Caractersticas operativas de test diagnsticos

Curvas ROCDr. Claudio Puebla

Curso MBEIV Medicina

Universidad de Valparaso

Curvas ROC

De gran desarrollo en los ltimos aos en el proceso

diagnstico.

tiles para test cuantitativos.

Ejemplo: ferritina plasmtica, CK total, amilasa, ADA

lquido pleural, o cuestionarios, escalas, etc.

Curvas ROC Tradicionalmente cuando se tena un test cuantitativo, se

elega el mejor cut-off o punto de corte, que combinaba la mejor sensibilidad y especificidad del test (mayor rendimiento).

Sin embargo, esto significa una prdida de informacin, al transformar una variable continua en dicotmica. Habitualmente una sensibilidad de 85 %, con especificidad de 74 %.

Ejemplo: ADA mayor o menor de 40 UI/l en diagnstico de TBC pulmonar. Ferritina menor de 50 en diagnstico de anemia ferropnica.

Test cuantitativo ideal

sanos enfermos

2 curvas, sanos vs enfermos

Lo habitual en medicina

sanos enfermos

El mejor punto de corte

Especificidad de 75 % Sensibilidad 78 %

sanos enfermos

mejor rendimiento(a + d) / (a + b + c + d)

Desplazando punto de corte

Aumenta sensibilidadPero disminuye especificidad

sanos enfermos

Mxima sensibilidad

Sensibilidad 100 %Pero mala especificidad

sanos enfermos

Aumentando especificidad

Aumenta especificidadPero disminuye sensibilidad

enfermossanos

Mxima especificidad

100 % especificidadPero mala sensibilidad

enfermossanos

3 valoresPodemos elegir 3 valores

As tendramos un valor central que combine el mejor rendimiento del testY una valor ms bajo que nos de 100 % de sensibilidad (til para descartar)

Y uno alto que nos de 100 % de especificidad (til para confirmar)

sanos enfermos

Mltiples puntos de cortesO mltiples valores

Y determinar la sensibilidad y especificidad en cada punto

sanos enfermos

Sensibilidad y especificidad segn diferentes puntos de corte

12 = 100 % 20 %

23 = 98 % 34 %

35 = 90 % 50 %

45 = 84 % 62 %

78 = 78 % 75 % mejor rendimiento

99 = 47 % 89 %

120 = 10 % 100 %

Resultado del testmg/ml

Sensibilidad Especificidad

Curvas ROCReceiver operating characteristic

Podemos graficar los diferentes puntos de corte de las caractersticas operativas del test. Es decir su sensibilidad y especificidad.

El grfico es una relacin entre los verdaderos positivos y falsos positivos.

Verdaderos positivos = sensibilidad (en eje y) Falsos positivos = 1- especificidad (eje x )

La curva nos da una idea del rendimiento del test.

Curvas ROCReceiver operating characteristic

Las curvas ROC del punto de vista estadstico, relacionan una variable continua que acta como predictora (en este caso el test cuantitativo), con una dicotmica ( en este caso enfermedad).

No slo sirven para el proceso diagnstico, son muy tiles para definir utilidad de variables pronstica.

Ejemplo: score de Ranson en pancreatitis aguda o score de APACHE para gravedad en UCI.

La gran ventaja es que nos pueden entregar ms valores que nos puedan servir en el diagnstico.

Grfico de la curva ROC

Tasa de falsos positivos = ( 1 especificidad)

TasaVerdaderos

Positivos=

Sensibilidad

100 %

100 %0 %

3545

99

78

120

Interpretacin de la curva ROC

No sirve

ideal

Sensibilidad

1- especificidad

Comparacin de curvas ROC

mejor

peor

Sensibilidad

1- especificidad

rea bajo la curva ROCSensibilidad

1- especificidad

rea bajo la curva ROC Se puede calcular el rea bajo la curva.

A mayor valor, mejor es el test.

Mximo 1 perfecto Mayor de 0,9 excelente test 0,8 a 0,9 buen test 0,7 a 0,8 regular test 0,5 a 0,7 mal test 0,5 no relacin < 0,5 relacin inversa ( a mayor valor menos

probable la enfermedad).

rea bajo la curva ROC

Valores menores de 0,5, muestran una relacin inversa.

Es decir, a ms alto el valor del test, menos probable que ocurra la enfermedad.

Habitualmente se grafican al revs, por lo que no es usual de ver. Ejemplo: ferritina y anemia ferropnica

Siempre ver ambos, tanto grfico y rea bajo la curva

Ejemplos de curvas ROC

Ejemplos de curvas ROC

Ejemplos de curvas ROC

Ejemplos de curvas ROC