Sensibilidad y especificidad

Definitions & Key takeaways

Sensitivity and specificity are two important statistical measures used to evaluate the performance of medical tests, such as diagnostic tests for diseases.

Sensitivity measures the ability of a test to correctly identify those who have the disease. It is the proportion of people with a disease who test positive. This means that a test with high sensitivity can correctly identify most individuals who have the disease, while a test with low sensitivity will miss many cases of the disease. Sensitivity is calculated by dividing the number of true positives, by the total number of all people who have the condition - the true positives and false negatives.

Specificity, on the other hand, measures the ability of a test to correctly identify those who do not have the disease. It is the proportion of people without a disease who correctly test negative. This means that a test with high specificity can correctly identify most individuals who do not have the disease, while a test with low specificity will result in many false positive results. Specificity is calculated by dividing the number of true negatives by the total number of all people who don't have the condition - the true negatives and false positives.

Ver video solo
Supongamos que se desarrolla una nueva prueba de cribado para averiguar si las personas tienen diabetes antes de que empiecen a mostrar síntoma Antes de utilizar la prueba, hay que asegurarse de que la prueba funciona, es decir, ¿puede la prueba identificar correctamente si una persona tiene diabetes o Esta es la validez de la prueba, y tiene dos componentes: 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 la enfermedad Supongamos que se recluta a 1.000 personas, 100 que tienen diabetes y 900 que no la tienen, para comprobar la prueba de diabete Se pueden organizar los resultados utilizando una tabla de 2 por 2, en la que el verdadero estado de la enfermedad, positivo o negativo, de la persona está en la parte superior del cuadro y los resultados de la prueba de detección, positivos o negativos, están en el lateral, y cada una de las celdas está etiquetada como a, b, c o d.
En esta situación, una prueba positiva indica que la persona tiene diabetes. Veamos esta tabla más de cerca.
Una persona que obtiene un resultado positivo en la prueba y tiene un estado de enfermedad positivo (tiene diabetes) se llama un verdadero positivo.
Una persona que obtiene un resultado negativo en la prueba y tiene un estado de enfermedad negativo (no tiene diabetes) es un verdadero negativo Una persona que obtiene un resultado positivo en la prueba aunque no tenga diabetes, sería un falso positiv Y, por último, una persona que obtiene un resultado negativo en la prueba aunque tenga diabetes, sería un falso negativo.
Para calcular la sensibilidad, se divide el número de verdaderos positivos entre el número total de personas que tienen diabetes, es decir, la celda a dividida entre la suma de la celda a y la celda c.
Una prueba con una sensibilidad perfecta tendría 100 verdaderos positivos en la celda a, porque la prueba identificaría correctamente a todos los que tienen diabetes, y cero falsos negativos en la celda c Para calcular la especificidad, se divide el número de verdaderos negativos entre el número total de personas que no tienen diabetes, es decir, la celda d dividida entre la suma de la celda d y la celda b.
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 diabetes, y cero falsos positivos en la celda b.
Pero ninguna prueba es 100% perfecta, así que supongamos que la celda a contiene 80 verdaderos positivos, la celda b contiene 100 falsos positivos, la celda c contiene 20 falsos negativos y la celda d contiene 800 verdaderos negativos.
En esta situación, la sensibilidad sería del 80%, porque hay 100 personas que realmente tienen diabetes (celda a más celda c), y 80 de ellas (celda a) son verdaderos positivos.
En otras palabras, esta prueba identificará correctamente al 80% de las personas que tienen diabetes. La especificidad sería del 89%, porque 900 personas no tienen diabetes (celda d más celda b) y 800 de ellas (en la celda d) son verdaderos negativos.
En otras palabras, esta prueba identificará correctamente al 89% de las personas que no tienen diabetes. A veces, decidir si una persona tiene una afección es una cuestión de sí o no (como tener una caries o no tenerla), pero otras afecciones están en una escala continua (como la glucemia) Para estos trastornos, tiene que haber un valor de corte que haga que el resultado de la prueba sea positivo o negativo.
