El mundo de lo sensible y lo específico

La interpretación de métodos diagnósticos es útil para valorar parámetros bioquímicos, diagnóstico por imágenes o aún maniobras semiológicas, e incluso cuestionarios, que utilizamos en la práctica clínica. Estos estudios no solo se usan para el diagnóstico, sino también para evaluar la evolución o el resultado de un tratamiento, por lo que pienso que un título más adecuado sería el de interpretación y valoración del desempeño de los exámenes complementarios en general. 

Aunque una gran cantidad de consultas se acompaña de pedidos o lecturas de exámenes complementarios, en general estos son poco estudiados, reciben escasa atención en la bibliografía y suelen ser mal comprendidos. La idea de que un resultado positivo asegura que un paciente padezca una determinada condición, o al revés, que un resultado negativo asegure que no lo padezca, es solo patrimonio de un pensamiento mágico. Ello implicaria un test perfecto, el cual no existe, o no está disponible en nuestra práctica habitual. Los falsos positivos y los falsos negativos existen, lo único que podemos hacer es llevarlos al mínimo con la adecuada elección de un test. La información sobre cual es la sensibilidad y especificidad de un test  suele hallarse en bases de datos como Pubmed, donde hay miles de artículos médicos valorando nuevos y viejos tests, comparados contra un "gold standard", o "patrón de oro"; al cual se le ha asignado arbitrariamente este lugar. Una guía imprescindible para leer adecuadamente estos artículos la dió Trisha Greenhalgh hace más de 25 años, y aun sigue vigente.

Como en todo conocimiento, hay conceptos que a quien llega por primera vez al tema, deben clarificarse. Es el mundo de lo sensible y de lo específico. No se preocupe por los números, eso se soluciona más tarde con alguna forma de calcular, lo importante son los conceptos. 

Aquí la sensibilidad de un test es entendida como la probabilidad de que en un paciente enfermo, el test sea positivo  (E+/T+)  o llanamente la proporción de enfermos con una prueba positiva, y la especificidad como la probabilidad de que en un paciente sano, el test sea negativo  (E-/T-), o sea la proporción de sanos con una prueba negativa. 

Dicho de otra manera, los verdaderos positivos y los verdaderos negativos respectivamente. 

Si averiguamos que la sangre oculta en materia fecal, o heces (SOMF) para detectar cáncer de colon tiene una sensibilidad de un 95% y una especificidad de un 90%, entonces me estarán diciendo que si realizo este examen en pacientes que ya sabían que tenían cáncer colorrectal, en 95 de cada 100 pacientes el mismo fue positivo; pero que hecho en personas sanas en 90 de cada 100 el resultado del test es negativo. 

Suena complicado, y lo es, después de muchos años lo sigo pensando cada vez que lo digo, no intente recordarlo, solo entenderlo una vez.

Si superó lo anterior, ahora se pone peor. Sensibilidad y especificidad son características intrínsecas de las pruebas, si utiliza un mismo tipo de reactivos bioquímicos será igual en todo el mundo.

Con estos dos valores yo puedo calcular otro coeficiente que me dice que capacidad tiene el test de discriminar entre enfermos y sanos. 

Esto se llama Coeficiente de Probabilidad Positivo (CPP), y se calcula dividiendo la sensibilidad entre 100 menos la especificidad (S/(100-E)) u otra forma de decirlo es el cociente entre los verdaderos positivos y los falsos positivos. Para el ejemplo de la SOMF, seria entonces 95/(100-90) →95/10 = 9,5. Este coeficiente de probabilidad de 9,5 nos dice que un resultado positivo de la SOMF es 9.5 veces más frecuentes de encontrar en enfermos que sanos, mostrando que es un muy buen método para ser usado en el screening o cribado del cáncer colorrectal, en caso de que usted no estuviera enterado del porqué. Valores cercanos a 10 pueden interpretarse como una muy buena prueba, y cuando más se acerca a un valor de 1, menor capacidad para discriminar tiene.

También existe un coeficiente de probabilidad negativo (CPN o (100-S)/E)), que en este caso seria (100-95)/90→5/90→0.05, lo que indica que es poco probable encontrar un test negativo en un enfermo, pero en caso de encontrarlo reduce mucho la probabilidad de que el paciente tenga cáncer.

El CPP también es conocido en la literatura como razón de verosimilitud, o en inglés como likelihood ratio.

Si llegó a este párrafo, entonces usted quizás quiera saber como aplicarlo. En realidad lo anterior solo le sirve para entender lo que sigue, ya que frente a nuestros pacientes de poco nos sirve saber la sensibilidad o especificidad de un examen. Lo que a mi me interesa saber en mi consultorio es: si en mi paciente el resultado de la SOMF fue positiva cual es la probabilidad de cáncer. Nada que ver con el valor de la sensibilidad, ya que lo que ahora quiero conocer es cual seria la probabilidad que dado un Test Positivo mi paciente esté enfermo, dicho de otro modo que probabilidad tiene mi paciente de tener cáncer si el test fue positivo, o T+/E+, o sea el Valor Predictivo Positivo (VPP).

