Prueba diagnóstica

Comando:

Pruebas Prueba diagnóstica

Descripción

Permite calcular características de pruebas como sensibilidad, especificidad, razón de verosimilitud positiva y negativa, prevalencia de la enfermedad, así como valor predictivo positivo y negativo, a partir de datos ingresados ​​en una tabla de 2x2.

Entrada requerida

Ingrese el número de casos en el grupo enfermo que dan positivo y negativo (columna de la izquierda); y el número de casos en el grupo no enfermo que dan positivo y negativo (columna de la derecha).

Nota: puede cambiar el orden de las columnas y filas haciendo clic en el botón.

Prevalencia de enfermedades

Si el tamaño de la muestra en los grupos positivo (Enfermedad presente) y negativo (Enfermedad ausente) no refleja la prevalencia real de la enfermedad, puede introducir la prevalencia en el cuadro de entrada correspondiente. Esto afectará los valores predictivos positivos y negativos, así como la precisión.

Resultados

Las siguientes estadísticas se informan con sus intervalos de confianza del 95 %:

• Sensibilidad : probabilidad de que el resultado de una prueba sea positivo cuando la enfermedad está presente (tasa de positivos verdaderos).
• Especificidad : probabilidad de que el resultado de una prueba sea negativo cuando la enfermedad no está presente (tasa de verdaderos negativos).
• AUC : Área bajo la curva ROC.
• Razón de verosimilitud positiva : razón entre la probabilidad de un resultado positivo de la prueba dada la presencia de la enfermedad y la probabilidad de un resultado positivo de la prueba dada la ausencia de la enfermedad, es decir
  $$ +LR = \frac { True\ positive\ rate } { False\ positive\ rate } = \frac { Sensitivity} { 1 - Specificity} $$
• Razón de verosimilitud negativa : razón entre la probabilidad de un resultado negativo de la prueba dada la presencia de la enfermedad y la probabilidad de un resultado negativo de la prueba dada la ausencia de la enfermedad, es decir
  $$ -LR = \frac { False\ negative\ rate } { True\ negative\ rate } = \frac { 1 - Sensitivity} { Specificity} $$
• Valor predictivo positivo : probabilidad de que la enfermedad esté presente cuando la prueba es positiva.
  $$ PPV = \frac {sensitivity \times prevalence } {sensitivity \times prevalence + (1-specificity)\times (1-prevalence) } $$
• Valor predictivo negativo : probabilidad de que la enfermedad no esté presente cuando la prueba es negativa.
  $$ NPV = \frac {specificity \times (1-prevalence) }{ (1-sensitivity) \times prevalence + specificity \times (1-prevalence) } $$
• Precisión : probabilidad general de que un paciente esté clasificado correctamente.
  $$ Accuracy = sensitivity \times prevalence + specificity \times (1-prevalence) $$

La sensibilidad, la especificidad, la prevalencia de la enfermedad, el valor predictivo positivo y negativo, así como la precisión se expresan como porcentajes.

Los intervalos de confianza para la sensibilidad, especificidad y precisión son intervalos de confianza de Clopper-Pearson 'exactos'.

Los intervalos de confianza para las razones de verosimilitud se calculan utilizando el 'método logarítmico', como se indica en la página 109 de Altman et al. 2000.

Los intervalos de confianza para los valores predictivos son los intervalos de confianza logit estándar dados por Mercaldo et al. 2007; excepto cuando el valor predictivo es 0 o 100%, en cuyo caso se informa un intervalo de confianza de Clopper-Pearson.

En un campo de entrada de Comentarios opcional, puede ingresar un comentario o conclusión que se incluirá en el informe impreso.

Literatura

• Altman DG, Machin D, Bryant TN, Gardner MJ (Eds) (2000) Statistics with confidence, 2^nd ed. BMJ Books.
• Gardner IA, Greiner M (2006) Receiver-operating characteristic curves and likelihood ratios: improvements over traditional methods for the evaluation and application of veterinary clinical pathology tests. Veterinary Clinical Pathology 35:8-17.
• Griner PF, Mayewski RJ, Mushlin AI, Greenland P (1981) Selection and interpretation of diagnostic tests and procedures. Annals of Internal Medicine 94:555-600.
• Hanley JA, McNeil BJ (1982) The meaning and use of the area under a receiver operating characteristic (ROC) curve. Radiology 143:29-36.
• Mercaldo ND, Lau KF, Zhou XH (2007) Confidence intervals for predictive values with an emphasis to case-control studies. Statistics in Medicine 26:2170-2183.
• Metz CE (1978) Basic principles of ROC analysis. Seminars in Nuclear Medicine 8:283-298.
• Zhou XH, NA Obuchowski, DK McClish (2002) Statistical methods in diagnostic medicine. New York: Wiley.
• Zweig MH, Campbell G (1993) Receiver-operating characteristic (ROC) plots: a fundamental evaluation tool in clinical medicine. Clinical Chemistry 39:561-577.

Véase también

• Prueba diagnóstica (tabla 2x2) (compila una tabla 2x2 a partir de 2 variables y calcula las características de la prueba)
• Análisis de la curva ROC en MedCalc