Por ejemplo, supongamos que hay 20 personas con diabetes y 20 personas sin diabetes que se hacen una prueba de glucemia.
Aunque la glucemia tiende a ser más alta en las personas con diabetes, no hay un valor de corte claro porque hay mucho solapamiento de la glucemia entre las personas con y sin diabetes Digamos que elegimos un valor de corte alto.
Entonces, volviendo a la tabla de 2 por 2, podría haber solo 2 falsos positivos, pero 15 falsos negativos, por lo que la prueba tendría una alta especificidad y una baja sensibilidad, y un gran número de personas con diabetes no serían diagnosticadas.
Eso puede ser un problema grave para las enfermedades que deben diagnosticarse pronto, ya sea porque se desarrollan rápidamente o porque solo pueden curarse en las primeras fases.
Por otro lado, supongamos que se elige un valor de corte bajo. En ese caso, es posible que haya solo 3 falsos negativos, pero 14 falsos positivos, por lo que la prueba tiene una alta sensibilidad y una baja especificidad, y un gran número de personas sin diabetes serían diagnosticadas erróneamente como si la tuvieran.
Eso puede provocar una ansiedad adicional y muchos gastos extra relacionados con pruebas médicas innecesarias por algo que ni siquiera tienen.
Por lo tanto, siempre hay un equilibrio entre la sensibilidad y la especificidad, por lo que la elección de un valor de corte adecuado debería depender de la gravedad de la enfermedad que se está detectando, de la eficacia de los tratamientos disponibles y de si la eficacia es mayor si el tratamiento se administra antes que después.
Para calcular la sensibilidad y la especificidad, habría que saber el número de individuos que realmente tienen la enfermedad o no.
Pero esto no suele ser así, ya que el objetivo de las pruebas es averiguar si una persona padece una determinada afección.
Así pues, una prueba recién desarrollada suele compararse con una prueba de referencia existente, es decir, la prueba más conocida que ya existe Por ejemplo, la prueba de referencia para detectar la diabetes es la prueba de tolerancia a la glucosa oral, que consiste en medir la glucemia antes y después de tomar una determinada cantidad de azúcar.
Pero la prueba de tolerancia a la glucosa oral tarda varias horas en hacerse y no puede utilizarse realmente para el cribado de muchas personas a la vez, por lo que se desarrolló una nueva prueba llamada prueba de glucosa en plasma en ayunas porque es más sencilla y rápida.
La prueba de glucosa en plasma en ayunas solo requiere una muestra de sangre, que suele obtenerse por la mañana, después de que la persona haya pasado la noche en ayuna Pero antes de utilizarla en la práctica, la prueba de glucosa en plasma en ayunas se comparó con la prueba de tolerancia a la glucosa oral, para garantizar que tenía una sensibilidad y una especificidad relativamente altas.
A menudo, una persona se someterá a dos pruebas, de forma secuencial o simultánea. En las pruebas secuenciales o en dos fases, la primera prueba suele ser más barata, menos invasiva o menos incómoda (como la prueba de glucosa en plasma en ayunas), y las personas que dan positivo se someten a otra prueba más cara, más invasiva o más incómoda (como la prueba de tolerancia a la glucosa oral), que suele tener mayor sensibilidad y especificidad.
Si una persona da positivo en ambas pruebas, se considera que tiene la enfermedad. Por otro lado, se considera que las personas que dan negativo en la primera o en la segunda prueba no tienen la enfermedad.
Lo ideal es que la primera prueba identifique al mayor número posible de personas con diabetes, es decir, que obtenga el mayor número posible de resultados positivos verdaderos, ya que obtener un resultado negativo en la primera prueba significa que la persona no pasará a la segunda.
Por ello, es mejor identificar a alguien en la primera prueba como falso positivo que como falso negativo, por lo que la primera prueba suele tener una mayor sensibilidad que especificidad.
Por lo tanto, el grupo de personas que se somete a la segunda prueba será en su mayoría verdaderos positivos y falsos positivos, con muy pocos falsos negativos Después, la segunda prueba debería descartar la mayoría de esos falsos positivos, por lo que a menudo tendrá mayor especificidad que sensibilida En las pruebas secuenciales, dado que hay dos posibilidades de que una persona tenga un resultado negativo, el número de verdaderos negativos aumenta, lo que se traduce en un aumento de la especificidad neta o combinada de las dos pruebas.