 

Para responder a esta pregunta necesito saber la prevalencia o incidencia del cáncer colorrectal en un grupo parecido al de mi paciente. Supongamos que tiene 70 años y la incidencia es tan alta como el 5%, el Valor Predictivo Positivo será del 33,6%, o sea que ha pasado de un 5% a más de un 33%, por lo que inmediatamente le estaré pidiendo otros estudios e interconsultando con un especialista. También existe el Valor Predictivo Negativo, que en este caso por ser menor a 1 (en este caso 0.05) implica que es muy poco probable que la enfermedad esté presente si el resultado es negativo. Mientras que si mi paciente tuviera 15 años y la incidencia de este cáncer fuera tan baja como del 0.01% el Valor Predictivo Positivo será del 1% y cuando da positivo seguramente se trata de un falso positivo. Con lo que se concluye que los valores predictivos son altamente influenciados por la prevalencia o la incidencia de la enfermedad que estamos buscando encontrar o descartar. O sea que estos valores si cambian dependiendo el lugar, el tiempo o las características particulares de la población donde me encuentre.

Cuando los médicos seleccionamos determinados factores de riesgo para pedir un estudio, lo que hacemos es simplemente optimizar los resultados, tratando de incrementar la incidencia, o probabilidad previa al estudio. De ese modo, si el test es positivo tendrá mas chances de ser un verdadero positivo. En el caso de la sangre oculta, los valores predictivos se incrementarán con la edad y también en pacientes con alteraciones del tránsito intestinal, entre otras cosas.

Otro factor que puede cambiar el valor predictivo, y que pocas veces es tenido en cuenta, resulta de que los valores estudiados de sensibilidad y especificidad de los estudios suelen obtenerse de centros hospitalarios o universitarios, que sobreestiman los mismos al calcularlo sobre población que en general está más grave. Poco o nada es lo estudiado aun en centros ambulatorios.

Como puedo calcular este valor predictivo? De tres maneras, si uno conoce el tema con un papel y una calculadora, aunque es poco práctico para la mayoría. Otra es con el nomograma de Fagan, de la segunda imagen, y la tercera, la más fácil y precisa, es con una calculadora de métodos diagnósticos, solo utilizando la prevalencia como probabilidad pre-test, como la que dejé en el enlace, y que además le dice como debe interpretar los valores 👇. 

Claramente la última opción es la mejor, pero siempre es mejor entender de donde salen y sobre todo que significan esos números.

Un apartado particular supone los tests que son operadores dependientes. Son llamadas así por que, por ejemplo una imágen radiológica, puede ser interpretada de distintas maneras por distintas personas. En ello influye mucho el entrenamiento previo, pero también el tiempo que la dedica diariamente a las mismas; por ello no es igual la interpretación de un radiólogo que puede ver 20 imágenes parecidas en una semana, a la de un médico de familia, quien por la propia dinámica de su consulta está viendo esa imágen una vez al dia, o a la semana. De igual manera, y aún dentro de las sub-especialidades se estudia la concordancia intraobservador e interobservador, con resultados que a veces decepcionan. Para ello se utiliza frecuentemente el coeficiente kappa de Cohen. Para disminuir esta variabilidad se han creado programas de entrenamiento, residencias médicas y post-grados, por ejemplo en diagnóstico por imágenes, que buscan justamente disminuir esta variabilidad con entrenamiento. Afortunadamente para todos lo logran, y es por ello también que seguimos leyendo los informes que nos envían.

Más alla de especificidades o valores predictivos también se puede empezar con algunas reglas útiles en la práctica médica: 

1. Si el resultado de un test no va a cambiar nuestra conducta posterior, entonces pensar si es necesario pedirlo.

2. Si el resultado de un test nos sorprende, seguramente lo pedimos sin pensar.

3. Debemos saber de antemano, que conducta tomaremos frente a los diferentes resultados que un test nos puede ofrecer. 

4. Muchas veces un test no es para nosotros, sino para validar nuestro diagnóstico frente a un paciente. No es poco, pero tenemos que tener eso en claro al hacerlo.

5. La falta de evidencia empírica no debe ser argumento para abandonar el exámen físico, ya que el mismo contacto físico es parte de toda relación humana, y obviamente esencial para el encuentro con nuestros pacientes. Algo importante a recordar en el examen de personas sanas.

Artículos y herramientas

• Pruebas diagnósticas. Uso e interpretacion. Jaimes F. 
• El dilema del vigilante. Sensibilidad y especificidad. Ciencia sin seso.
  
• BURGOS D, MARÍA EUGENIA, & MANTEROLA D, CARLOS. (2010). Cómo interpretar un artículo sobre pruebas diagnósticas. Revista chilena de cirugía, 62(3), 301-308. https://dx.doi.org/10.4067/S0718-40262010000300018
• How to read a paper: Papers that report diagnostic or screening tests. Greenhalgh T. BMJ 1997; 315 doi: https://doi.org/10.1136/bmj.315.7107.540 (Published 30 August 1997) Cite this as: BMJ 1997;315:540  
• Calculadora de métodos diagnósticos
• Métodos diagnósticos en cáncer de colon
  

 

 

 

 

 

 Videos

1. Como construir una tabla de 2x2 o tabla de contingencia. Video.

2. Sensiblidad y especificidad. Valor predictivo. Video.

3. Sensibilidad y especificidad con ejemplos numéricos. Video. 

4. Coeficiente de verosimilitud o coeficiente de probabilidad. Video.

5. Coeficiente de verosimilitud II. Video.

6. Coeficiente de verosimilitud III. Video.

7. Coeficiente de verosimilitud IV. Video.

8. Coeficiente de verosimilitud. V. Video.

9. Coeficiente de verosimilitud VI. Nomograma de Fagan y otros cálculos del VPP. Video.