CAPÍTULO

Lectura crítica de estudios de diagnóstico Ana Royuela Vicente, María Luisa Montes Ramírez y Antonio Jesús Martín Mateos

Lectura crítica de la evidencia clínica, Capítulo 6, 87­99

• Definir la exactitud de una prueba diagnóstica.

• Tratar los aspectos clave del diseño de los estudios de exactitud de una prueba diagnóstica.

• Recoger los indicadores básicos del diagnóstico, sensibilidad, especificidad, valorespredictivos y cocientes de probabilidades.

• Reflexionar sobre el uso de las pruebas diagnósticas en la clínica.

IntroducciónSegún la Real Academia Española (RAE), el diagnóstico es el arte o acto de conocer la naturaleza deuna enfermedad mediante la observación de sus síntomas y signos. Es el primer paso en la valoracióndel estado de un paciente, y solo desde un correcto diagnóstico podrá establecerse un tratamientoadecuado y un óptimo seguimiento posterior.

Los estudios de diagnóstico suponen un interesante reto en la valoración de aquellos aspectos que losdefinen. Por un lado, no gozan de una metodología tan ampliamente desarrollada, conocida yestandarizada como otro tipo de estudios, como los estudios de tratamiento o las RS. Además, llevanasociada la dificultad de tener que presentar sus resultados siempre en forma de binomio. Cuando sehable de la sensibilidad en una prueba diagnóstica, tendrá que hablarse, ineludiblemente, también desu especificidad.

El marco conceptual de evaluación de pruebas diagnósticas está evolucionando de manera sustancialen los últimos años. Ha pasado de considerarse un mero proceso de evaluación secuencial en fases (1), mimetizando en mayor o menor medida las fases I a IV del EC, a constituir una evaluación másamplia, que engloba desde aspectos técnicos de factibilidad de la prueba, reproducibilidad y validez,hasta aspectos referentes a su impacto clínico y costes, teniendo en cuenta el contexto clínico dondese va a aplicar (2) .

Por todo ello, se hace muy relevante comprender los aspectos más importantes del diseño de losestudios sobre diagnóstico, saber interpretar los resultados de un estudio sobre evaluación depruebas diagnósticas y aplicar estos conocimientos a los diferentes escenarios clínicos en los que nosvemos envueltos diariamente.

Escenario

EscenarioFrancisco es un varón de 53 años con una infección por el virus de la inmunodeficiencia humana(VIH) de larga evolución. Ha recibido múltiples tratamientos antirretrovirales con respuestasparciales, pero desde hace 5 años recibe una pauta compleja con inhibidores de la proteasa que haconseguido controlar la infección y recuperar parcialmente su inmunosupresión, manteniendo unrecuento de linfocitos CD4+ de alrededor de 270 cél./μl.

Acude a su revisión programada con el internista y le comenta que en el último mes tiene fiebre porlas tardes de hasta 38°C, está más cansado de lo habitual y en la última semana ha comenzado atoser. Tras la anamnesis y exploración, su médico le explica que hay que descartar como primeraposibilidad la tuberculosis pulmonar, y le solicita una radiografía de tórax y la recogida de muestrasde esputo para el análisis microbiológico.

Las pruebas no son concluyentes y, aunque las muestras de esputo se siembran para cultivo en mediode micobacterias, estos resultados tardarán 2 meses. Los síntomas empeoran y el inicio deltratamiento antituberculoso requiere modificar por completo la medicación antirretroviral, con elconsiguiente riesgo de la pérdida del control de la infección por el VIH, por lo que la seguridad en eldiagnóstico es muy importante.

Se decide realizar una broncoscopia con toma de muestras y, tras comentar el caso con elmicrobiólogo, se propone realizar una prueba de detección de micobacterias mediante amplificaciónde ADN. Esta prueba es muy nueva, por lo que el internista busca información en PubMed yencuentra un artículo con referencias específicas para población infectada por el VIH. El resultado dela prueba de amplificación de ADN resulta positivo.

• Las pruebas de detección de ADN de micobacterias en muestras de esputo, ¿tienen una buenarentabilidad diagnóstica en pacientes infectados por el VIH?

