Proyecto Final Educación Superior Armonía

Salud Publica Monograma de Fragan

Gabriela Ixel Sanchez Alvarado

09/09/2024

https://www.elsevier.es/es-revista-revista-calidad-asistencial-256-articulo-razon-verosimilitud-nomograma-fagan-2-S1134282X13000523

El cociente de probabilidad, también conocido como razón de verosimilitud o likelihood ratio (LR), describe la probabilidad de tener la enfermedad en oposición a no tenerla, teniendo un resultado del test positivo y la probabilidad de no tener la enfermedad en oposición a tenerla, teniendo un resultado del test negativo.

https://www.elsevier.es/es-revista-revista-calidad-asistencial-256-articulo-razon-verosimilitud-nomograma-fagan-2-S1134282X13000523

Existen cocientes de probabilidad para test con resultado positivo y negativo. Se calculan fácilmente como:

• El cociente de S/(1-E) para una prueba diagnóstica con resultado positivo
• El cociente de (1- S)/E para una prueba con resultado negativo.

Según los resultados obtenidos podemos evaluar la calidad de las pruebas con un

• LR+ >10: test excelente
• LR+ entre 5 y 10: test bueno
• LR+ entre 5 y 2: test regular
• LR+<2: test inútil
• LR− entre 0,5 y 1 test inútil
• LR− entre 0,2 y 0,5: test regular
• LR− entre 0,1 y 0,2: test bueno
• LR− <0,1: test excelente.

https://www.elsevier.es/es-revista-revista-calidad-asistencial-256-articulo-razon-verosimilitud-nomograma-fagan-2-S1134282X13000523

El nomograma de Fagan tiene 3 columnas:

• la primera es la probabilidad de tener la enfermedad antes de aplicar la prueba (prevalencia)

• la segunda es la razón de verosimilitud (LR)

• la tercera la probabilidad posprueba.

Con una regla se traza una línea entre la probabilidad preprueba y la razón de verosimilitud. La prolongación de esta línea corta en la tercera columna la probabilidad de tener la enfermedad en función del resultado de la prueba

Salud Publica Curva de ROC

GABRIELA IXEL SANCHEZ ALVARADO

09/09/2024

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10754459/

• Determinar el punto de corte en el que se alcanza la sensibilidad y especificidad más altas
• evaluar la capacidad discriminativa del test diagnóstico
• Comparar la capacidad discriminativa de 2 o más test diagnósticos que expresan sus resultados como escalas continuas

Receiver operating characteristic (ROC, «característica operativa del receptor», aunque la traducción quizá se ajuste más a «curva de eficacia diagnóstica»)

se utiliza para evaluar la capacidad discriminativa de una prueba diagnóstica dicotómica. Se trata de curvas en las que se presenta la sensibilidad en función de los falsos positivos (complementario de la especificidad) para distintos puntos de corte. Son útiles para elegir el punto de corte más adecuado de una prueba, conocer el rendimiento global de esta y comparar la capacidad discriminativa de 2 o más pruebas diagnósticas.

6. Metodología

Uso

3 propositos especificos:

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10754459/

Definida de manera simple, una curva ROC es un gráfico de la sensibilidad (en el eje de las Y) frente a 1 - Especificidad (falsos positivos) en el eje de las X, de una prueba de diagnóstica en escala cuantitativa.7,8 La figura 2 resume la ecuación de la razón de verosimilitud positiva la cual es Sensibilidad/1 - Especificidad. Asimismo, nos permite obtener el valor el área bajo la curva (ABC), es decir, el desempeño global de la prueba en cada uno de sus valores.

‘Tus contenidos gustan, pero enganchan mucho más si son interactivos’

- Genially

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10754459/

Para ejemplificar este proceso consideramos un conjunto hipotético de 732 pacientes. El cuadro muestra la distribución de sensibilidad y falsos positivos (1 - Especificidad) para diferentes valores de antígeno prostático. En este cuadro se muestra el desempeño de cada valor de forma individual, a fin de que el investigador seleccione el más conveniente.Ejemplo, para un valor de APE de 3.4 ng/mL la sensibilidad es del 100%, pero al analizar el porcentaje de falsos positivos, este es del 100%, por lo que tendríamos que descartar ese valor como punto de corte por no tener capacidad de discernir entre los enfermos y sanos. Es decir, el desempeño es igual a tirar una moneda al aire.

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10754459/

Regresando a nuestro ejemplo, el mejor punto de corte con el índice de Youden más alto corresponde al valor de 20.7 para APE y a un índice de Youden de 0.479

Una prueba similar al azar tendría un valor de 0, 0.5 (50%) de sensibilidad y 0.5 (50%) de falsos positivos. Una prueba con pésimo desempeño es aquella que tiene un índice de Youden negativo: 0% de Sensibilidad – 100% de falsos positivos = -1

El mejor punto de corte también puede elegirse mediante el mayor valor del índice de Youden, que consiste en elegir aquel valor más alto, resultante de la resta: Sensibilidad – (1 – Especificidad).11 Los valores de este índice van de +1 a -1. Siendo el +1 el valor ideal de este índice. Es decir, una prueba con 100% de sensibilidad y 0% de falsos positivos (o 100% de especificidad).

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10754459/

El ABC es una forma efectiva de resumir la precisión diagnóstica general de la prueba. Toma valores de 0 a 1, donde un valor de 0 indica una prueba perfectamente inexacta y un valor de 1 refleja una prueba perfectamente precisa. En general, un ABC de 0.5 sugiere que no hay discriminación (es decir, la capacidad de diagnosticar pacientes con y sin la enfermedad o afección según la prueba es similar a la de un volado o a tomar la decisión con base al azar), mientras que de 0.7 a 0.8 se considera aceptable, de 0.8 a 0.9 se considera excelente y más de 0.9 es considerado como un desempeño sobresaliente de la prueba.

Una vez que se tiene el punto de corte será necesario evaluar la capacidad diagnóstica para clasificar correctamente a los pacientes con una enfermedad, lo cual se denomina área bajo la curva (ABC)