Escolar Documentos
Profissional Documentos
Cultura Documentos
V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 1 de 31
11.-Un método analítico con una sensibilidad del 95% y una especificidad
del 95% tendrá un valor predictivo positivo de:
A) 95%.
B) 90%.
C) 92,5%.
D) Ninguna de las anteriores.
13.- Partiendo de la siguiente tabla 2x2, ¿cuál será la especificidad de la prueba P para la
enfermedad E?
E No E
P+ 160 180
p- 6 254
A) 58.53
B) 96.39.
C) 44.32.
D) 31
14.- Decir cuál afirmación es FALSA con respecto a los valores predictivos:
15.- En el caso del cribado de una enfermedad a través de un test de laboratorio, ¿cuál
es la carácterística más importante que debe cumplir el test?
A) Gran especificidad
B) Pocos falsos positivos
C) Escasa especificidad
D) Pocos falsos negativos
A) especificidad
B) valor predictivo positivo
C) sensibilidad
D) valor predictivo negativo
A) 2
B) 0.80
C) 0.70
D) 0.60
MÓDULO 13.V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 5 de 31
21.- Un paciente se somete a una prueba de cribado para el diagnóstico precoz de una
enfermedad neoplásica. En nuestra población dicha prueba tiene una sensibilidad del
98,2%, una especificidad del 94,7%, un valor predictivo positivo del 66,2% y un valor
predictivo negativo del 99,8%. Si la prueba arroja un resultado alterado, ¿qué
probabilidad tiene de NO padecer la enfermedad?
A) 98,2%.
B) 33,8%.
C) 99,8%.
D) 66,2%.
A) 0,2
B) 0,4
C) 0,8
D) 0,9
28.-El valor predictivo positivo (VPP) y negativo (VPN) de una prueba son
herramientas importantes para la interpretación de los datos de laboratorio.
Decir cuál de las siguientes afirmaciones es FALSA respecto a los valores
predictivos:
A) Dependede la sensibilidad
B) Depende de la especificidad
C) El valor predictivo positivo es la probabilidad de que un individuo esté enfermo
cuando se observa un resultado positivo
D) El valor predictivo positivo viene dado por el cociente entre los positivos
verdaderos y los positivos verdaderos más los negativos verdaderos
A) La sensibilidad
B) La especificidad
C) El valor predictivo positivo
D) El cociente de verosimilitud positivo
38.-Cuando se elige una prueba diagnóstica para cribado hay que tener en
cuenta que:
A) sensibilidad.
B) especificidad.
C) valor predictivo positivo.
D) sensibilidad y especificidad.
MÓDULO 13.V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 9 de 31
A) Sensibilidad
B) Especificidad
C) Valor predictivo positivo
D) Razón de probabilidad positiva (CP+)
E) Sensibilidad y especificidad
MÓDULO 13.V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 10 de 31
1. La prevalencia de la enfermedad.
2. La sensibilidad de la prueba.
3. La especificidad de la prueba.
4. El valor predictivo positivo de la prueba.
5. El valor predictivo negativo de la prueba.
47.-En la evaluación de una prueba diagnóstica de una enfermedad hemos encontrado una
razón de verosimilitud Positiva (RVP) de 7. ¿Qué indica este resultado?:
1. Que el resultado negativo es proporcional mente 7 veces más frecuente en los enfermos que en los
no enfermos.
2. Que el resultado positivo es proporcionalmente 7 veces más frecuente en los enfermos que en los
no enfermos.
3. Que el resultado positivo es proporcionalmente 7 veces más frecuente en los no enfermos que en
los enfermos.
4. Que la sensibilidad y la especificidad son <0,5.
5. Que la contribución del resultado positivo de la prueba es pobre en el diagnóstico de la
enfermedad.
48.- Se ha aplicado una prueba de detección de sangre oculta en heces para detección precoz
del cáncer colorrectal. ¿Qué quiere decir que el valor predictivo positivo de la prueba e del
23%?:
49.- Se evalúa la validez de criterio de una nueva prueba de hibridación para la detección de la
infección por virus del papiloma humano (VPH) en el cuello uterino. El estándar es la
hibridación por transferencia de Southern. En la muestra de 400 sujetos se obtienen
resultados positivos en 70 de las 140 enfermeras y en 26 de las sanas. ¿Cuál es la
sensibilidad de la prueba":
1. 0,17.
2. 0,34.
3. 0,18.
4. 0,10.
5. 0,50.