• La positividad de la prueba de detección de ADN de micobacterias, ¿confirma el diagnósticode Francisco con suficiente seguridad como para iniciar el tratamiento antituberculoso antes desaber los resultados del cultivo?

Puntos clave de la lectura crítica de estudios de diagnósticoEn el contexto de la práctica médica, una buena parte de nuestra labor consiste en diagnosticar, esdecir, realizar mediciones e interpretar sus resultados. Cuando medimos, debemos tener en cuentasiempre la existencia de cierta variabilidad en la medición. Esta variabilidad es explicada, en parte,por las características de la población en la que se realiza, las características de la enfermedad queestamos midiendo y el propio proceso de medición. La variabilidad se divide en dos aspectosfundamentales: validez y reproducibilidad.

La validez hace referencia al grado en que una medida se aproxima al valor real que se pretendemedir; y la reproducibilidad se entiende como el grado en que una prueba diagnóstica produce losmismos resultados al aplicarse sobre el mismo sujeto. En este libro, se tratarán exclusivamente los

puntos clave de los estudios sobre validez de pruebas diagnósticas.

El primer punto que hay que tener en cuenta cuando leemos un estudio sobre validez de pruebasdiagnósticas es el diseño del estudio. El diseño óptimo para evaluar la validez de una pruebadiagnóstica es un estudio observacional transversal, donde, a una serie consecutiva de pacientes, deforma ciega e independiente se les aplica la prueba que hay que evaluar y una prueba de referencia opatrón de oro (del inglés, gold standard ), comparándose ambas clasificaciones.

La selección de la muestra debe ser representativa de la población en la que posteriormente seutilizará la prueba y, por tanto, incluir un espectro de pacientes lo más parecido posible al del medioen que la prueba se pretenda usar (es decir, pacientes con enfermedad leve, moderada o grave,pacientes en etapa temprana y tardía de la enfermedad). Esto se consigue reclutando a una serieconsecutiva de pacientes, para así minimizar el sesgo de selección.

Posteriormente, todos los resultados deben confirmarse, tanto los positivos como los negativos,mediante una prueba de referencia o patrón de oro asumiendo que esta clasifica correctamente a losenfermos y a los no enfermos. La prueba de referencia es el criterio diagnóstico que define quiéntiene «realmente» la enfermedad o condición de estudio. Es importante que ambas pruebas serealicen simultáneamente, pues cualquier lapso temporal entre ellas puede afectar a su resultado.

Tanto la prueba que se va a evaluar como la de referencia deben ser aplicadas en todos los pacientesdel estudio. El proceso de realización y evaluación de ambas pruebas, idealmente, debe ser ciego. Esdecir, ambas pruebas deben realizarse e interpretarse sin conocer el resultado de la otra, y de formaindependiente, es decir, la aplicación de la prueba de referencia no debe estar condicionada por losresultados de la prueba evaluada.

En algunas situaciones, la prueba de referencia puede resultar invasiva o costosa, y pueden surgirreparos en la realización de la prueba de referencia a los pacientes con resultado negativo en laprueba que se va a evaluar. Una alternativa es seguir a los pacientes por un tiempo adecuado yevaluar así si son verdaderos negativos (VN).

Otro de los puntos clave que hay que tener en cuenta en la lectura crítica de un artículo sobreevaluación de pruebas diagnósticas es el análisis de los resultados en ambas pruebas. Cuando elresultado de las pruebas es de carácter dicotómico (positivo o negativo), se puede realizar unaclasificación cruzada de los resultados de ambas pruebas (la sometida a evaluación y la prueba dereferencia) en forma de una tabla cruzada 2 × 2.

A partir de la tabla cruzada, los resultados posibles son cuatro: la prueba ha dado un resultadopositivo que ha sido confirmado por la prueba de referencia, con lo que se tratará de verdaderopositivo (VP). Si el resultado de la prueba es negativo y se confirma la ausencia de enfermedad, setrata de un VN. Las situaciones en las que la prueba ha dado un resultado erróneo, es decir, unresultado no verificado por la prueba de referencia, tendremos falsos positivos (FP) o falsos negativos(FN), en función de si el resultado de la prueba fue positivo o negativo, respectivamente. En la tabla 6­

1 (t0010) se representa una tabla de clasificación cruzada, y la notación contenida en sus cuatro celdasayuda a explicar los cálculos de los índices de validez diagnóstica. Para medir el rendimientodiagnóstico de una prueba, se proponen distintas parejas de índices.

