definiciones:
paciente: positivo para enfermedad
sano: negativo para enfermedad
verdadero positivo (TP) = el número de casos correctamente identificados como paciente
falso positivo (PF) = el número de casos incorrectamente identificados como paciente
verdadero negativo (TN) = el número de casos correctamente identificados como sanos
falso negativo (FN) = el número de casos incorrectamente identificados como sanos
precisión: la precisión de una prueba es su capacidad para diferenciar correctamente el paciente y los casos sanos., Para estimar la precisión de una prueba, debemos calcular la proporción de verdadero positivo y verdadero negativo en todos los casos evaluados. Matemáticamente, esto se puede afirmar como:
Accuracy = TP + TNTP+TN + FP + Fn
sensibilidad: la sensibilidad de una prueba es su capacidad para determinar los casos de los pacientes correctamente. Para estimarlo, debemos calcular la proporción de verdadero positivo en los casos de pacientes. Matemáticamente, esto puede ser declarado como:
sensibilidad = TPTP+Fn
especificidad: la especificidad de una prueba es su capacidad para determinar los casos sanos correctamente., Para estimarlo, debemos calcular la proporción de verdadero negativo en casos sanos. Matemáticamente, esto se puede afirmar como:
Specificity = TNTN+FP
ejemplos:
escenario 1
Imagine que tenemos una muestra de 100 casos, 50 sanos y los demás pacientes. Si una prueba puede ser positiva para todos los pacientes y negativa para todos los sanos, es 100% precisa. En la figura 1, la flecha muestra la prueba y ha sido capaz de diferenciar el sano y el paciente exactamente., En este ejemplo, la sensibilidad de la prueba es 50 dividido por 50 o 100% y su especificidad en la determinación de las personas sanas es 50 dividido por 50 o 100%.
Una presentación esquemática de un ejemplo de prueba con 100% de exactitud, sensibilidad y especificidad
Teniendo en cuenta las mencionadas características estadísticas, esta prueba es adecuado tanto para la detección y verificación final de una enfermedad.,
escenario 2
si la prueba solo puede diagnosticar a 25 de los 50 pacientes y ha reportado a los demás como sanos (Figura 2); la precisión, sensibilidad y especificidad serán las siguientes:
Una Presentación Esquemática de una prueba de ejemplo con 75% de precisión, 50% de sensibilidad y 100% de especificidad.
precisión: de los 100 casos que se han probado, la prueba pudo determinar correctamente 25 pacientes y 50 casos sanos. Por lo tanto, la precisión de la prueba es igual a 75 dividido por 100 o 75%.,
sensibilidad: de los 50 pacientes, la prueba solo ha diagnosticado 25. Por lo tanto, su sensibilidad es 25 dividido por 50 o 50%.
especificidad: de las 50 personas sanas, la prueba ha señalado correctamente todas las 50. Por lo tanto, su especificidad es 50 dividido por 50 o 100%.
de acuerdo con estas características estadísticas, esta prueba no es adecuada para fines de cribado; pero es adecuada para la confirmación final de una enfermedad.,
escenario 3
Esta vez asumiremos que la prueba ha sido capaz de identificar 25 de los 50 casos sanos y ha reportado a los demás como pacientes (Figura 3). En este escenario de precisión, la sensibilidad y la especificidad serán las siguientes:
Una Presentación Esquemática de una prueba de ejemplo con 75% de precisión, 100% de sensibilidad y 50% de especificidad.
precisión: de los 100 casos que se han probado, la prueba pudo identificar correctamente 25 casos sanos y 50 pacientes., Por lo tanto, la precisión de la prueba es igual a 75 dividido por 100 o 75%.
sensibilidad: de los 50 pacientes, la prueba ha diagnosticado los 50. Por lo tanto, su sensibilidad es 50 dividido por 50 o 100%.
especificidad: de los 50 casos sanos, la prueba ha señalado correctamente solo 25. Por lo tanto, su especificidad es 25 dividido por 50 o 50%.
de acuerdo con estas características estadísticas, esta prueba es adecuada para fines de cribado, pero no es adecuada para la confirmación final de una enfermedad.