad una vez conocido el resultado de la prueba diagnóstica. Se trata de valores post-test y dependen de la prevalencia de una enfermedad, es decir, del porcentaje de una población que está afectada por esa determinada patología.

¿Por qué son útiles los valores predictivos? La sensibilidad, especificidad y AUC (área bajo curva) son valores intrínsecos al test diagnóstico. Esto quiere decir que son valores teóricos, que no varían entre poblaciones y, por tanto, no tienen utilidad práctica por sí solos. En cambio, los valores predictivos (positivo y negativo) son índices que evalúan el comportamiento de la prueba diagnóstica en una población con una determinada proporción de enfermos por lo que sirven para medir la relevancia de la sensibilidad y especificidad en una determinada población.

Posibles resultados que se obtienen tras hacer una prueba diagnóstica.
  • Valor predictivo positivo (PV+): probabilidad de tener la enfermedad si el resultado de la prueba diagnóstica es positivo.
(\mathrm{PV}+)=\frac{\text{Resultados positivos en enfermos} }{\text{Total de resultados positivos} } = \mathrm{\frac{VP}{FP+VP}}
  • Valor predictivo negativo (PV-): probabilidad de no tener la enfermedad si el resultado de la prueba diagnóstica es negativo.
(\mathrm{PV}-)=\frac{\text{Resultados negativos en sanos} }{\text{Total de resultados negativos} } = \mathrm{\frac{VN}{VN+FN}}

Definición estadística[editar]

En términos estadísticos, las pruebas diagnósticas se explican según el Teorema de Bayes. Diagrama de árbol.jpg

Siendo E: estar enfermo, P(E): probabilidad de estar enfermo (prevalencia de la enfermedad), T+: resultado positivo en la prueba diagnóstica y T-:resultado negativo en la prueba diagnóstica.

Cálculo de los valores predictivos a partir de la sensibilidad (SE), la especificidad (SP) y la prevalencia (P).

  • Valor predictivo positivo:
P(E/T+)=\frac{P(E\cap T+)}{P(E\cap T+)+P(\overline E\cap T+)}=\frac{P(E)\cdot P(T+/E)}{P(E)\cdot P(T+/E)+P(\overline E)\cdot P(T+/\overline E)}\rightarrow(PV+)=\frac{P\cdot SE}{P\cdot SE+(1-P)\cdot(1-SP)}
  • Valor predictivo negativo:
P(E-/T-)=\frac{(1-P)\cdot SP}{(1-P)\cdot SP +(1-SE)\cdot P}

Dependencia de los valores predictivos y la prevalencia[editar]

En líneas generales:

  • Si la prevalencia de una determinada enfermedad en una población es baja, el valor predictivo positivo (PV+) tiende a ser bajo ya que, al haber una mayor número de personas sanas, se incrementa el número de falsos positivos. Es decir, si solo un porcentaje bajo de la población está afectado, un resultado positivo en una prueba no es concluyente por lo que había que hacer reconfirmar el resultado con una segunda prueba independiente.
  • Si la prevalencia de una enfermedad es muy elevada (por ejemplo, en poblaciones de alto riesgo) el valor predictivo negativo tiende a bajar pues, al haber un mayor número de personas enfermas, aumenta el número de falsos negativos.

A modo de ejemplo, suponiendo una prueba diagnóstica de SP = 99% y SE = 99% y partiendo de una población de 10.000 individuos, se calcularán los valor predictivos positivos y negativo teniendo en cuenta distintas prevalencias.

Ejemplos prevalencia.jpg

Referencias[editar]

Enlaces externos[editar]