Tabla 6­1

Clasificación cruzada 2 × 2

Prueba de referencia

Presente Ausente Total

Prueba que se va a evaluar Positivo VP a

FP b

a + b

Negativo FN c

VN d

c + d

Total a + c b + d N

FN, falsos negativos; FP, falsos positivos; VN, verdaderos negativos; VP, verdaderos positivos.

Sensibilidad y especificidad: son los índices más utilizados como índices de validez de las pruebasdiagnósticas. Ambos se interpretan fácilmente, tomando valores entre 0 (prueba no válida) y 1(prueba perfectamente válida).

La sensibilidad se refiere a la probabilidad que tiene una prueba diagnóstica para proporcionar unresultado positivo entre los sujetos enfermos:

La especificidad refleja la probabilidad que tiene una prueba diagnóstica de dar un resultadonegativo entre los sujetos que no tienen la enfermedad:

Cuando el objetivo es la detección de enfermedades graves y tratables, es necesaria una prueba muysensible. Las pruebas que se aplican para cribado de enfermedades, por ejemplo, deben ser pruebascon alta sensibilidad. En cambio, con la especificidad se persigue la confirmación de los sujetos noenfermos. Es preferible una prueba muy específica cuando la enfermedad es grave, pero difícilmentetratable, y que un resultado falsamente positivo pueda tener una gran transcendencia, por ejemplo,un falso diagnóstico de VIH o de cáncer.

En este sentido, se propone una regla nemotécnica que ayuda a valorar los resultados obtenidos en lasensibilidad y especificidad: SnNout recuerda que cuando una prueba diagnóstica tiene unasensibilidad elevada (sensitivity), los resultados negativos ayudan a descartar el diagnóstico con alta

Sens = aa+c

Esp = d

b+d

probabilidad (rule out). SpPin recuerda que si la prueba tiene alta especificidad (specificity), losresultados positivos son muy indicativos para confirmar el diagnóstico (rule in).

Valores predictivos positivo y negativo: aunque los anteriores son los índices más recogidos en laspublicaciones científicas de evaluación de prueba diagnóstica, no son índices útiles para la práctica,pues, en realidad, cuando se solicita una prueba, no se conoce si el paciente está enfermo o no. Loque se quiere conocer es la probabilidad de estar enfermo a partir del resultado de la prueba. En estecontexto de práctica clínica, parece más útil hablar de valores predictivos, es decir, la probabilidad deun diagnóstico cuando el resultado de la prueba es positivo o negativo.

El valor predictivo positivo se refiere a la probabilidad de tener la enfermedad, dado que se haobservado un resultado positivo:

Con el valor predictivo negativo, se obtiene la probabilidad de no tener la enfermedad, dado que seha observado un resultado negativo:

Sin embargo, a pesar de su atractiva interpretación, no son unos índices adecuados para su uso comoevaluación del rendimiento diagnóstico de una prueba, pues están muy influidos por la prevalenciade la condición que se está estudiando. Para una misma prueba diagnóstica, el aumento de laprevalencia aumenta el valor predictivo positivo y disminuye el valor predictivo negativo, y viceversa.Esto explica que una misma prueba se comporte de forma distinta según el ámbito en el que seaplique. Por tanto, el valor predictivo está relacionado con la aplicabilidad de la prueba. Laprobabilidad de que un paciente con prueba positiva esté realmente enfermo dependerá de laprevalencia de la enfermedad.

Haz la prueba.

En una población de 100.000 habitantes, hay una prevalencia de la enfermedad X del 1%. Tenemosuna sensibilidad de la prueba diagnóstica del 90% y una especificidad del 90%.

El 1% de 100.000 habitantes son 1.000 pacientes. Habrá, por tanto, 1.000 enfermos y 99.000 sanos.