MÓDULO 13.V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 11 de 31
50.- En un estudio que evalúa una nueva prueba para el diagnóstico de un deterrninado
tipo de cáncer se informa que, en el grupo de pacientes diagnosticados de cáncer, la
probabilidad de encontrar un resultado positivo es 8 veces mayor que en los individuos
en lo que se ha descartado la enfermedad. Este resultado se refiere a la:
1. Sensibilidad.
2. Espcecificidad.
3. Cociente de probabilidad positivo.
4. Valor predictivo positivo.
5. Exactitud global.
52.- Afirmar que una determinada prueba diagnóstica tiene un valor predictivo positivo de 0,80
significa que la probabilidad de que:
1. La sensibilidad del PSA en los adolescentes será mayor que en los ancianos.
2. La especificidad del PSA en los adolescentes será menor que en los ancianos.
3. No cambiará la validez interna del PSA en adolescentes o ancianos sanos.
4. El valor predictivo positivo del PSA en los adolescentes será mayor que en los ancianos.
55.- Una prueba de cribado para la detección de una patología debe tener:
57.- Se aplica una prueba (P) para el diagnóstico de una enfermedad (E), sabiendo que su
sensibilidad Es de 0,8 y su especilicidad es 0,8 en una población cuya prevalencia de E es el
50. Se concluye que el valor predictivo positivo de la prueba es 0,8 y se afirma que,
si la prevalencia de E fuera del 80% el valor predictivo positivo sería de 0.94. La proposición
es:
58.- La especificidad de una prueba para diagnosticar una determinada enfermedad se calcula,
según el teorema de Bayes, multiplicando por 100 el cociente:
59.- Cuál de las siguientes afirmaciones es FALSA. Las curvas ROC expresan:
1.-A
En líneas generales:
Si la prevalencia de una determinada enfermedad en una población es baja, el valor
predictivo positivo (PV+) tiende a ser bajo ya que, al haber una mayor número de personas
sanas, se incrementa el número de falsos positivos. Es decir, si solo un porcentaje bajo de la
población está afectado, un resultado positivo en una prueba no es concluyente por lo que
había que hacer reconfirmar el resultado con una segunda prueba independiente.Si es alta la
prevalencia, el PV+ aumenta
Si la prevalencia de una enfermedad es muy elevada (por ejemplo, en poblaciones de alto
riesgo) el valor predictivo negativo tiende a bajar pues, al haber un mayor número de
personas enfermas, aumenta el número de falsos negativos.
A modo de ejemplo, suponiendo una prueba diagnóstica de SP = 99% y SE = 99% y partiendo de una
población de 10.000 individuos, se calcularán los valor predictivos positivos y negativo teniendo en
cuenta distintas prevalencias.
2.-A
Sensibilidad
Es el porcentaje de resultados positivos en pacientes con una determinada enfermedad.
Mide el porcentaje de individuos enfermos correctamente diagnosticados
La sensibilidad indica la capacidad de una prueba para detectar a un sujeto enfermo.
La sensibilidad es la probabilidad de que la prueba identifique como enfermo a aquel que
realmente lo está.
La sensibilidad expresa cuán "sensible" es la prueba a la presencia de la enfermedad.
Una alta sensibilidad indica un bajo número de falsos negativos.
MÓDULO 13.V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 14 de 31
3.-B
La validez de una prueba diagnóstica: Sensibilidad y especificidad
El caso más sencillo que se nos puede plantear es el de una prueba dicotómica, que clasifica a
cada paciente como sano o enfermo en función de que el resultado de la prueba sea positivo o
negativo. En casos como éste, generalmente un resultado positivo se asocia con la presencia
de enfermedad y un resultado negativo con la ausencia de la misma. Cuando se estudia una
muestra de pacientes, los datos obtenidos permiten clasificar a los sujetos en cuatro grupos
según una tabla 2x2 como la que se muestra en la Tabla 1. En ella, se enfrenta el resultado de
la prueba diagnóstica (en filas) con el estado real de los pacientes (en columnas) o, en su
defecto, el resultado de la prueba de referencia o “gold standard” que vayamos a utilizar. El
resultado de la prueba puede ser correcto (verdadero positivo y verdadero negativo) o
incorrecto (falso positivo y falso negativo). El análisis de su validez puede obtenerse calculando
los valores de sensibilidad y especificidad4:
Verdadero diagnóstico
Resultado de la
prueba Enfermo Sano
Sensibilidad
Es la probabilidad de clasificar correctamente a un individuo enfermo, es decir, la probabilidad
de que para un sujeto enfermo se obtenga en la prueba un resultado positivo. La sensibilidad
es, por lo tanto, la capacidad del test para detectar la enfermedad.
Cuando los datos obtenidos a partir de una muestra de pacientes se clasifican en una tabla
como la que se muestra en la Tabla 1, es fácil estimar a partir de ella la sensibilidad como la
proporción de pacientes enfermos que obtuvieron un resultado positivo en la prueba
diagnóstica. Es decir:
De ahí que también la sensibilidad se conozca como “fracción de verdaderos positivos (FVP)”.
Especificidad
Es la probabilidad de clasificar correctamente a un individuo sano, es decir, la probabilidad de
que para un sujeto sano se obtenga un resultado negativo. En otras palabras, se puede definir
la especificidad como la capacidad para detectar a los sanos. A partir de una tabla como
la Tabla 1, la especificidad se estimaría como:
4.-D
MÓDULO 13.V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 15 de 31
5.-D
Los valores predictivos (positivo y negativo) miden la eficacia real de una prueba diagnóstica. Son
probabilidades del resultado, es decir, dan la probabilidad de padecer o no una enfermedad una vez
conocido el resultado de la prueba diagnóstica. Se trata de valores post-test y dependen de
la prevalencia de una enfermedad, es decir, del porcentaje de una población que está afectada por
esa determinada patología.
