 Qualidade de Testes Diagnósticos  O bom uso de um teste diagnóstico requer, além das considerações clínicas, o conhecimento de medidas que caracterizam.

Apresentação em tema: " Qualidade de Testes Diagnósticos  O bom uso de um teste diagnóstico requer, além das considerações clínicas, o conhecimento de medidas que caracterizam."— Transcrição da apresentação:

1  Qualidade de Testes Diagnósticos  O bom uso de um teste diagnóstico requer, além das considerações clínicas, o conhecimento de medidas que caracterizam a sua qualidade intrínseca: a sensibilidade, a especificidade e os parâmetros que refletem a sua capacidade de produzir decisões clínicas corretas: valor da predição positiva e o valor da predição negativa.

2  Qualidade de Testes Diagnósticos  Sensibilidade e Especificidade  Na análise da qualidade de testes diagnósticos, interessa conhecer duas probabilidades condicionais que, pela sua importância, recebem nomes especiais: sensibilidade e especificidade. A sensibilidade, denotada por s, é definida como s = Pr(T + |D + )  A probabilidade de o teste ser positivo sabendo-se que o paciente que está sendo examinado é doente. A especificidade, denotada por e, é definida como e = Pr(T - |D - )  A probabilidade de o teste ser negativo sabendo-se que o paciente examinado não é portador da doença.

3  Qualidade de Testes Diagnósticos  Sensibilidade e Especificidade  A análise da definição desses dois índices ( s e e) mostra que, subjacentemente a estes conceitos, estamos assumindo a existência de um padrão ouro, ou seja, um teste diagnóstico que sempre produz resultados corretos. Além disso, assumimos que os pacientes são classificados apenas como doentes e não doentes, não se admitindo estágios intermediários. Usando a notação da tabela e a definição de probabilidade condicional, os índices s e e são estimados por:

4  Qualidade de Testes Diagnósticos  Valor das Predições  A sensibilidade e a especificidade, embora sendo índices ilustrativos e bons sintetizadores das qualidades gerais de um teste, têm uma limitação séria: não ajudam a decisão da equipe médica que recebendo um paciente com resultado positivo do teste, precisa avaliar se o paciente está ou não doente. Não se pode apenas depender da sensibilidade e da especificidade, pois estes índices são provenientes de uma situação em que há certeza total sobre o diagnóstico, o que não acontece no consultório médico. Neste momento, interessa mais conhecer os seguintes índices denominados valor da predição positiva (VPP) e valor da predição negativa (VPN), definidos respectivamente por: VPP = Pr(D + |T + ) VPN = Pr(D - |T - )

5  Qualidade de Testes Diagnósticos  Valor das Predições  Em palavras, VPP é a probabilidade do paciente estar realmente doente quando o resultado do teste é positivo e VPN, a probabilidade do paciente não estar doente quando o resultado do teste é negativo. A maneira mais fácil de se calcular o VPN e o VPP é através da tabela:

6  Qualidade de Testes Diagnósticos  Valor das Predições

7  Qualidade de Testes Diagnósticos  Valor das Predições  Seja p = Pr(D + ) a prevalência da doença na população de interesse, isto é, a proporção de pessoas doentes, ou a probabilidade de doença pré-teste. O valor de predição positiva é obtido dividindo-se a freqüência dos verdadeiros positivos, aqueles oriundos de pacientes doentes, pelo total de positivos. Obtém-se a seguinte expressão:  De forma análoga, considerando-se os verdadeiros negativos obtém-se o valor da predição negativa

8  Qualidade de Testes Diagnósticos  Decisões Incorretas  As probabilidades : PFP = Pr(D - |T + ) = 1 – Pr(D + |T + ) = 1 – VPP PFN = Pr(D + |T - ) = 1 – Pr(D - |T - ) = 1 – VPN  Referem-se, respectivamente, ao falso-positivo e falso- negativo, isto é, decisões incorretas baseadas no teste diagnóstico.  Muitos autores admitem, implicitamente, que a prevalência que ocorre na tabela é a mesma na população de interesse e assim usam a tabela 2 x 2 para calcular os valores de predição. Nada justifica esta hipótese e este procedimento, se usado sistematicamente, leva a erros sérios.