Si la sensibilidad de la prueba es del 90%, de los 1.000 pacientes enfermos, diagnosticacorrectamente a 900 (a). Si la especificidad de la prueba es del 90%, de los 99.000 sanos, diagnosticafalsamente como enfermos a 9.900 (b).

Por tanto, de los pacientes diagnosticados como enfermos 9.900 + 900 = 10.800 (a + b), solo 900 (a)son correctamente diagnosticados 900/10.800 (a/a + b), el 8,33%.

Si haces estos mismos pasos variando la prevalencia, observarás cómo se va a ir modificando elporcentaje.

VP+ = a

a+b

VP− = d

c+d

Cocientes de probabilidad positivo y negativo: también denominados razones de verosimilitud olikelihood ratios (LR en la literatura inglesa). Son una pareja de índices menos populares que losanteriores, pero más útiles para interpretar y utilizar el resultado de una prueba diagnóstica (3) .

El cociente de probabilidad positivo (CP+) refleja cuánto más frecuente es obtener un resultadopositivo entre los enfermos que entre los no enfermos. Si la prueba fuera totalmente inútil paradiagnosticar una enfermedad (piénsese en una moneda tirada al aire), el resultado positivo (p. ej.,obtener una cara) se obtendría con la misma frecuencia en los enfermos que en los no enfermos, conlo que ese resultado positivo no aportaría ninguna información y el CP+ sería 1. Cuanto másfrecuente sea el resultado positivo en los enfermos con respecto a los no enfermos, más informaciónaporta ese resultado y, por tanto, mayor será el valor del CP+.

De la misma forma, el cociente de probabilidad negativo (CP–) representa cuánto más frecuente es elresultado negativo entre los enfermos que entre los no enfermos. Si el resultado negativo (la cruz dela moneda de nuestro ejemplo) se obtuviera con la misma frecuencia en los enfermos y en los noenfermos, este resultado no contendría ninguna información (CP– igual a 1). Cuanto menosfrecuente sea el resultado negativo en los enfermos con respecto a los no enfermos, más informaciónaporta y menor será el valor del CP– (4) .

Cociente de probabilidad positivo (CP+): cuánto más frecuente es obtener un resultado positivo entrelos enfermos que entre los no enfermos:

Cociente de probabilidad negativo (CP–): cuánto más frecuente es obtener un resultado negativoentre los enfermos que entre los no enfermos:

No te asustes con la fórmula; si lo piensas bien es muy fácil recordarla.

Si conocemos la sensibilidad de la prueba y su especificidad, solo tienes que hacer un sencillo cálculo.Haz la prueba.

Tenemos una prueba diagnóstica con una sensibilidad del 95% y una especificidad del 90%. Si te fijasbien en la fórmula anterior, el cociente de probabilidad positivo realmente es el cociente entre lasensibilidad y el «error» de la especificidad (1 – esp); si la especificidad es del 90%, hay un 10% de«error» en la especificidad, por tanto, nuestro ejemplo será 95/10 = 9,5. Para el cociente deprobabilidad negativo, usaremos el «error» de la sensibilidad (1 – sen) y la especificidad, en nuestroejemplo 5/90 = 0,055.

CP+ = =VP

VP+FN

FP

FP+VN

sen

1−esp

CP− = =FN

VP+FN

VN

FP+VN

1−senesp

Antes de realizar una prueba diagnóstica, la probabilidad de padecer la enfermedad en el estudio,denominada probabilidad a priori, coincide con la prevalencia para esa población de esa enfermedado condición. Utilizando el conocido teorema de Bayes, se puede utilizar el valor del CP (positivo onegativo) del resultado de la prueba para actualizar la probabilidad a priori en probabilidad aposteriori (posprueba).

Este cálculo puede obtenerse fácilmente gracias al nomograma desarrollado por Fagan en 1975(5) ( fig. 6­1 (f0010) ). Trazando una línea de intersección entre la probabilidad a priori y el CP delresultado, se obtiene una probabilidad posprueba.

Figura 6­1

Nomograma de Fagan.