¿Por qué son útiles los valores predictivos? La sensibilidad, especificidad y AUC (área bajo curva)
son valores intrínsecos al test diagnóstico. Esto quiere decir que son valores teóricos, que no varían
entre poblaciones y, por tanto, no tienen utilidad práctica por sí solos. En cambio, los valores
predictivos (positivo y negativo) son índices que evalúan el comportamiento de la prueba diagnóstica
en una población con una determinada proporción de enfermos por lo que sirven para medir la
relevancia de la sensibilidad y especificidad en una determinada población.
6.-B
Sensibilidad
Es el porcentaje de resultados positivos en pacientes con una determinada enfermedad.
Mide el porcentaje de individuos enfermos correctamente diagnosticados
La sensibilidad indica la capacidad de una prueba para detectar a un sujeto enfermo.
MÓDULO 13.V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 16 de 31
Una sensibilidad del 81,8 % indica que solo el 81,8 % de los pacientes enfermos darán positiva
la prueba.
En este caso habrá un 18,2 % de falsos negativos (pacientes enfermos que han dado negativa
la prueba).
Cuanto más sensible es una prueba, más probable es que detecte a las personas con
enfermedad. Por ello, las pruebas con una sensibilidad muy elevada son muy útiles para
descartar la presencia de enfermedad.
7.-C
Capacidad discriminante: propiedad de una magnitud bioquímica de producir resultados diferentes
entre los individuos afectados de una enfermedad y los carentes de ella (calidad diagnostica).
8.-B
Ver respuesta Pregunta nº 29
9.-A
Puesto que esos dos índices VP+ y VP- son los que interesan en la práctica clínica, parecería
natural utilizarlos como índices de comparación a la hora de evaluar dos métodos
diagnósticos diferentes. Sin embargo presentan un grave inconveniente, ya que si se
calculan a partir de la tabla dependen de la proporción de enfermos en la muestra estudiada.
Por ello para una determinada prueba resulta necesario determinar unos índices de
valoración que, respondiendo a las necesidades reales en cuanto a la clasificación de
pacientes, sin embargo no dependan de esa proporción de enfermos en la muestra.
Así, podemos calcular el cociente entre la tasa de verdaderos positivos y la tasa de falsos
positivos:
Este cociente CP+ se conoce como cociente de probabilidad positivo o también como
cociente de verosimilitud (likelihood ratio of positive test). Valores mayores de CP+ indican
mejor capacidad para diagnosticar la presencia de enfermedad.
Vemos que valores de CP- menores indican una mejor capacidad diagnóstica de la prueba.
Se puede determinar unas fórmulas para expresar los cocientes de probabilidad en función
de la sensibilidad S y de la especificidad E
La ventaja de los cociente CP+ y CP- frente a los valores predictivos positivo y negativo de la
prueba radica en que, a diferencia de éstos, no dependen de la proporción de enfermos en la
muestra, sino tan sólo de la sensibilidad y especificidad de ésta, de ahí su utilidad a la hora
de comparar pruebas diagnósticas. Además si conocemos o podemos hacer una estimación
de la probabilidad pre-prueba de que un sujeto padezca la enfermedad, utilizando los
cocientes de probabilidad, al realizar el test podemos "corregir" ese valor de acuerdo con el
resultado, de tal manera que la probabilidad aumenta o disminuye según que el resultado
sea positivo o negativo, aplicando la siguiente fórmula
Patología
Enfermo E+ Sano E-
10.-C
EFICIENCIA DIAGNOSTICA
Cociente de los indivíduos bien clasificados entre todos los indivíduos que componen ambas
poblaciones:
Su dependencia del valor discriminante hace que, en general, no tenga sentido comparar la
eficiencia diagnóstica de dos magnitudes, a no ser que se quiera comparar la repercusión de
dos valores discriminantes del mismo tipo, como puede ser el caso de dos límites de referencia
de la población sana.En cualquier caso, la comparación debe hacerse mediante una prueba
estadística de comparación de proporciones.
11.-D
Como no aparece el dato de prevalencia, no se puede calcular el valor predictivo positivo o
negativo. El valor predictivo positivo (o probabilidad de enfermedad
post-prueba) y el valor predictivo negativo (o probabilidad de no-enfermedad post-prueba)
dependen de la prevalencia (o probabilidad pre-prueba).
12.-C
El mejor método posible de predicción se situaría en un punto en la esquina superior izquierda, o
coordenada (0,1) del espacio ROC, representando un 100% de sensibilidad (ningún falso negativo) y
un 100% también de especificidad (ningún falso positivo). A este punto (0,1) también se le llama una
clasificación perfecta. Por el contrario, una clasificación totalmente aleatoria (o adivinación aleatoria)
daría un punto a lo largo de la línea diagonal, que se llama también línea de no-discriminación, desde
el extremo inferior izquierdo hasta la esquina superior derecha (independientemente de los tipos de
base positivas y negativas).
