Valor predictivo positivo
¿cuántos de los que resultan positivos en la prueba están realmente enfermos?
VPP=Verdaderos Positivos/total de la prueba (+)
=VP/Verdaderos Positivos +Falsos Positivos
Valor Predictivo Negativo
¿cuántos de los que dieron negativos en la prueba están realmente exentos de la enfermedad?
VPN =Verdaderos Negativos/total de la prueba (-)
=VN/Verdaderos Negativos + Falsos Negativos
Valor Predictivo
Positivo (VPP)
Verdaderos Positivos(a)/
Verdaderos Positivos(a)+Falsos Positivos(b)
Negativo (VPN)
Verdaderos Negativos(d)/
Verdaderos Negativos(d)+Falsos Negativos(c)
Probabilidad posterior o postprueba =Probabilidad condicionada una vez que la prueba se ha realizado
La probabilidad de estar enfermo después de que la prueba ha sido positiva:
Valor predictivo positivo
La probabilidad de no estar enfermo si la prueba fue negativa:
Valor predictivo negativo
Cambio de los valores predictivos al cambiar la prevalencia
La probabilidad de estar enfermo después de que la prueba ha sido positiva:
Valor predictivo positivo
La probabilidad de no estar enfermo si la prueba fue negativa:
Valor predictivo negativo
Varía con la prevalencia
Valores predictivos y prevalencia: cambia la probabilidad
Valor predictivo positivo Prevalencia alta y una prueba +
la probabilidad de ser enfermo es muy alta
Valor predictivo negativo
Prevalencia es baja y la prueba es
La probabilidad de no estar enfermo es muy alta
Pruebas diagnósticas
Sensibilidad alta
VPN altos
Especificidad alta
VPP altos
–
+
+
+
+
+
+
+
+
–
+
–
–
–
–
–
–
–
–
+
¿Cuál es el punto de corte ideal
(que mejor discrimina)?
Las curvas de rendimiento diagnóstico o
Curvas de ROC
Pruebas diagnósticas y variables continuas
Variables cuantitativas y punto de corte en las pruebas diagnosticas de variables continuas
Ideal
Real
No enfermo
Enfermo
Punto de corte y variables cuantitativas continuas en las pruebas diagnosticas
Real
No enfermo
Enfermo
Más sensible
Menos específico
Menos sensible
Más específico
Punto de corte y variables cuantitativas continuas en las pruebas diagnósticas
Punto de corte y distribución
Sensibilidad y especificidad
altas
baja
intermedia
Sensibilidad/especificidad
Conocer el rendimiento global de una pruebaElegir el punto de corte apropiado para un determinado paciente
Comparar dos pruebas o dos puntos de corte
Se basa en la importancia relativa que para el paciente tenga hacer un diagnóstico falso positivo o falso negativo
Elección del punto de corte óptimo
Curva de ROC y elección del punto de corte
Epidemiología clínica aplicada al diagnóstico
Sensibilidad (sobre enfermos) y especificidad (sobre sanos)
Valores predictivos positivos (o negativos)
La probabilidad de estar enfermo (o sano) después de que la prueba ha sido positiva (o negativa)
Curvas ROC
¿Cuál es el punto de corte ideal o que mejor discrimina?
Página anterior | Volver al principio del trabajo | Página siguiente |