Si en lugar de un resultado dicotómico, la prueba que se va a evaluar proporciona resultadoscuantitativos, los índices de validez diagnóstica deben obtenerse de una manera diferente, mediantela conocida curva ROC (receiver operating characteristic) (6) , escapando su descripción a losobjetivos de este libro.

Artículo

A)

Davis JL, Huang L, Worodria W, Masur H, Cattamanchi A, Huber C, et al. Nucleic acid amplificationtests for diagnosis of smear­negative TB in a high HIV­prevalence setting: a prospective cohort study.PLoS One. 2011;6(1):e16321. Disponible en:http://www.plosone.org/article/info%3Adoi%2F10.1371%2Fjournal.pone.0016321

(http://www.plosone.org/article/info%253Adoi%252F10.1371%252Fjournal.pone.0016321) .

Plantilla CASPe contestada para este artículo concretoEn el cuadro 6­1 (b0010) se muestra la plantilla CASPe contestada para este artículo concreto.

CUADRO 6­1

¿Son válidos los resultados del estudio?Preguntas de eliminación

1. ¿Existió una comparacióncon una prueba de referenciaadecuada?

PISTA: ¿es correcto el patrónde oro? (no siempre se puedeaplicar el mismo patrón de oroa todos los pacientes)

Sí No sé No

Se utilizó el cultivo en medio de micobacterias como elpatrón de oro, lo cual es correcto. Además, se utilizó un segundo patrón de oroincorporando criterios clínicos bien definidos en aquellospacientes con cultivo negativo

2. ¿Incluyó la muestra unespectro adecuado depacientes?

PISTAS:– ¿Están adecuadamentedescritos los pacientes y cómose seleccionaron?

– Casi cualquier pruebadistingue entre sanos ygravemente enfermos

Sí No sé No

Para evitar los sesgos de selección, se incluyeron todoslos pacientes ingresados en el hospital de Kampala portos de más de 2 semanas de duración de maneraconsecutiva. Los pacientes incluidos tenían la sospechade enfermedad

3. ¿Existe una adecuadadescripción de la prueba?

PISTAS:– ¿Se define con claridad quées un resultado positivo y qué

Sí No sé No

Se define con claridad qué es un resultado positivo, tantopara la prueba de MTD como para la prueba secA1PCR. Se especifica cómo realizar la prueba; no obstante,

B)

es un resultado negativo?

– ¿Se especifica lareproducibilidad de la prueba(este puede ser un punto claveen pruebas que dependen delobservador, como las técnicasde imagen)?

se remite al lector a otro original anterior donde ladescripción fue más exhaustiva para la prueba de secA1

Preguntas detalladas

4. ¿Hubo evaluación«ciega» de los resultados?

PISTA: ¿las personas queinterpretaron la pruebaconocían los resultados delpatrón de oro (y viceversa)?

Sí No sé No

Los investigadores se mantuvieron ciegos para los datosclínicos y de la prueba de oro. Los resultados de las pruebasestudiadas solo se desvelaron cuando las muestrasestuvieron clasificadas

5. ¿La decisión de realizarel patrón de oro fueindependiente delresultado de la pruebaproblema?

PISTAS: Considera si:– Se incluyeronpreferentemente losresultados positivos en laprueba que se iba a evaluar

– Se utilizaron diferentespatrones de oro en lospositivos y en los negativos

Sí No sé No

Todas las muestras recogidas se procesaron tanto para elcultivo (patrón de oro) como para las pruebas de estudio.Todas las muestras se clasificaron con los mismos criteriosindependientemente del resultado del cultivo

¿Cuáles son los resultados?

6. ¿Se pueden calcular los cocientes deprobabilidad (likelihood ratios)?

PISTAS:

Sí No sé No

Enfermos No enfermos

Test + a = 29 b = 7

C)

– ¿Se han tenido en cuenta los pacientescon resultados «no concluyentes»?

– ¿Se pueden calcular los cocientes deprobabilidad para distintos niveles de laprueba, si procede?

Test – c = 46 d = 129

Sensibilidad = a/(a + c) = 29/(29 + 46) =38,7% (IC 95%: 27,6­50,6) Especifidad = d/(b + d) = 129/(129 + 7) =94,9% (IC 95%: 89,7­97,9) CP+ = sens/(1 – esp) = 7,5 (IC 95%: 3,5­16,3)CP– = (1 – sens)/esp = 0,65 (IC 95%: 0,54­0,78)

7. ¿Cuál es la precisión de losresultados?