MÓDULO 13.V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 19 de 31
En la figura se muestran los puntos que los cuatro ejemplos anteriores en el espacio ROC. El
resultado del método A muestra claramente ser el mejor de entre los métodos A, B Y C. El resultado
de B se encuentra sobre la línea de estimación aleatoria (diagonal); en la tabla se puede ver que la
precisión (ACC) de este método es del 50%. El método C aparece como el peor de los tres, con un
resultado muy pobre.
Sin embargo, consideremos ahora la construcción de un cuarto método de predicción C' que
simplemente invierte los resultados predichos por el método C. Este nuevo método mostrará una
tabla de contingencia opuesta a la de C y su punto en el espacio ROC estará ahora por encima de la
diagonal, y más próximo al punto de clasificación perfecta que el método A. Mientras C presentaba un
pobre poder de predicción, a partir de él se ha construido un predictor mejor que todos los demás.
Cuando el método C predice 'n' o 'p', el método C' predice 'p' o 'n' respectivamente. Siempre que un
método presente un punto en el espacio ROC por debajo de la diagonal habrá que invertir sus
predicciones para aprovechar su capacidad de predicción.
Cuanto más cerca esté un método de la esquina superior izquierda (clasificación perfecta) mejor será,
pero lo que en realidad marca el poder predictivo de un método es la distancia de este a la línea de
estimación aleatoria, da igual si por arriba o por abajo.
MÓDULO 13.V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 20 de 31
13.-A
14.-A
Cuando la prevalencia de la enfermedad es baja, un resultado negativo permitirá descartar la
enfermedad con mayor seguridad, siendo así el valor predictivo negativo mayor. Por el
contrario, un resultado positivo no permitirá confirmar el diagnóstico, resultando en un bajo
valor predictivo positivo.
Cuando la prevalencia de la enfermedad es alta, un resultado negativo no permitirá
descartar la enfermedad con mayor seguridad, siendo así el valor predictivo negativo
menor. Por el contrario, un resultado positivo permitirá confirmar el diagnóstico, resultando en
un alto valor predictivo positivo.
15.-D
Resulta obvio que lo ideal sería trabajar con pruebas diagnósticas de alta sensibilidad y
especificidad, pero esto no siempre es posible. En general, las pruebas de screening deben
ser de alta sensibilidad para poder captar a todos los enfermos. Una prueba muy sensible
será especialmente adecuada en aquellos casos en los que el no diagnosticar la enfermedad
puede resultar fatal para los enfermos, como ocurre con enfermedades peligrosas pero
tratables, como los linfomas o la tuberculosis, o en enfermedades en las que un falso positivo
no produzca serios trastornos psicológicos o económicos para el paciente (por ejemplo, la
realización de mamografía en el cáncer de mama).
16.-B
Para la elección entre dos pruebas diagnósticas distintas, se recurre a las curvas ROC, ya que
es una medida global e independiente del punto de corte. Por esto, en el ámbito sanitario, las
curvas ROC también se denominan curvas de rendimiento diagnóstico.
La elección se realiza mediante la comparación del área bajo la curva (AUC) de ambas
pruebas. Esta área posee un valor comprendido entre 0,5 y 1, donde 1 representa un valor
diagnóstico perfecto y 0,5 es una prueba sin capacidad discriminatoria diagnóstica. Es decir, si
AUC para una prueba diagnóstica es 0,8 significa que existe un 80% de probabilidad de que el
diagnóstico realizado a un enfermo sea más correcto que el de una persona sana escogida al
azar. Por esto, siempre se elige la prueba diagnóstica que presente un mayor área bajo la
curva.
A modo de guía para interpretar las curvas ROC se han establecido los siguientes intervalos
para los valores de AUC:
[0.5, 0.6): Test malo.
[0.6, 0.75): Test regular.
[0.75, 0.9): Test bueno.
MÓDULO 13.V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 21 de 31
El área bajo la curva (ABC) ROC es una medida global de la exactitud de una prueba
diagnóstica.
- Se define como la probabilidad de clasificar correctamente un par de individuos sano y
enfermo, seleccionados al azar de la población, mediante los resultados obtenidos al aplicarles
la prueba diagnóstica.
- Es la probabilidad de que el resultado de la prueba se presente más elevado en el paciente
enfermo
El área bajo la curva ROC es siempre mayor o igual que 0,5. Toma valores comprendidos entre
0,5, si no existen diferencias en la distribución de resultados de la prueba entre los grupos
enfermo y sano, y 1,0, cuando existe separación perfecta entre las dos distribuciones.
- Swets interpreta el valor del área de la siguiente manera:
Entre 0,5 y 0,7 indican baja exactitud
Entre 0,7 y 0,9 pueden ser útiles para algunos propósitos
Valores mayor de 0,9 indica alta exactitud.
17.-D
Podemos definir la odds ratio diagnóstica(ORD) como la razón de la odds de que el enfermo dé
positivo con respecto a la odds de dar positivo estando sano. Como esto parece un
trabalenguas, vamos a comentar los dos componentes de la razón.
