Muchas veces, la radiología nos ha dejado "con gusto a poco" porque no hemos podido sacar el maximo de provecho a la imagen. Esto es por algun error nuestro?, por mal revelado? o mal procesamiento de la imagen digital?
Por eso es importante saber y entender la sensibilidad y especificidad en radiología (como en cualquier rama de la medicina) nos encontramos con frecuencia con situaciones en las que manejamos dos variables dicotómicas o binarias de cara al diagnóstico de una enfermedad. Se juega con la variable enfermedad (e), con sus dos posibles valores «presencia de enfermedad (e+)» y «ausencia de enfermedad (e-)», y con la variable prueba diagnóstica (h), con sus dos posibles resultados «positivo (h+)» y «negativo (h-)». Así la tabla a continuación grafica lo dicho anteriormente, donde se observan las cuatro combinaciones posibles de las dos variables e y h, siendo N el tamaño de la muestra estudiada:
Prevalencia: Es la frecuencia con la que aparece la enfermedad en el total de la población (N), y coincide con la probabilidad de que una persona de la población padezca la enfermedad. En el caso de la tabla, la prevalencia o probabilidad de enfermar es P (e+)=(a + c) / N.
Sensibilidad: Es la probabilidad de que el resultado de la prueba sea positivo (h+) en una persona afectada por la enfermedad (e+).
Representa, pues, la fracción de verdaderos positivos. Sería, pues, la probabilidad condicionada P(h+/e+) = a / (a + c). La sensibilidad, expresada porcentaje, representa el porcentaje de resultados positivos (a) respecto al total de enfermos (a+c), esto es, el porcentaje de verdaderos positivos que se obtendría al aplicar la prueba diagnóstica a los enfermos.
La probabilidad complementaria de la sensibilidad es 1- P(h+/e+)=P(h-/e+) =c /(a + c), que no es sino el porcentaje de resultados negativos respecto al total de enfermos (falsos negativos). Así, los verdaderos positivos (a) son directamente proporcional a la sensibilidad.
Por tanto, cuanto más sensible es una prueba diagnóstica menor es la probabilidad de obtener falsos negativos, por lo que un resultado negativo es bastante fiable y permite descartar la presencia de enfermedad.
Especificidad: Es la probabilidad de que el resultado de la prueba sea negativo (h-) en una persona sana, que no padece la enfermedad (e-).
Por tanto, representa la fracción de verdaderos negativos. Sería, pues, la probabilidad condicionada P(h-/e-) =d /(b+d). Así pues, la especificidad, expresada en tanto por ciento, representa el porcentaje de resultados negativos (d) respecto del total de personas sanas (b+d), esto es, el porcentaje de verdaderos negativos obtenido al aplicar la prueba a personas sanas.
La probabilidad complementaria de la especificidad es 1- P(h-/e-) = P(h+/e-) = b / (b + d), que no es sino el porcentaje de resultados positivos respecto del total de personas sanas (falsos positivos).
Cuanto más específica es una prueba menor es la probabilidad de obtener un falso positivo, por lo que un resultado positivo en la prueba es muy fiable y nos da una certeza elevada de que el paciente padece la enfermedad, confirmando el diagnóstico (Excepcto de enfermedades de baja prevalencia).
Valor predictivo positivo (VPP)
Se define como la probabilidad de que una persona padezca la enfermedad (e+) habiendo dado positivo en la prueba (h+). Sería pues la probabilidad condicionada P(e+/h+)=a /(a+b).
Así pues, el valor predictivo positivo, expresado en tanto por ciento, representa el porcentaje de personas realmente enfermas (a= verdaderos positivos) respecto del total de personas que han dado positivo en la prueba (b+d). Su complementario será, pues, P(e-/h+)=b /(a+b), que es el porcentaje de falsos positivos respecto del total de positivos. Un alto VPP indica que la probabilidad de que la persona esté realmente enferma habiendo dado positivo en la prueba diagnóstica es muy alta. Si aplicamos el teorema de Bayes (ver en http://es.wikipedia.org/wiki/Teorema_de_Bayes) se puede concluir que el valor predictivo de una prueba diagnóstica depende de la prevalencia de la enfermedad que tratamos de diagnosticar según la siguiente relación:
VPP=(sensibilidad de la prueba * prevalencia de la enfermedad) / ((sensibilidad * prevalencia) + [(1 - especificidad) * (1 - prevalencia)])
Como puede observarse, cuanto mayor sea la prevalencia de la enfermedad en la población mayor será el valor predictivo positivo de la prueba diagnóstica, y viceversa, aún manteniéndose constantes su sensibilidad y especificidad.
Valor predictivo negativo (VPN)
Se define como la probabilidad de que una persona esté sana (e-) habiendo dado negativo (h-) Sería pues la probabilidad condicionada P(e-/h-)=d /(c+ d). Así, el valor predictivo negativo, expresado en tanto por ciento, representa el porcentaje de personas sanas (d = verdaderos negativos) respecto del total de personas que han dado negativo en la prueba. Su complementario será P(e+/h-)=c/(c+d), que es el porcentaje de falsos negativos respecto del total de negativos. Un alto VPN indica que la probabilidad de que la persona esté sana habiendo dado negativo en la prueba diagnóstica es muy alta. Tal como se expuso anteriormente, el VPN depende también de la prevalencia de la enfermedad según la relación siguiente:
VPN=(especificidad * (1 - prevalencia de la enfermedad)) / (especificidad*(1 - prevalencia)+(1 - sensibilidad)*prevalencia)
Esto significa que cuando disminuye la prevalencia de la enfermedad en la población de referencia, aumenta el VPN de la prueba diagnóstica, y viceversa, aún manteniéndose constantes su sensibilidad y especificidad.
Fiabilidad o exactitud (de la prueba diagnóstica)
Es la probabilidad de que se obtenga un resultado correcto. Se calcula dividiendo la suma de los verdaderos positivos y los verdaderos negativos entre el total de la muestra. Fiabilidad=(a+d)/N. Por ejemplo, una fiabilidad del 90% indicará que de cada 100 veces que se aplique la prueba diagnóstica cabe esperar que en 90 el resultado sea correcto.
Reproducibilidad (de un test diagnóstico)
Es la probabilidad de que se repita el mismo resultado (sano o enfermo) cuando la prueba se aplica varias veces al mismo sujeto. Si se trata del mismo operador que aplica la prueba varias veces hablaremos de concordancia o reproducibilidad intra-examinador, mientras que cuando la prueba diagnóstica es aplicada por diferentes examinadores al mismo sujeto hablaremos de concordancia inter-examinador.
Para determinar la reproducibilidad de un método diagnóstico se utiliza el test Kappa que proporciona el estadígrafo k, considerándose que la reproducibilidad es aceptable cuando k >=0,8.
Segura-Egea, JJ. Sensibilidad y especificidad de los métodos diagnósticos convencionales de las caries oclusal según la evidencia científica disponible. RCOE 2002;7(5):491-501