PISTA: hay que buscar o calcular losintervalos de confianza de los cocientes deprobabilidad

Sí No sé No

Resultados para el cultivo y el método secA1. Los intervalos de confianza de los cocientesde probabilidad son aceptables, perodemasiado exactos

¿Son los resultados aplicables al escenario?

8. ¿Serán satisfactoriasen el ámbito delescenario lareproducibilidad de laprueba y suinterpretación?

PISTA: considera si elámbito de la prueba esdemasiado diferente aldel escenario

Sí No sé No

El ámbito del estudio es completamente distinto al de Francisco,es población africana, con una incidencia de tuberculosis muchomás elevada que la nuestra, más joven, más inmunodeprimida ycon una baja proporción de pacientes que reciben tratamientoantirretroviral

9. ¿Es aceptable laprueba en este caso?

PISTA: considera ladisponibilidad de laprueba, los riesgos ymolestias de la prueba ylos costes

Sí No sé No

La prueba es factible en el medio de Francisco y losriesgos/molestias son mínimos. Los costes son moderados ennuestro medio, por lo que sí es aceptable

10. ¿Modificarán los Sí No sé No

resultados de la pruebala decisión sobre cómoactuar?

PISTAS:– Desde la perspectivadel escenario, si la actitudno va a cambiar, laprueba es (al menos)inútil

– Considera el umbral deacción y la probabilidadde enfermedad antes ydespués de la prueba

Dadas las dificultades tan importantes para tratar a Franciscocon los tuberculostáticos, una prueba que excluya la infección esmuy útil, a pesar de que la validación es en una poblacióndiferente. Si la prueba excluye, espera al resultado del cultivo, que tardaunos 60 días, para definitivamente no tratar la tuberculosis

IC 95%, intervalo de confianza al 95%; MTD, Mycobacterium tuberculosis Direct; secA1 PCR, reacción en

cadena de la polimerasa para la detección del gen secA1.

Evaluación crítica del artículo propuesto (plantilla CASPe)

Cómo citar este capítuloRoyuela A., Montes M.L., Martín A.J.: Lectura crítica de estudios de diagnóstico. Cabello Juan B.Lectura crítica de la evidencia clínica . 2015. Elsevier Barcelona: pp. 87­99.

Referencias

1. Sackett D.L., and Haynes R.B.: The architecture of diagnostic research. BMJ 2002 Mar 2;324: pp. 539­541 Cross Ref (http://dx.doi.org/10.1136/bmj.324.7336.539)

2. Van den Bruel A., Cleemput I., Aertgeerts B., Ramaekers D., and Buntinx F.: Theevaluation of diagnostic tests: evidence on technical and diagnostic accuracy, impact onpatient outcome and cost­effectiveness is needed. J Clin Epidemiol 2007 Nov; 60: pp. 1116­1122 Cross Ref (http://dx.doi.org/10.1016/j.jclinepi.2007.03.015)

3. Jaeschke R., Guyatt G.H., and Sackett D.L.: Users’ guides to the medical literature. III.How to use an article about a diagnostic test. B. What are the results and will they help me incaring for my patients? The Evidence­Based Medicine Working Group . JAMA 1994 Mar 2;271: pp. 703­707 Cross Ref (http://dx.doi.org/10.1001/jama.1994.03510330081039)

4. Abraira V.: Índices de rendimiento de las pruebas diagnósticas. SEMERGEN 2008; 28:pp. 193­194

5. Fagan T.J.: Letter: Nomogram for Bayes theorem. N Engl J Med 1975 Jul 31; 293: pp. 257

6. Hanley J.A., and McNeil B.J.: The meaning and use of the area under a receiver operatingcharacteristic (ROC) curve. Radiology 1982 Apr; 143: pp. 29­36 Cross Ref (http://dx.doi.org/10.1148/radiology.143.1.7063747)

Copyright © 2016 Elsevier, Inc. Todos los derechos reservados.