Valutazione dei risultati degli esami

Gli elementi di base più importanti per interpretare un risultato nella diagnostica autoimmunitaria sono i seguenti:

1. Sensibilità e specificità
2. Curva ROC
3. Valore predittivo positivo e negativo
4. Percentuale di probabilità positiva e negativa

1. Sensibilità e specificità

Definizione:

La sensibilità è il numero dei risultati "veri positivi".

(TP = veri positivi, FN = falsi negativi)

La specificità è il numero di risultati negativi in persone che non hanno la malattia (risultati "veri negativi" nei controlli).

(TN = veri negativi, FP = falsi positivi)

Il gruppo di controllo potrebbe essere costituito da una popolazione di individui sani. Tuttavia, per valutare realisticamente la specificità di un esame, la popolazione di controllo deve essere costituita da pazienti con malattie, che sono importanti nella diagnosi differenziale. Ad esempio, la specificità di un esame per la celiachia deve essere valutata nei confronti di una popolazione di pazienti con altre malattie gastrointestinali, quali ad esempio intestino infiammato, infezioni gastrointestinali ecc.

Esempio:

La prevalenza dell'artrite reumatoide (RA) nella popolazione analizzata è del 2%. Di conseguenza, 100 dei 5.000 individui analizzati saranno affetti da artrite reumatoide. 4.900 sono invece sani, oppure hanno una malattia diversa dall'artrite reumatoide.

Con l'esame in questo esempio, 73 pazienti su 100 con RA risultavano positivi (veri positivi). 27 non venivano rilevati (falsi negativi). Nel gruppo di controllo di 4.900 individui che non hanno RA, 73 risultavano positivi (falsi positivi) e 4.827 risultavano negativi (veri negativi).

La sensibilità di questo esame è 0,73 o 73% (numero di veri positivi = 73 / numero dei pazienti = 100) e la specificità è 0,985 o 98,5 % (numero di veri negativi = 4.827 / numero dei controlli = 4.900).

Importanza della specificità

Nell'esempio sopra descritto, 73 individui su 5.000 sarebbero risultati falsi positivi. Ciò significa che 73 individui si sono rivolti a uno specialista o, nel peggiore dei casi, sono trattati con medicazioni tossiche.

Se l'esame avesse una specificità inferiore, ad esempio il 92% (che sembra ancora un valore molto ragionevole), i risultati falsi positivi aumenterebbero notevolmente.

Il rischio di diagnosi RA errata salirebbe a 392 individui, una quantità oltre 5 volte superiore a quella ottenuta con una specificità del 98,5%.

Torna all'inizio 

2. Curva ROC

La sensibilità di un esame è maggiore quando viene scelto un valore di cut-off basso. Un valore di cut-off basso porta direttamente a una specificità inferiore. Il valore dei cut-off negli esami per l'autoimmunità è sempre un punto di equilibrio tra sensibilità e specificità. Questi valori si correlano inversamente l'uno con l'altro: a ogni valore di sensibilità corrisponde un valore di specificità. Questa relazione può essere illustrata in una curva ROC.

Definizione:

Nella teoria della rilevazione del segnale, una caratteristica operativa del ricevitore (ROC, detta anche semplicemente curva ROC) è una rappresentazione grafica della sensibilità, cioè veri positivi, in rapporto a (1 - specificità), cioè falsi positivi.

Esempio:

In uno studio di Bizzarro et al. (Clin Chem 2007; 53:1527-33), sono stati confrontati 11 esami per il rilevamento degli anticorpi associati all'artrite reumatoide. Con il pannello di sieri analizzati, la seguente curva ROC era vera per EliA CCP:

Un valore di cut-off ottimale per un esame viene scelto dove la sensibilità e la specificità sono quanto più possibile elevate. Per EliA CCP, il valore di cut-off ottimale mostra una specificità del 98,5% e una sensibilità del 73%.

