MedicinaTema
Medidas del rendimiento de una prueba diagnóstica: la sensibilidad detecta enfermos, la especificidad identifica sanos; los valores predictivos dependen de la prevalencia.
Contenido
3 niveles de profundidad
Lo esencial para entender el tema desde cero.
Sensibilidad: capacidad de detectar a los que SÍ tienen la enfermedad (pocos falsos negativos).
Especificidad: capacidad de identificar a los que NO la tienen (pocos falsos positivos).
Idea: una prueba muy sensible sirve para descartar; una muy específica, para confirmar.
Ninguna prueba diagnóstica es perfecta. Todas se equivocan en alguna dirección, y la medicina consiste en buena medida en saber en qué dirección se equivoca la que estamos usando y qué hacer con su resultado. Estos conceptos no son estadística abstracta: son lo que decide si un dolor de pecho se va a casa o ingresa.
Todo parte de comparar el resultado de la prueba con la verdad, que aporta una prueba de referencia (el llamado patrón oro):
| Enfermo | Sano | |
|---|---|---|
| Prueba + | Verdadero positivo (VP) | Falso positivo (FP) |
| Prueba − | Falso negativo (FN) | Verdadero negativo (VN) |
De ahí salen las cuatro medidas fundamentales:
La diferencia entre los dos pares es la clave del tema: sensibilidad y especificidad son propiedades de la prueba y no cambian con la población; los valores predictivos son lo que le importa al paciente y cambian por completo según lo frecuente que sea la enfermedad.
La lógica detrás es sencilla. Si una prueba detecta al 99 % de los enfermos y en este paciente ha salido negativa, es muy improbable que sea uno del 1 % que se le escapa: podemos descartar. Y si una prueba casi nunca se equivoca dando positivos falsos, un positivo es casi seguro real.
En la práctica esto se traduce en una estrategia muy usada: primero una prueba sensible para no dejar escapar a nadie (cribado) y, sobre los positivos, una prueba específica para confirmar. Es exactamente lo que se hace en el diagnóstico del VIH: primero una técnica de cribado muy sensible y después una prueba de confirmación.
Muchas pruebas no dan un "sí" o un "no", sino un número: glucemia, troponina, PSA, dímero D. Para convertir ese número en un resultado hay que fijar un punto de corte, y ahí aparece el compromiso:
No existe un corte "correcto" en abstracto: depende de qué error es peor. En una enfermedad grave y tratable, dejar escapar a un enfermo es mucho peor que asustar a un sano, así que se prioriza la sensibilidad. En una prueba cuyo positivo lleva a una intervención agresiva y arriesgada, se prioriza la especificidad.
La curva ROC representa ese compromiso: enfrenta la sensibilidad frente a los falsos positivos para todos los puntos de corte posibles. El área bajo la curva (AUC) resume la calidad global de la prueba: 0,5 es tirar una moneda al aire y 1,0 es la prueba perfecta.
Este es el punto que más se falla, y el más importante en la consulta. Con una prueba de sensibilidad y especificidad fijas del 99 %, veamos qué pasa al aplicarla a 10.000 personas:
| Prevalencia | Enfermos | Verdaderos positivos | Falsos positivos | Valor predictivo positivo |
|---|---|---|---|---|
| 1 % (población general) | 100 | 99 | 99 | 50 % |
| 50 % (consulta con sospecha) | 5.000 | 4.950 | 50 | 99 % |
La misma prueba, idéntica de buena, y un positivo significa una cosa u otra según a quién se le haya hecho. En la población general, la mitad de los positivos serían falsos. Por eso hacer pruebas sin sospecha clínica genera falsas alarmas, con su carga de ansiedad, de pruebas invasivas de confirmación y de diagnósticos que nunca habrían dado problemas.
De ahí la frase que resume el tema: la prueba no sustituye a la historia clínica, la modifica. Lo primero es estimar cuánta probabilidad tiene ese paciente concreto de estar enfermo, y después la prueba mueve esa probabilidad hacia arriba o hacia abajo.
Son la herramienta que hace ese movimiento explícito:
Como orientación: un cociente positivo mayor de 10 cambia mucho las cosas a favor del diagnóstico; uno negativo menor de 0,1, mucho en contra; y valores próximos a 1 significan que la prueba, en ese paciente, no ha aportado casi nada. Su ventaja es que no dependen de la prevalencia y se pueden aplicar a cualquier paciente.
¿Algo no te cuadra?
El Tutor IA conoce este tema: pídele otro ejemplo o que te pregunte para comprobar que lo dominas.
Material educativo. Verifica siempre con guías actualizadas y tus docentes.