La odds de que el enfermo dé positivo frente a que dé negativo no es más que la proporción
entre verdaderos positivos (VP) y falsos negativos (FN): VP/FN. Por otra parte la odds de que
el sano dé positivo frente a que dé negativo es el cociente entre falsos positivos (FP) y
verdaderos negativos (VN): FP/VN. Y visto esto, solo nos queda definir la razón entre las dos
odds:
La ORD puede también expresarse en función de los valores predictivos y de los cocientes de
probabilidad, según las expresiones siguientes:
Como toda odds ratio, los valores posibles de la ORD van de cero a infinito. El valor nulo es el
uno, que significa que la prueba no tiene capacidad discriminatoria entre sanos y
enfermos. Un valor mayor de uno indica capacidad discriminatoria, que será mayor cuanto
mayor sea el valor. Por último, valores entre cero y uno nos indicarán que la prueba no solo no
discrimina bien entre enfermos y sanos, sino que los clasifica de forma errónea y nos da más
valores negativos entre los enfermos que entre los sanos.
La ORD es un medidor global fácil de interpretar y que no depende de la prevalencia de la
enfermedad, aunque hay que decir que sí puede variar entre grupos de enfermos con distinta
gravedad de su enfermedad.
18.-C
Ver respuestas Preguntas Nº 2 y Nº 3
MÓDULO 13.V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 22 de 31
19.-B
S= 72/72+18
S= 0.8
20.-C
La razón de probabilidades ofrece la ventaja de que relaciona la sensibilidad y la especificidad de una
prueba en un solo índice. Además, pueden obtenerse razones de probabilidad según varios niveles
de una nueva medida y no es necesario expresar la información de forma dicotómica, como resultado
de normal o anormal o bien positivo y negativo. Por último, al igual que sucede con la sensibilidad
y la especificidad, no varía con la prevalencia. Esto permite utilizarlo como índice de comparación
entre diferentes pruebas para un mismo diagnóstico.
21.-B
100-66.2=33.8%
22.-C
23.-C
La potencia de una prueba estadística o el poder estadístico es la probabilidad de que la hipótesis
nula sea rechazada cuando la hipótesis alternativa es verdadera (es decir, la probabilidad de no
cometer un error del tipo II). La potencia es en general una función de las distribuciones posibles, a
menudo determinada por un parámetro, bajo la hipótesis alternativa. A medida que aumenta la
potencia, las posibilidades de que se presente un error del tipo II disminuyen. La probabilidad de que
ocurra un error de tipo II se conoce como la tasa de falsos negativos (β). Por lo tanto la potencia es
igual a 1 - β, que también se conoce como la sensibilidad.
24.-A
Ver respuesta Pregunta nº 28
25.-D
26.-C
El cociente o razón de verosimilitud (para enfermos) de resultados positivos CP + es la razón
entre la probabilidad de que un resultado positivo se deba a la presencia de la enfermedad
(verdadero positivo) y la probabilidad de un resultado positivo cuando la enfermedad está
ausente (falso positivo).Se puede calcular a partir de la sensibilidad y especificidad según :
MÓDULO 13.V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 23 de 31
27.-C
Valor de Referencia del Cambio (RCV) que representa el cambio de valor aceptado para un
analito sin evidenciar alteración en la información médica (conformado por la variabilidad
biológica e influido por la variabilidad analítica). Se tiene como objetivo mostrar la aplicación del
RCV como herramienta para el cálculo del Delta Check. La fórmula utilizada fue RCV = 2½ x Z
x (CVa2 + CVi2) ½ siendo:
- Z: coeficiente de confianza bidireccional a utilizar (1.96 o 2.58 según la probabilidad de 95 y
99% respectivamente)
- Cva: coeficiente de variación analítica
- Cvi: coeficiente de variación biológica intraindividual (Variabilidad Biológica según Fraser).
En cada analito debe evaluarse qué valor de Delta Check se utilizará teniendo en cuenta el
rango fisiológico (pequeño, mediano o grande) y el nivel de confianza requerido.
En aquellos laboratorios donde el caudal de muestras es elevado, se hace necesaria la
implementación de un software de autoverificación, que valide aquellas muestras cuyos valores
no evidencian un cambio clínico y detenga los que sí lo hacen para consideración de un
profesional idóneo. Por todo esto, se evidencia la utilidad del RCV como indicador de
variaciones en el paciente, y por ende como herramienta para uso como delta check en la
autoverificación.
28.-A
A continuación se incluye un párrafo del tema de educación continuada en el laboratorio clínico
de laSEQC A.G. Raja. Herramientas útiles para decidir sobre las pruebas diagnósticas.
Ed Cont Lab Clín 2007; 10: 22-33, que debería ayudar a clarificar las contestaciones a este
tipo de preguntas.
