Calculadora de evaluación de pruebas diagnósticas de MedCalc
Use esta calculadora para evaluar el rendimiento de una prueba diagnóstica a partir de una tabla 2×2. Calcula la sensibilidad, la especificidad, los valores predictivos, las razones de verosimilitud y la exactitud.
Introduzca el número de casos en el grupo enfermo que dan positivo (a) y negativo (b); y el número de casos en el grupo no enfermo que dan positivo (c) y negativo (d).
Prevalencia de enfermedades
Si los tamaños de muestra en los grupos positivo (enfermedad presente) y negativo (enfermedad ausente) no reflejan la prevalencia real de la enfermedad, puede introducir la prevalencia de la enfermedad (expresada como porcentaje) en el cuadro de entrada correspondiente.
Resultados
| Estadística | Valor | IC del 95 % |
|---|---|---|
| Sensibilidad | ||
| Especificidad | ||
| Razón de verosimilitud positiva | ||
| Razón de verosimilitud negativa | ||
| Prevalencia de enfermedades (*) | ||
| Valor predictivo positivo (*) | ||
| Valor predictivo negativo (*) | ||
| Exactitud (*) |
(*) Estos valores dependen de la prevalencia de la enfermedad.
Definiciones
- Sensibilidad: probabilidad de que el resultado de la prueba sea positivo cuando la enfermedad está presente (tasa de verdaderos positivos).
$$ Sensibilidad = \frac{a}{a+b} $$
- Especificidad: probabilidad de que el resultado de la prueba sea negativo cuando la enfermedad no está presente (tasa de verdaderos negativos).
$$ Especificidad = \frac{d}{c+d} $$
- Razón de verosimilitud positiva: razón entre la probabilidad de un resultado positivo dada la presencia de la enfermedad y la probabilidad de un resultado positivo dada la ausencia de la enfermedad, es decir:
$$ RV+ = \frac{Tasa\ de\ verdaderos\ positivos}{Tasa\ de\ falsos\ positivos} = \frac{Sensibilidad}{1-Especificidad} $$
- Razón de verosimilitud negativa: razón entre la probabilidad de un resultado negativo dada la presencia de la enfermedad y la probabilidad de un resultado negativo dada la ausencia de la enfermedad, es decir:
$$ RV- = \frac{Tasa\ de\ falsos\ negativos}{Tasa\ de\ verdaderos\ negativos} = \frac{1 - Sensibilidad}{Especificidad} $$
- Valor predictivo positivo: probabilidad de que la enfermedad esté presente cuando la prueba es positiva.
$$ VPP = \frac {sensibilidad \times prevalencia } {sensibilidad \times prevalencia + (1-especificidad)\times (1-prevalencia) } $$
- Valor predictivo negativo: probabilidad de que la enfermedad no esté presente cuando la prueba es negativa.
$$ VPN = \frac {especificidad \times (1-prevalencia) }{ (1-sensibilidad) \times prevalencia + especificidad \times (1-prevalencia) } $$
- Exactitud: probabilidad global de que un paciente esté correctamente clasificado.
$$ Exactitud = Sensibilidad \times Prevalencia + Especificidad \times (1 - Prevalencia) $$
La sensibilidad, la especificidad, la prevalencia de la enfermedad, los valores predictivos positivo y negativo, así como la exactitud, se expresan como porcentajes.
Los intervalos de confianza para la sensibilidad, la especificidad y la exactitud son intervalos de confianza «exactos» de Clopper-Pearson.
Los intervalos de confianza para las razones de verosimilitud se calculan mediante el «método logarítmico» descrito en la página 109 de Altman et al. 2000.
Los intervalos de confianza para los valores predictivos son los intervalos de confianza logit estándar propuestos por Mercaldo et al. 2007; excepto cuando el valor predictivo es 0 o 100 %, en cuyo caso se informa un intervalo de confianza de Clopper-Pearson.
Literatura
- Altman DG, Machin D, Bryant TN, Gardner MJ (Eds) (2000) Statistics with confidence, 2nd ed. BMJ Books.
- Gardner IA, Greiner M (2006) Receiver-operating characteristic curves and likelihood ratios: improvements over traditional methods for the evaluation and application of veterinary clinical pathology tests. Veterinary Clinical Pathology 35:8-17.
- Griner PF, Mayewski RJ, Mushlin AI, Greenland P (1981) Selection and interpretation of diagnostic tests and procedures. Annals of Internal Medicine 94:555-600.
- Hanley JA, McNeil BJ (1982) The meaning and use of the area under a receiver operating characteristic (ROC) curve. Radiology 143:29-36.
- Mercaldo ND, Lau KF, Zhou XH (2007) Confidence intervals for predictive values with an emphasis to case-control studies. Statistics in Medicine 26:2170-2183.
- Metz CE (1978) Basic principles of ROC analysis. Seminars in Nuclear Medicine 8:283-298.
- Zhou XH, NA Obuchowski, DK McClish (2002) Statistical methods in diagnostic medicine. New York: Wiley.
- Zweig MH, Campbell G (1993) Receiver-operating characteristic (ROC) plots: a fundamental evaluation tool in clinical medicine. Clinical Chemistry 39:561-577.
Cómo citar esta página
- MedCalc Software Ltd. Calculadora de evaluación de pruebas diagnósticas de MedCalc. https://www.medcalc.org/es/calc/diagnostic_test.php (Version 24.0.4; accessed November 18, 2026)
Otras calculadoras estadísticas gratuitas
- Nomograma de Fagan
- Razones de verosimilitud (tabla 2×k)
- Comparación del AUC de curvas ROC independientes
- Otras calculadoras de pruebas estadísticas
- Cálculo del tamaño de muestra
- Análisis de potencia post-hoc