Valor predictivo positivo y negativo

Supongamos que una persona recibe los resultados de una prueba de detección de cáncer de colon.

Hay dos escenarios posibles: o el resultado es positivo, lo que indica que tienen cáncer de colon, o el resultado es negativo, que indica que no tienen cáncer de colon.

En este punto, la persona puede preguntarse: ¿hasta qué punto debería preocuparme que el resultado de la prueba sea positivo? O bien, ¿hasta qué punto debo estar tranquilo porque el resultado de la prueba haya sido negativo? Cada prueba tiene un valor predictivo positivo, o VPP, que es la probabilidad de que las personas con un resultado positivo de la prueba realmente tengan el resultado, y un valor predictivo negativo, o VPN, que es la probabilidad de que las personas con un resultado negativo de la prueba realmente no tengan el resultado.

Veamos un ejemplo para mostrar cómo se puede medir el valor predictivo de una prueba.

Supongamos que se reclutan 1.000 personas, 100 con cáncer de colon y 900 sin cáncer de colon, y se les hace a todos la misma prueba de detección.

De esta manera puede verse cuántas personas con resultados positivos tienen realmente cáncer de colon y cuántas personas con resultados negativos no tienen realmente cáncer de colon.

Los resultados se pueden organizar en una tabla de 2 por 2, en la que el verdadero estado de la enfermedad de la persona está en la parte superior del cuadro y los resultados de la prueba de detección están en el lateral, y cada una de las celdas está etiquetada como a, b, c o d.

Un verdadero positivo sería una persona que obtiene un resultado positivo en la prueba y tiene cáncer de colon.

Un verdadero negativo sería una persona que obtiene un resultado negativo en la prueba y no tiene cáncer de colon.

Un falso positivo sería una persona que obtiene un resultado positivo en la prueba aunque no tenga cáncer de colon.

Y un falso negativo sería una persona que obtiene un resultado negativo en la prueba aunque tenga cáncer de colon.

Para calcular el valor predictivo positivo, se divide el número de verdaderos positivos entre el número total de personas que dieron positivo, es decir, la celda a dividida entre la suma de las celdas a y b.

Una prueba con un valor predictivo positivo perfecto tendría 100 verdaderos positivos en la celda a, porque la prueba identificaría correctamente a todas las personas que tienen cáncer de colon, y cero falsos positivos en la celda b.

Para calcular el valor predictivo negativo, se divide el número de verdaderos negativos entre el número total de personas que dieron negativo, es decir, la celda d dividida entre la suma de las celdas c y d.

Una prueba con una especificidad perfecta tendría 900 verdaderos negativos en la celda d, porque la prueba identificaría correctamente a todas las personas que no tienen cáncer de colon, y cero falsos negativos en la celda c.

Pero ninguna prueba es 100% perfecta, así que supongamos que la celda a contiene 90 verdaderos positivos, la celda b contiene 50 falsos positivos, la celda c contiene 30 falsos negativos y la celda d contiene 850 verdaderos negativos.

En esta situación, el valor predictivo positivo sería del 64%, porque hay 90 personas que son verdaderos positivos (en la celda a) y 140 personas que dieron positivo (celdas a más b).

En otras palabras, el 64% de las personas que dan positivo tendrán realmente cáncer de colon, mientras que el otro 36% de las personas que dan positivo no tendrán cáncer de colon.

El valor predictivo negativo sería del 97%, porque hay 850 personas (en la celda d) que son verdaderos negativos y 880 personas que dieron negativo (celdas b más d).

En otras palabras, el 97% de las personas que dan negativo no tendrán realmente cáncer de colon, mientras que el otro 3% de las personas que dan negativo tendrán cáncer de colon.

Los valores predictivos suelen confundirse con la sensibilidad y la especificidad.

Una prueba con alta sensibilidad identificará correctamente a la mayoría de las personas que tienen la enfermedad, y una prueba con alta especificidad identificará correctamente a la mayoría de las personas que no tienen el resultado.

La principal diferencia entre validez y valor predictivo es que la sensibilidad y la especificidad son características fijas de una prueba.

Mientras que los valores predictivos se ven afectados por la prevalencia del resultado.

Para entenderlo mejor, veamos otro ejemplo.

Supongamos que ahora queremos hacer pruebas para detectar el cáncer de colon en un grupo de 10.000 adolescentes.

El cáncer de colon es poco frecuente en los adolescentes, así que digamos que la prevalencia es solo del 1% (en realidad, sería mucho menor, pero este valor hace que sea más fácil hacer los cálculos).

Supongamos también que la prueba que se va a utilizar para detectar el cáncer de colon tiene una sensibilidad del 99%, lo que significa que identifica correctamente al 99% de las personas que tienen cáncer de colon, y una especificidad del 95%, por lo que identifica correctamente al 95% de las personas que no tienen cáncer de colon.

Los resultados de la prueba pueden ponerse en una tabla de 2 por 2, donde 99 personas son verdaderos positivos, 495 personas son falsos positivos, 1 persona es un falso negativo y 9.405 personas son verdaderos negativos.