La interpretación de las pruebas diagnósticas depende de la prevalencia o probabilidad previa
de padecer la enfermedad:
Si ↑ prevalencia ⇒ ↑ VPP
Si ↓ prevalencia ⇒ ↑ VPN
– Si el resultado es positivo, el VPP aumenta en la medida en que la prevalencia es mayor.
– Si el resultado es negativo, el VPN aumenta en la medida en que la prevalencia es menor.
La prevalencia es el factor más determinante de los valores predictivos:
– Si la prevalencia tiende a 0, el VPP también tenderá a 0.
– Si la prevalencia se aproxima a 100 el VPN tenderá a 0.
– Si la prevalencia es alta, un resultado positivo tiende a confirmar la presencia de la
enfermedad,
aumentan los verdaderos positivos, ↑ VPP.
– Si la prevalencia es alta, un resultado negativo no permitirá la exclusión de la enfermedad,
aumentan los falsos negativos, ↓ VPN.
– Si la prevalencia es baja, un resultado negativo permite descartar la enfermedad, aumentan
los verdaderos negativos, ↑ VPN.
– Si la prevalencia es baja, un resultado positivo no permite confirmar la enfermedad,
aumentan los falsos positivos, ↓ VPP.
29.-D
Resulta obvio que lo ideal sería trabajar con pruebas diagnósticas de alta sensibilidad y especificidad,
pero esto no siempre es posible. En general, las pruebas de screening deben ser de alta sensibilidad
para poder captar a todos los enfermos (pocos falsos negativos). Una prueba muy sensible será
especialmente adecuada en aquellos casos en los que el no diagnosticar la enfermedad puede
resultar fatal para los enfermos, como ocurre con enfermedades peligrosas pero tratables, como los
linfomas o la tuberculosis, o en enfermedades en las que un falso positivo no produzca serios
trastornos psicológicos o económicos para el paciente (por ejemplo, la realización de mamografía en
el cáncer de mama).
MÓDULO 13.V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 24 de 31
30.-B
El área bajo la curva (ABC) ROC es una medida global de la exactitud de una prueba
diagnóstica.
- Se define como la probabilidad de clasificar correctamente un par de individuos sano y enfermo,
seleccionados al azar de la población, mediante los resultados obtenidos al aplicarles la prueba
diagnóstica.
- Es la probabilidad de que el resultado de la prueba se presente más elevado en el paciente enfermo
Área bajo la curva ROC = Probabilidad (X enfermo > X sano)
- En el ejemplo del PSA anterior un área de 0,83 significa que un individuo seleccionado a azar del
grupo de enfermos tendrá el 83% de las veces un valor de PSA cuantitativamente mayor que el PSA
de un individuo elegido al azar del grupo no enfermo (sanos).
Hanley JA, McNeil BJ. The meaning and use of the area under a Receiver Operating Characteristic
(ROC) Curve. Radiology 1982; 143: 29-36.
Interpretación de Swets del área bajo la curva ROC
- El área bajo la curva ROC es siempre mayor o igual que 0,5. Toma valores comprendidos entre 0,5,
si no existen diferencias en la distribución de resultados de la prueba entre los grupos enfermo y
sano, y 1,0, cuando existe separación perfecta entre las dos distribuciones.
- Swets interpreta el valor del área de la siguiente manera:
Entre 0,5 y 0,7 indican baja exactitud
Entre 0,7 y 0,9 pueden ser útiles para algunos propósitos
Valores mayor de 0,9 indica alta exactitud.
- La capacidad de discriminación de la prueba diagnóstica puede evaluarse estimando el intervalo de
confianza del área de la curva ROC. Si el intervalo no incluye el valor 0,5 la prueba es capaz de
discernir entre enfermos y sanos.
- En el ejemplo del PSA anterior el área de 0,83 debe ser interpretado que la prueba puede ser útil en
algunas situaciones clínicas, pero no es útil por ejemplo, para realizar programas de screening de la
población en búsqueda del cáncer de próstata en la población general.
Swets JA. Measuring the accuracy of diagnostic systems. Science 1988; 240: 1.285-1.293.
31.-D
En líneas generales:
• Si la prevalencia de una determinada enfermedad en una población es baja, el valor
predictivo positivo (PV+) tiende a ser bajo ya que, al haber una mayor número de personas sanas, se
incrementa el número de falsos positivos. Es decir, si solo un porcentaje bajo de la población está
afectado, un resultado positivo en una prueba no es concluyente por lo que había que hacer
MÓDULO 13.V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 25 de 31
reconfirmar el resultado con una segunda prueba independiente.Si es alta la prevalencia, el PV+
aumenta
• Si la prevalencia de una enfermedad es muy elevada (por ejemplo, en poblaciones de alto
riesgo) el valor predictivo negativo tiende a bajar pues, al haber un mayor número de personas
enfermas, aumenta el número de falsos negativos.