En el caso de las pruebas secuenciales, la especificidad neta se calcula multiplicando las especificidades de cada prueba y restando el resultado a la suma de las dos especificidades.
Por ejemplo, supongamos que la especificidad de la primera prueba es del 80% (0,8) y la especificidad de la segunda prueba es del 90% (0,9 En esa situación, la ecuación será así: la suma de 0,8 y 0,9, menos el producto de 0,8 y 0,9.
Esto nos da 1,7 menos 0,72, para una especificidad neta de 0,98, es decir, el 98%. Esta especificidad neta es mayor que las especificidades de cada prueba individual.
La sensibilidad neta de dos pruebas secuenciales se calcula multiplicando la sensibilidad de la primera prueba por la sensibilidad de la segunda.
Por ejemplo, si la sensibilidad de la primera prueba es del 70% y la de la segunda del 90%, la sensibilidad neta es 0,7 por 0,9, es decir, 0,63, o sea, el 63%.
En el caso de las pruebas secuenciales, la sensibilidad neta suele ser inferior a las sensibilidades de cada una de las pruebas, pero esto es una contrapartida por tener una especificidad neta tan alta.
En las pruebas simultáneas, las dos pruebas se hacen a la misma persona al mismo tiempo. Se considera que una persona padece la enfermedad si da positivo en cualquiera de las dos pruebas, y si ambas son también positivas.
Esto significa que se considera que una persona no tiene la enfermedad solo si da negativo en ambas pruebas. Esto conduce a un aumento del número de verdaderos positivos y a una disminución del número de falsos negativos, lo que aumenta la sensibilidad neta de las pruebas Para las pruebas simultáneas, la especificidad neta se calcula multiplicando la especificidad de la primera prueba por la especificidad de la segunda.
Por ejemplo, si la especificidad de la primera prueba es del 60% y la especificidad de la segunda es del 90%, la especificidad neta es de 0,6 por 0,9, es decir, 0,54, o sea, el 54 Una cosa importante a tener en cuenta es que esta ecuación es similar a la utilizada para calcular la sensibilidad neta para las pruebas secuenciales, excepto que en las pruebas secuenciales se multiplican las dos sensibilidades, y en las pruebas simultáneas se multiplican las dos especificidades.
La sensibilidad neta de dos pruebas simultáneas se calcula multiplicando las sensibilidades de cada prueba y restando el resultado a la suma de las dos sensibilidades.
Por ejemplo, supongamos que la sensibilidad de la primera prueba es del 70% (0,7) y la sensibilidad de la segunda prueba es del 90% (0,9), por lo que el cálculo será la suma de 0,7 y 0,9, menos el producto de 0,7 y 0,9.
Esto da 1,6 menos 0,63, por lo que la sensibilidad neta es de 0,97, es decir, el 97%, que es mayor que las sensibilidades de cada prueba individual.
Una vez más, esta ecuación solo difiere ligeramente de la utilizada para calcular la especificidad neta de las pruebas secuenciales.
##Resumen Como breve resumen... La validez de una prueba se refiere a lo bien que la prueba puede identificar correctamente a las personas que tienen un trastorno determinado (sensibilidad) y a las personas que no lo tienen (especificidad).
La sensibilidad se calcula dividiendo el número de verdaderos positivos entre el número total de personas que padecen la enfermedad: los verdaderos positivos y los falsos negativos.
La especificidad se calcula dividiendo el número de verdaderos negativos entre el número total de personas que no tienen la enfermedad: los verdaderos negativos y los falsos positivos.
En el caso de las pruebas secuenciales, la sensibilidad neta se calcula multiplicando la sensibilidad de la primera prueba por la sensibilidad de la segunda, y la especificidad neta se calcula multiplicando las especificidades de cada prueba y restando el resultado a la suma de las dos especi ficidades.
En el caso de las pruebas simultáneas, la sensibilidad neta se calcula multiplicando las sensibilidades de cada prueba y restando el resultado a la suma de las dos sensibilidades, y la especificidad neta se calcula multiplicando la especificidad de la primera prueba por la especificidad de la se gunda.
En general, la especificidad y la sensibilidad están relacionadas de forma inversa, por lo que las pruebas con mayor sensibilidad tendrán menor especificidad, y vicevers