Interpretação dos Resultados dos Testes

Como interpretar o resultado de um teste?

1.  Sensibilidade e especificidade

2.  Curva ROC

3.  Valor preditivo positivo e negativo

4.  Rácio de verosimilhança positivo e negativo

 

1. Sensibilidade e especificidade

Sensibilidade é o número de resultados de teste verdadeiros positivos.

 

VP

 

Número de resultados de teste verdadeiros positivos

Sensibilidade =

----------

=

-------------------------------------

 

VP + FN

 

todos os doentes afectados

(VP = Verdadeiros positivos, FN = Falsos negativos)

 

Especificidade é o número de resultados negativos em pessoas que não têm a doença (resultados verdadeiros negativos nos controlos).

 

VN

 

Número de resultados de teste verdadeiros negativos

Especificidade =

----------

=

-------------------------------------

 

VN + FP

 

todos os doentes não afectados

(VN = Verdadeiros negativos, FP = Falsos positivos)

O grupo de controlo poderia ser uma população de indivíduos saudáveis. Contudo, para avaliar a especificidade de um teste de forma realista, a população do controlo deveria consistir em indivíduos com doenças, que são importantes para o diagnóstico diferencial. Por exemplo, a especificidade de um teste para a doença celíaca deve ser avaliada através de uma população de doentes com outras doenças gastrintestinais, como por exemplo, doenças inflamatórias intestinais, infecções gastrintestinais, etc.

Exemplo:

A prevalência da artrite reumatóide (AR) na população testada é de 2%. Por conseguinte, 100 dos 5000 indivíduos testados terão artrite reumatóide. 4900 são saudáveis ou têm outra doença que não artrite reumatóide.

Aplicando o teste a este exemplo, 73 dos 100 doentes com AR tiveram um resultado do teste positivo (verdadeiros positivos). 27 não foram detectados e tiveram assim um resultado do teste negativo (falsos negativos). No grupo de controlo dos 4900 indivíduos que não têm AR, 73 deram positivo (falsos positivos) e 4827 deram negativo (verdadeiros negativos).

 Teste positivoTeste negativoTotal
AR 73 27 100
Não AR 73 4827 4900
Total 146 4854 5000

A sensibilidade deste teste é de 0,73 ou 73% (número de verdadeiros positivos = 73 / número de doentes = 100) e a especificidade é de 0,985 ou 98,5% (número de verdadeiros negativos = 4827 / número de controlos = 4900).

Relevância da especificidade

No exemplo acima, 73 dos 5000 indivíduos teriam um teste falso positivo. O que significa que 73 indivíduos iriam consultar um especialista ou, no pior dos cenários, seriam tratados com medicação tóxica.

Se o teste tivesse uma especificidade inferior, por exemplo, 92% (valor que continuaria a ser muito razoável) os resultados falsos positivos aumentariam substancialmente.

 Teste positivoTeste negativoTotal
AR 73 27 100
Não AR 392 4508 4900
Total 465 4535 5000

Existe o risco de diagnóstico errado de AR em 392 indivíduos, 5 vezes mais indivíduos do que com uma especificidade de 98,5%.

Voltar ao início 

 

2. Curva ROC

Se se escolher um ponto de corte baixo, a sensibilidade de um teste é superior. Um ponto de corte baixo leva directamente a uma especificidade inferior. O ponto de corte nos testes auto-imunes representa sempre um equilíbrio entre sensibilidade e especificidade. Ambos os valores estão inversamente correlacionados um com o outro e a cada valor de sensibilidade corresponde um valor de especificidade. Esta relação pode ser ilustrada numa curva ROC.

Definição:

Na teoria de detecção do sinal, uma curva "Receiver Operating Characteristic" (ROC), ou simplesmente curva ROC, é uma representação gráfica da sensibilidade ou verdadeiros positivos, vs. (1 − especificidade) ou falsos positivos.

Exemplo:

Num estudo de Bizzarro et al. (Clin Chem 2007; 53:1527-33) foram comparados 11 testes para a detecção dos anticorpos associados à artrite reumatóide. Com o painel de soros testado, a seguinte curva ROC foi considerada verdadeira para EliA CCP:

ROC CCP

Um ponto de corte ideal para um teste é escolhido quando a sensibilidade e a especificidade estão o mais elevadas possível. Para EliA CCP o ponto de corte ideal revela uma especificidade de 98,5% e uma sensibilidade de 73%.

ROC RF

No mesmo estudo, com o mesmo soro, foi comparado um teste FR clássico. Utilizando o ponto de corte recomendado, a sensibilidade e a especificidade eram de 54% e 86,1%, respectivamente.

Para uma comparabilidade ideal de testes diferentes, a especificidade pode ser definida para um valor específico e as respectivas sensibilidades podem ser calculadas com a ajuda de uma curva ROC. Neste exemplo, as respectivas sensibilidades foram comparadas nas especificidades definidas para 99%, 98% e 97%.

