Diferencia entre revisiones de «Especificidad (epidemiología)»
Sin resumen de edición |
Explicación de las curvas ROC. Bibliografía: estudios de biotecnología. |
||
| Línea 7: | Línea 7: | ||
Por eso a la especificidad también se le denomina ''fracción de verdaderos negativos (FVN)''. Con la especificidad lo que se detecta son los individuos sanos. Por ejemplo, si en una prueba queremos que las personas que no tengan SIDA no den resultados positivos, esa prueba debe tener un 99% de especificidad. Así, tan solo un 1% del total se corresponderán con falsos positivos. |
Por eso a la especificidad también se le denomina ''fracción de verdaderos negativos (FVN)''. Con la especificidad lo que se detecta son los individuos sanos. Por ejemplo, si en una prueba queremos que las personas que no tengan SIDA no den resultados positivos, esa prueba debe tener un 99% de especificidad. Así, tan solo un 1% del total se corresponderán con falsos positivos. |
||
No obstante, cada prueba tendrá mayor o menos procentage tanto en SP como en SE dependiendo de su punto de corte. Lo ideal sería que no se solapasen y al hacer un test solamente obtuviésemos verdaderos positivos (enfermos) y verdaderos negativos (sanos) pero desgraciadamente no es así, por lo que siempre habrá individuos que salgan positivos pero no tengan la enfermedad y viceversa. Por ello lo importante es para cada enfermedad y cada tipo de test, ver qué podemos despreciar o qué es más importante considerar y poner el punto de corte en su lugar justo. |
No obstante, cada prueba tendrá mayor o menos procentage tanto en especificidad (SP) como en sensibilidad (SE) dependiendo de su punto de corte. Lo ideal sería que no se solapasen y al hacer un test solamente obtuviésemos verdaderos positivos (enfermos) y verdaderos negativos (sanos) pero desgraciadamente no es así, por lo que siempre habrá individuos que salgan positivos pero no tengan la enfermedad y viceversa. Por ello lo importante es para cada enfermedad y cada tipo de test, ver qué podemos despreciar o qué es más importante considerar y poner el punto de corte en su lugar justo. |
||
Para seleccionar un punto de corte adecuado, podemos ayudarnos de las curvas de rendimiento diagnóstico conocidas como curvas ROC (del inglés,''receiver operating''). En ellas se representa la sensibilidad del frente el valor que se obtiene al restarle la especificidad a la unidad (1-especificidad). El área bajo la curva oscila entre un valor de 0,5 (no discrimina entre un enfermo y un falso positivo) y 1 (prueba diagnóstica perfecta), siendo aceptable un valor de 0,8. Sabiendo esto, podemos jugar con los valores de especificidad y sensibilidad hasta diseñar nuestra técnica con un buen valor diagnóstico. |
|||
En diagnóstico clínico, cuando el valor de especificidad supera el 80%, se considera buena. |
En diagnóstico clínico, cuando el valor de especificidad supera el 80%, se considera buena. |
||
Revisión del 22:02 30 ene 2011
La especificidad de una prueba es la probabilidad de que un sujeto sano tenga un resultado negativo en la prueba.
Donde VN, serían los verdaderos negativos; y FP, los falsos positivos.
Por eso a la especificidad también se le denomina fracción de verdaderos negativos (FVN). Con la especificidad lo que se detecta son los individuos sanos. Por ejemplo, si en una prueba queremos que las personas que no tengan SIDA no den resultados positivos, esa prueba debe tener un 99% de especificidad. Así, tan solo un 1% del total se corresponderán con falsos positivos. No obstante, cada prueba tendrá mayor o menos procentage tanto en especificidad (SP) como en sensibilidad (SE) dependiendo de su punto de corte. Lo ideal sería que no se solapasen y al hacer un test solamente obtuviésemos verdaderos positivos (enfermos) y verdaderos negativos (sanos) pero desgraciadamente no es así, por lo que siempre habrá individuos que salgan positivos pero no tengan la enfermedad y viceversa. Por ello lo importante es para cada enfermedad y cada tipo de test, ver qué podemos despreciar o qué es más importante considerar y poner el punto de corte en su lugar justo.
Para seleccionar un punto de corte adecuado, podemos ayudarnos de las curvas de rendimiento diagnóstico conocidas como curvas ROC (del inglés,receiver operating). En ellas se representa la sensibilidad del frente el valor que se obtiene al restarle la especificidad a la unidad (1-especificidad). El área bajo la curva oscila entre un valor de 0,5 (no discrimina entre un enfermo y un falso positivo) y 1 (prueba diagnóstica perfecta), siendo aceptable un valor de 0,8. Sabiendo esto, podemos jugar con los valores de especificidad y sensibilidad hasta diseñar nuestra técnica con un buen valor diagnóstico.
En diagnóstico clínico, cuando el valor de especificidad supera el 80%, se considera buena.
Por regla general, se elige una prueba muy específica cuando prefieres obtener falsos negativos en lugar de falsos positivos, es decir, necesitas asegurarte de que el paciente tiene realmente la enfermedad. Por ejemplo, una prueba para detectar una enfermedad que implique una operación, es imprescindible asegurarse de que el paciente está enfermo y necesita la operación, para no operar a un paciente sano.