A modo de ejemplo, suponiendo una prueba diagnóstica de SP = 99% y SE = 99% y partiendo de una
población de 10.000 individuos, se calcularán los valor predictivos positivos y negativo teniendo en
cuenta distintas prevalencias
Ver ejemplo respuesta pregunta Nº 1
32.-C
Ver concepto en respuesta pregunta Nº 51
33.-B-
34.-A
35.-D
36.-A
37.-D
38.-A
39.-A
40.-C
41.-D
Ver respuesta Pregunta nº 5
42.-B
43.-a
VP = 24 FP = 42 FN = 6 VN = 78
44.-b
Es la razón entre la sensibilidad y la inversa de la especificidad
MÓDULO 13.V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 26 de 31
45.-C
Valor predictivo positivo
El valor predictivo positivo es el porcentaje de pacientes enfermos entre todos los pacientes
con resultados positivos. Valora la probabilidad de que una prueba positiva diagnostique
correctamente a un individuo enfermo.
El valor predictivo positivo de una prueba sería la probabilidad de que una prueba positiva
correspondiese aun verdadero enfermo o el porcentaje de pacientes enfermos con resultados
positivos con respecto al total de resultados positivos
Los valores predictivos dependen mucho de la prevalencia de la enfermedad en la población
(cociente entre enfermos y población), no así la sensibilidad y la especificidad, que son
independientes de la misma.
La ventaja de los cocientes CP + y CP − frente a los valores predictivos positivo y negativo de
la prueba radica en que, a diferencia de éstos, no dependen de la proporción de enfermos en la
muestra, sino tan sólo de la sensibilidad y especificidad de ésta, de ahí su utilidad a la hora de
comparar pruebas diagnósticas.
46.-5
Las tres primeras respuestas son falsas: la prevalencia es más elevada en hombres porque lo
dice el enunciado, y la sensibilidad y especificidad son características de la prueba, no de la
“población” a la que se le aplica… esa es la trampa: la eficacia de la prueba se mide mediante
los valores predictivos. El VP+ depende de la prevalencia, si ésta es baja, el VP+ tiende a ser
bajo porque si aumenta la frecuencia de personas sanas incrementa también el número de
falsos positivos. Por tanto, el VP+ de la prueba será menor en la población femenina que en la
masculina, por lo que la respuesta 4 es incorrecta. Y cuando la prevalencia de la enfermedad
MÓDULO 13.V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 27 de 31
es elevada (el doble en hombres que en mujeres en esta pregunta) el VP- tiene a disminuir
pues aumenta el número de falsos negativos. Así, el VP- sería más pequeño en hombres que
en mujeres (que tienen menor prevalencia) y queda claro que la respuesta correcta es la
respuesta 5.
47.-2
La RVP es la probabilidad de un resultado positivo en los sujetos enfermos dividida entre la
probabilidad de un resultado positivo de la prueba en los sanos. Por ello, la única verdadera es
la repuesta 2.
48.-4
Valor predictivo positivo
El valor predictivo positivo es el porcentaje de pacientes enfermos entre todos los pacientes
con resultados positivos. Valora la probabilidad de que una prueba positiva diagnostique
correctamente a un individuo enfermo.
El valor predictivo positivo de una prueba sería la probabilidad de que una prueba positiva
correspondiese aun verdadero enfermo o el porcentaje de pacientes enfermos con resultados
positivos con respecto al total de resultados positivos
49.-5
Patología
Enfermo E+ Sano E-
Positivo T+ 70 26 Positivos 96
Prueba
Negativo T- 70 234 Negativos 304
50.-3
El cociente o razón de verosimilitud (para enfermos) de resultados positivos CP + es la razón
entre la probabilidad de que un resultado positivo se deba a la presencia de la enfermedad
(verdadero positivo) y la probabilidad de un resultado positivo cuando la enfermedad está
ausente (falso positivo).Se puede calcular a partir de la sensibilidad y especificidad según :
51.-3
La respuesta correcta es la 3. OR=4.
MÓDULO 13.V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 28 de 31
La razón de momios (RM) o razón de oportunidades -en inglés, odds ratio (OR)- es una
medida estadística utilizada en estudios epidemiológicos transversales y de casos y controles,
así como en los metaanálisis. En términos formales, se define como la posibilidad de que una
condición de salud o enfermedad se presente en un grupo de población frente al riesgo de que
ocurra en otro. En epidemiología, la comparación suele realizarse entre grupos humanos que
presentan condiciones de vida similares, con la diferencia de que uno se encuentra expuesto a
un factor de riesgo (mi) mientras que el otro carece de esta característica (mo). Por lo tanto, la
razón de momios o de posibilidades es una medida de tamaño de efecto.
Casos
Casos Controles
Expuestos a:20 b:20
No Expuestos c:100 d:400
Controles
Expuestos
OR: (20/20)/(100/400)=4
52.-3
Valor predictivo positivo
MÓDULO 13.V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 29 de 31
El valor predictivo positivo es el porcentaje de pacientes enfermos entre todos los pacientes con
resultados positivos. Valora la probabilidad de que una prueba positiva diagnostique correctamente a
un individuo enfermo.
53.-3
Al cambiar la prevalencia la sensibilidad y la especificidad no varían, sino que varían los valores
predictivos, pero el VPP deberá bajar, no subir. La correcta es la 3 por lo tanto.