Ensaiosensib. no ponto de corte recomendadoespecif. no ponto de corte recomendadosensib. na especif. de 99%sensib. na especif. de 98%sensib. na especif. de 97%
EliA CCP 73% 98,5% 69% 74% 74%
FR 54% 86,1% 13% 17% 17%

 

Voltar ao início

 

3. Valor preditivo positivo e negativo

Definição:

O valor preditivo positivo (VPP), ou taxa de precisão, ou probabilidade pós-teste de doença, representa a proporção de doentes com resultados de teste positivos que têm a doença.O valor preditivo está relacionado com a sensibilidade e especificidade do teste ou método de rastreio.

 

VP

 

Número de doentes positivos

VPP =

----------

=

-------------------------------------

 

 VP+FP

 

todos os resultados positivos

(VP = Verdadeiros positivos, FP = Falsos positivos)

 

O valor preditivo negativo (VPN) representa a proporção de doentes do controlo com resultados de teste negativos que estão correctamente diagnosticados.

 

VN

 

Número de controlos negativos

VPN =

----------

=

-------------------------------------

 

 VN+FN

 

todos os resultados negativos

(VN = Verdadeiros negativos, FN = Falsos negativos)

Exemplo:

 Teste positivoTeste negativoTotal
AR 73 27 100
Não AR 73 4827 4900
Total 146 4854 5000

Partindo do mesmo exemplo utilizado no parágrafo sobre sensibilidade e especificidade (consulte acima) para um teste em relação à artrite reumatóide (AR), o VPP é de 50% (73 VP / 146 P). O VPN é de 99%  (4827 VN / 4854 N).

Com esta população, o médico tem de estar ciente de que metade dos resultados positivos pertencem a indivíduos que não têm AR. Um resultado positivo vaticina a doença com uma probabilidade de 50%. Por outro lado, um resultado negativo vaticina a não ocorrência da doença com uma probabilidade de 99%.

Dependência da probabilidade pré-teste

Os valores preditivos estão altamente dependentes da probabilidade pré-teste, que neste exemplo é de 2%, o que é um valor muito baixo.Se a probabilidade pré-teste for de 10% (por exemplo, porque se trata de um laboratório especializado em reumatologia), os dados devem alterar-se em conformidade: 

 Teste positivoTeste negativoTotal
AR 370 130 500
Não AR 60 3940 4000
Total 430 4570 5000

O desempenho do teste ou as características clínicas do marcador não são alterados pela probabilidade pré-teste. Por conseguinte, a sensibilidade e especificidade do teste são relativamente fixas. O valor preditivo positivo aumenta, com uma probabilidade pré-teste 5 vezes superior, de 50% para 86% (370 VP / 430 P) e o valor preditivo negativo diminui de 99% para 86% (3940 VN / 4570 N).

Voltar ao início

 

4. Rácio de Verosimilhança Positivo e Negativo

Definição:

O rácio de verosimilhança (likelihood ratio) incorpora a sensibilidade e especificidade do teste e fornece uma estimativa directa de quanto o resultado do teste vai alterar as probabilidades de ter a doença.

O rácio de verosimilhança para um resultado positivo (LR positivo) indica quanto aumentam as probabilidades da doença quando um teste é positivo.

 

VP / (VP + FN)

 

Sensibilidade

LR pos. =

-----------------

=

---------------

 

FP / (FP + VN)

 

1 - Especificidade

(VP = Verdadeiros positivos, VN = Verdadeiros negativos, FP = Falsos positivos, FN = Falsos negativos)

O rácio de verosimilhança para um resultado negativo (LR negativo) indica quanto diminuem as probabilidades da doença quando um teste é negativo.

 

FN / (VP + FN)

 

1 - Sensibilidade

LR neg. =

-----------------

=

-------------------

 

VN / (FP + VN)

 

Especificidade

(VP = Verdadeiros positivos, VN = Verdadeiros negativos, FP = Falsos positivos, FN = Falsos negativos)

Exemplo:

 Teste positivoTeste negativoTotal
AR 73 27 100
Não AR 73 4827 4900
Total 146 4854 5000

Partindo do mesmo exemplo utilizado nos parágrafos anteriores (consulte acima) para um teste em relação à artrite reumatóide (AR), o LR positivo é muito elevado com (73 / 100) / (73 / 4900) = 50. Se o doente tiver um resultado de teste positivo, a probabilidade de ter AR é muito elevada. O LR negativo é de (27 /100) / (4827 / 4900) = 0,27.

Interpretação do rácio de verosimilhança:

 LR negativoLR positivo
sem valor clínico = qualidade do teste não é útil 1 1
pequena diferença que pode ser relevante 0,2 – 0,5 2 – 5
diferença moderada, mas substancial 0,1 – 0,2 5 – 10
diferença clinicamente importante = qualidade do teste é muito útil <0,1> >10

 

O marcador no exemplo acima tem um LR positivo muito elevado, de 50. Por conseguinte, um resultado positivo indica a existência da doença com uma elevada probabilidade. Contudo, um resultado negativo não exclui a doença. Com um LR negativo de 0,27, a utilidade clínica é baixa.

Voltar ao início