Nello stesso studio, un classico esame RF è stato confrontato con gli stessi sieri. Usando il valore di cut-off suggerito, la sensibilità e la specificità erano rispettivamente del 54% e dell'86,1%.

Per una confrontabilità ottimale dei diversi esami, la specificità può essere impostata su un valore specifico e le rispettive sensibilità possono essere calcolate con l'aiuto di una curva ROC. In questo esame, le rispettive sensibilità sono state confrontate a specificità definite pari a 99%, 98% e 97%.

Torna all'inizio

3. Valore predittivo positivo e negativo

Definizione:

Il valore predittivo positivo (PPV), o percentuale di precisione, o anche probabilità post-test di malattia, è la percentuale di pazienti con risultati dell'esame positivi che hanno la malattia. Il valore predittivo è correlato alla sensibilità e specificità dell'esame o del metodo di screening.

(TP = veri positivi, FP = falsi positivi)

Il valore predittivo negativo (NPV) è la proporzione di pazienti di controllo con un risultato dell'esame negativo correttamente diagnosticato.

(TN = veri negativi, FN = falsi negativi)

Esempio:

Prendendo lo stesso esempio del paragrafo riguardante sensibilità e specificità (vedere sopra) per un esame in artrite reumatoide (RA), il PPV è del 50% (73 TP / 146 P). L'NPV è del 99%  (4.827 TN / 4.854 N).

Con questa popolazione, un medico deve essere consapevole che metà dei risultati positivi sono riscontrati in individui senza RA. Un risultato positivo predice la malattia con una probabilità del 50%. D'altra parte, un risultato negativo predice con il 99% che la malattia non è presente.

Dipendenza dalla probabilità pre-test

I valori predittivi sono altamente dipendenti dalla probabilità pre-test, che in questo esempio è del 2%, cioè abbastanza piccolo. Se la probabilità pre-test fosse stata del 10% (ad esempio perché si tratta di un laboratorio di reumatologia specializzato), i dati cambierebbero di conseguenza:

Le prestazioni dell'esame o le caratteristiche cliniche del marcatore non cambiano con la probabilità pre-test. Di conseguenza, la sensibilità e la specificità dell'esame sono relativamente fisse. Il valore predittivo positivo, tuttavia, aumenta con una probabilità pre-test 5 volte maggiore dal 50% all'86% (370 TP / 430 P) e il valore predittivo negativo diminuisce dal 99% all'86% (3.940 TN / 4.570 N).

Torna all'inizio

4. Percentuale di probabilità positiva e negativa

Definizione:

La percentuale di probabilità incorpora sia la sensibilità, sia la specificità dell'esame e fornisce una stima diretta di quanto il risultato di un esame cambierà la probabilità di avere una malattia.

La percentuale di probabilità per un risultato positivo (LR positiva) indica di quanto la probabilità di malattia aumenta quando un esame è positivo.

(TP = veri positivi, TN = veri negativi, FP = falsi positivi, FN = falsi negativi)

La percentuale di probabilità per un risultato negativo (LR negativa) indica di quanto la probabilità di malattia diminuisce quando un esame è negativo.

(TP = veri positivi, TN = veri negativi, FP = falsi positivi, FN = falsi negativi)

Esempio:

Prendendo lo stesso esempio dei paragrafi precedenti (vedere sopra) per un esame in artrite reumatoide (RA), la LR positiva è molto alta con (73 / 100) / (73 / 4.900) = 50. Se il paziente ha un risultato dell'esame positivo, è molto alta la probabilità che abbia la RA. La LR negativa è (27 /100) / (4.827 / 4.900) = 0,27.

Interpretazione della percentuale di probabilità:

Il marcatore nell'esempio precedente ha una LR positiva molto alta, pari a 50. Di conseguenza, un risultato positivo indica la malattia con una probabilità elevata. Un risultato negativo, tuttavia, non esclude la malattia. Con una LR negativa di 0,27, l'utilità clinica è soltanto ridotta.

Torna all'inizio