Prueba diagnóstica

Comando:

Pruebas Prueba diagnóstica

Permite calcular características de pruebas como sensibilidad, especificidad, razón de verosimilitud positiva y negativa, prevalencia de la enfermedad, así como valor predictivo positivo y negativo, a partir de datos ingresados ​​en una tabla de 2x2.

Entrada requerida

Ingrese el número de casos en el grupo enfermo que dan positivo y negativo (columna de la izquierda); y el número de casos en el grupo no enfermo que dan positivo y negativo (columna de la derecha).

Nota: puede cambiar el orden de las columnas y filas haciendo clic en el botón .

Prevalencia de la enfermedad

Si el tamaño de la muestra en los grupos positivo (Enfermedad presente) y negativo (Enfermedad ausente) no refleja la prevalencia real de la enfermedad, puede introducir la prevalencia en el cuadro de entrada correspondiente. Esto afectará los valores predictivos positivos y negativos, así como la precisión.

Resultados

Las siguientes estadísticas se informan con sus intervalos de confianza del 95 %:

• Sensibilidad: probabilidad de que el resultado de una prueba sea positivo cuando la enfermedad está presente (tasa de positivos verdaderos).
• Especificidad: probabilidad de que el resultado de una prueba sea negativo cuando la enfermedad no está presente (tasa de verdaderos negativos).
• AUC: Área bajo la curva ROC.
• Índice de Youden: para una tabla de 2x2, el índice de Youden J (Youden, 1950) se define como:
  $$ J = sensibilidad + especificidad - 1 $$

  El intervalo de confianza del 95 % mediante bootstrap se calcula utilizando un bootstrap paramétrico. Debido a que solo se dispone de recuentos agregados (y no de registros individuales de pacientes), la sensibilidad y la especificidad se remuestrean a partir de dos distribuciones binomiales independientes: una ajustada a la población enferma (n = TP + FN, p = sensibilidad) y otra ajustada a la población sana (n = TN + FP, p = especificidad). El índice de Youden se recalcula para cada una de las 1000 muestras remuestreadas, y los límites del intervalo de confianza se obtienen como los percentiles 2,5 y 97,5 de esta distribución bootstrap.

• Razón de verosimilitud positiva: razón entre la probabilidad de un resultado positivo de la prueba dada la presencia de la enfermedad y la probabilidad de un resultado positivo de la prueba dada la ausencia de la enfermedad, es decir
  $$ +LR = \frac { Tasa\ de\ Verdaderos\ Positivos } { Tasa\ de\ Falsos\ Positivos } = \frac { sensibilidad} { 1 - especificidad} $$
• Razón de verosimilitud negativa: razón entre la probabilidad de un resultado negativo de la prueba dada la presencia de la enfermedad y la probabilidad de un resultado negativo de la prueba dada la ausencia de la enfermedad, es decir
  $$ -LR = \frac { Tasa\ de\ Falsos\ Negativos } { Tasa\ de\ Verdaderos\ Negativos } = \frac { 1 - sensibilidad} { especificidad} $$
• Valor predictivo positivo: probabilidad de que la enfermedad esté presente cuando la prueba es positiva.
  $$ PPV = \frac {sensibilidad \times prevalencia } {sensibilidad \times prevalencia + (1-especificidad)\times (1-prevalencia ) } $$
• Valor predictivo negativo: probabilidad de que la enfermedad no esté presente cuando la prueba es negativa.
  $$ NPV = \frac {especificidad \times (1-prevalencia ) }{ (1-sensibilidad) \times prevalencia + especificidad \times (1-prevalencia ) } $$
• Exactitud: probabilidad general de que un paciente esté clasificado correctamente.
  $$ Exactitud = sensibilidad \times prevalencia + especificidad \times (1-prevalencia) $$

La sensibilidad, la especificidad, la prevalencia de la enfermedad, los valores predictivos (positivo y negativo) y la exactitud se expresan en forma de porcentaje.

Los intervalos de confianza para la sensibilidad, especificidad y exactitud son intervalos de confianza de Clopper-Pearson 'exactos'.

Los intervalos de confianza para las razones de verosimilitud se calculan utilizando el 'método logarítmico', como se indica en la página 109 de Altman et al. 2000.

Los intervalos de confianza para los valores predictivos son los intervalos de confianza logit estándar dados 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.

En el campo de entrada de Comentarios opcional, puede ingresar un comentario o conclusión que se incluirá en el informe impreso.

Literatura

• Altman DG, Machin D, Bryant TN, Gardner MJ (Eds) (2000) Statistics with confidence, 2^nd 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.
• Youden WJ (1950) Index for rating diagnostic tests. Cancer 3:32-35.
• 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.

Véase también

• Prueba diagnóstica (tabla 2x2) (compila una tabla 2x2 a partir de 2 variables y calcula las características de la prueba)
• Análisis de la curva ROC en MedCalc