Análisis de la curva ROC: valores predictivos
Comando: | Estadísticas ![]() ![]() ![]() ![]() |
Descripción
Incluso sin acceso a los datos sin procesar para realizar el análisis de la curva ROC, es posible calcular los valores predictivos positivo y negativo de una prueba si se conocen su sensibilidad, especificidad y la prevalencia de la enfermedad (o la probabilidad previa a la prueba), mediante el uso del teorema de Bayes.
Entrada requerida
Introduzca la sensibilidad y especificidad de una prueba (expresadas como porcentajes) y la prevalencia de la enfermedad (también expresada como porcentaje).
Opcionalmente, puede introducir el número de casos en los grupos de enfermos y normales. Este es el número de casos incluidos en el estudio en el que se determinó la sensibilidad y la especificidad. Al introducir estos números, MedCalc podrá calcular intervalos de confianza del 95 % para los valores predictivos positivos y negativos.
Cuando se hayan ingresado estos datos haga clic en Prueba o presione Enter para ver los resultados.
Resultados
- Valor predictivo positivo (PPV): probabilidad de que la enfermedad esté presente cuando la prueba es positiva (expresada como porcentaje).
$$ PPV = \frac {sensibilidad \times prevalencia } {sensibilidad \times prevalencia + (1-especificidad)\times (1-prevalencia ) } $$
- Valor predictivo negativo (NPV): probabilidad de que la enfermedad no esté presente cuando la prueba es negativa (expresada en porcentaje).
$$ NPV = \frac {especificidad \times (1-prevalencia ) }{ (1-sensibilidad) \times prevalencia + especificidad \times (1-prevalencia ) } $$
- Cuando se conocen los tamaños de muestra en los grupos enfermos y normales, MedCalc calcula intervalos de confianza para los valores predictivos utilizando el método logit estándar proporcionado por Mercaldo et al. 2007.
Literatura
- 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.