54.-A
Una sensibilidad del 90 % indica que solo el 90 % de los pacientes enfermos darán positiva la prueba.
En este caso habrá un 10 % de falsos negativos (pacientes enfermos que han dado negativa la
prueba).
55.-C
Resulta obvio que lo ideal sería trabajar con pruebas diagnósticas de alta sensibilidad y especificidad,
pero esto no siempre es posible. En general, las pruebas de screening deben ser de alta
sensibilidad para poder captar a todos los enfermos. Una prueba muy sensible será
especialmente adecuada en aquellos casos en los que el no diagnosticar la enfermedad puede
resultar fatal para los enfermos, como ocurre con enfermedades peligrosas pero tratables, como los
linfomas o la tuberculosis, o en enfermedades en las que un falso positivo no produzca serios
trastornos psicológicos o económicos para el paciente (por ejemplo, la realización de mamografía en
el cáncer de mama).
56.-C
Las curvas ROC (Receiver Operating Characteristic) presentan la sensibilidad de una prueba
diagnóstica que produce resultados contínuos, en función de los falsos positivos (complementario de
la especificidad), para distintos puntos de corte.
La separación entre los grupos de enfermos y sanos representa la capacidad discriminatoria de una
prueba para clasificar sanos como sanos y enfermos como enfermos. Un parámetro para evaluar la
bondad de una prueba diagnóstica que produce resultados contínuos es el área bajo la curva (AUC).
Este área puede interpretarse como la probabilidad de que ante un par de individuos, uno enfermo y
el otro sano, la prueba los clasifique correctamente.
57.-2
Valor predictivo positivo
El valor predictivo positivo es el porcentaje de pacientes enfermos entre todos los pacientes con
resultados positivos. Valora la probabilidad de que una prueba positiva diagnostique correctamente a
un individuo enfermo.
El valor predictivo positivo de una prueba sería la probabilidad de que una prueba positiva
correspondiese aun verdadero enfermo o el porcentaje de pacientes enfermos con resultados
positivos con respecto al total de resultados positivos
Los valores predictivos dependen mucho de la prevalencia de la enfermedad en la población
(cociente entre enfermos y población), no así la sensibilidad y la especificidad, que son
independientes de la misma.
58.-B
Especificidad
Es la probabilidad de clasificar correctamente a un individuo sano, es decir, la probabilidad de que
para un sujeto sano se obtenga un resultado negativo. En otras palabras, se puede definir la
especificidad como la capacidad para detectar a los sanos. A partir de una tabla la especificidad se
estimaría como:
59.-D
Curvas ROC
En la clase anterior se consideró que el resultado de las pruebas diagnósticas era categórico, sin
embargo muchas pruebas producen resultados continuos, p.e. nivel de glucosa en sangre para
diagnosticar la diabetes. El comportamiento de dichas pruebas depende de donde se ponga el punto
de corte y lo habitual es que exista un grado variable de solapamiento en la fdp de la variable resultado.
En el caso de la glucosa la situación se esquematiza en la gráfica
Si se desplaza el punto de corte a la derecha (valores mayores de glucosa) disminuyen los falsos
positivos (región azul) pero aumentan los falsos negativos (región roja) o, en otros términos, disminuye
la sensibilidad y aumenta la especificidad e inversamente si se desplaza a la izquierda, de modo que
un problema en estas pruebas es la selección del punto de corte óptimo. Para caracterizar su
comportamiento se usan las llamadas curvas ROC (Receiver Operating Characteristic) desarrolladas
por los operadores de radar e introducidas en la investigación clínica por los radiólogos (Hanley y
McNeil): son curvas en las que se presenta la sensibilidad en función de los falsos positivos
(complementario de la especificidad) para distintos puntos de corte.
MÓDULO 13.V4
PREPARACIÓN OPOSICIONES
FACULTATIVO ESPECIALISTA EVALUACIÓN PRUEBAS
ANÁLISIS CLÍNICOS/BIOQUÍMICA CLÍNICA
F. Navajas Luque
DIAGNÓSTICAS
PREGUNTAS MÓDULO 13.V4 Página 31 de 31
- Si la prueba fuera perfecta, es decir, sin solapamiento, hay una región en la que cualquier punto de
corte tiene sensibilidad y especifidad iguales a 1: la curva sólo tiene el punto (0,1).
- Si la prueba fuera inútil: ambas fdp´s coinciden y la sensibilidad (verdaderos positivos) es igual a la
proporción de falsos positivos, la curva sería la diagonal de (0,0) a (1,1).
Un parámetro para evaluar la bondad de la prueba es el área bajo la curva que tomará valores entre 1
(prueba perfecta) y 0,5 (prueba inútil). Puede demostrarse, (Hanley y McNeil) que este área puede
interpretarse como la probabilidad de que ante un par de individuos, uno enfermo y el otro sano, la
prueba los clasifique correctamente.
Limitaciones de su uso: sólo contemplan dos estados clínicos posibles (sano, enfermo) y no sirven para
situaciones en que se trata de discernir entre más de dos enfermedades.