2- Testes diagnosticos

Prévia do material em texto

Teste diagnostico 
É qualquer exame seja laboratorial ou físico que tenha sensibilidade e especificidade para chega/contribuir a um diagnostico. Ex: Dor torácica/retroesternal
2. SENSIBILIDADE E ESPECIFICIDADE
É a prevalência da doença não altera essas duas características. É a capacidade de detectar verdadeiro-positivo (doentes). Porque pode um exame dar verdadeiro-positivo = positivo, falso-positivo = não doente com exame positivo e falso-negativo = negativo
Na maioria dos casos, a relação entre sensibilidade e especificidade é inversamente proporcional. 
SENSIBILIDADE
Sensibilidade é a capacidade de detectar os verdadeiros- positivos entre os pacientes doentes.
O O aumento do ponto de corte de um teste diagnóstico (o valor máximo do valor da referencia) leva à redução da sensibilidade.
A redução do ponto de corte leva ao aumento da sensibilidade.
Concluímos que um teste muito sensível:
· Apresenta muitos falso-positivos
· Apresenta poucos falso-negativos
· É bastante útil para descartar uma doença
· É pouco útil para confirmar uma doença
2.2. ESPECIFICIDADE
Especificidade é a capacidade de detectar os verdadeiros- negativos entre os pacientes não doentes.
Podemos definir, também, como a probabilidade de um indivíduo não doente ter um teste negativo.
Concluímos que:
O aumento do ponto de corte de um teste diagnóstico eleva sua especificidade.
A redução do ponto de corte reduz a especificidade.
O teste muito específico é como uma pessoa insensível.
Quando esse teste vem negativo, você não consegue ter certeza de que o paciente não tenha a doença.
Quando você vê uma pessoa insensível chorando, você tem praticamente certeza de que algo ruim aconteceu, já que essa pessoa não chora à toa.
Da mesma forma, quando um teste muito específico apresenta um resultado positivo, você tem quase certeza de que seu paciente tem a doença.
Para que um teste muito específico apresente um resultado positivo, o paciente tem que estar "muito doente" (a relação com "quantidade" de doença é meramente didática).
Concluímos que um teste muito específico:
· Apresenta muitos falso-negativos
· Apresenta poucos falso-positivos
· É bastante útil para confirmar uma doença
· É pouco útil para descartar uma doença
Por isso, usamos testes com alta especificidade para confirmação diagnostica.
Parece estranho usarmos a especificidade, que avalia os não doentes, para confirmar e não descartar uma doença. Fazemos isso porque um teste bastante específico vai apresentar muitos resultados falso-negativos. O resultado negativo, portanto, não é confiável. Como esse teste apresenta poucos falso-positivos, o resultado positivo é confiável o suficiente para confirmar a doença.
3. TABELA DE CONTINGÊNCIA 2X2
Na coluna à esquerda, você irá dividir os pacientes doentes entre aqueles que apresentaram teste
positivo e aqueles que apresentaram teste negativo.
Na coluna da direita, você fará o mesmo com os pacientes não doentes. Na linha de cima, você irá
dividir os pacientes que tiveram teste diagnóstico positivo entre aqueles que efetivamente têm a doença e aqueles que não têm. Na linha de baixo você fará o mesmo com os pacientes que tiveram teste negativo
	
	Doença
	Não doentes
	Total
	Positivo
	 A – verdadeiro positivo
	B -> falso-positivos
	
	Negativo
	C – falso negativo
	D – verdadeiro- negativo
	
	Total
	
	
	
A= verdadeiro-positivo
B= falso- positivo
C= falso- negativo
D= verdadeiro – negativo
Quando olha para coluna dos doentes = sensibilidade (A+ C)
Quando olha para coluna dos NÃO doentes = especificidade (B+ D)
Agora para calcular a sensibilidade a formula será : A / A+C 
Para calcular a especificidade a formula será : D / B + D 
Por exemplo, se o enunciado lhe informa que 1000 pacientes (vai ser o total) foram testados e que a prevalência da doença na população estudada é de 15% (15% de 1000 da 150 doentes), você vai começar a montar sua tabela da seguinte forma:
	
	Doença
	Não doentes
	Total
	Positivo
	
	
	
	Negativo
	
	
	
	Total
	150
	850
	1000
Digamos que o teste que estamos avaliando apresenta sensibilidade de 86% (coluna dos doentes – 86% de 150 é 129) e especificidade de 94% (coluna dos não doentes- 94% de 850 da 799). Sua tabela será preenchida assim:
	
	Doença
	Não doentes
	Total
	Positivo
	129
	51
	180
	Negativo
	21
	799
	820
	Total
	150
	850
	1000
Valor preditivo positivo (VPP) é o A / pelo total de Positivos -> Ex acima: seria 129 / 180
E o valor preditivo negativo (VPN) é o D / pelo total de negativos -> 799 / 820
Acuracia = A +D / A +B + C+ D
OBSERVAÇÕES
a) Valor preditivos sofrem influencia da prevalência [prevalência é quantos % tem a doença, ex: 2000 pessoas com prevalência de 1,5% = seria 30 pessoas ( é a soma do A + B)]
b) Sensibilidade e especificidade são próprias do teste
c) Sensibilidade aumento -> VPN aumenta
d) Especificidade aumenta -> VPP aumenta
4. VALORES PREDITIVOS E ACURÁCIA
a) VALOR PREDITIVO POSITIVO (VPP)
Definição: Proporção de verdadeiro-positivos entre os positivos.
VPP = A/A+B
Maior prevalência -> Maior VPP
Maior especificidade -> Maior VPP
b) VALOR PREDITIVO NEGATIVO (VPN)
Definição: Proporção de verdadeiro-negativos entre os negativos
VPN = D/C+D
Maior prevalência Menor VPN
Maior sensibilidade Maior VPN
c) ACURÁCIA
Definição: Proporção de acertos do teste diagnóstico
Acurácia = A+D/A+B+C+D
Melhor relação entre Sensibilidade e Especificidade -> Maior acurácia
Maior VPP -> Maior acurácia
Maior VPN -> Maior acurácia
5. RAZÃO DE VEROSSIMILHANÇA
A Razão de Verossimilhança (RV) quantifica o quão útil um teste diagnóstico é para mudar a probabilidade de um indivíduo ter a doença em comparação com a probabilidade pré-teste, ou a prevalência da doença na população estudada. 
A Razão de Verossimilhança é a característica que nos mostra se um teste é realmente mais útil do que o simples conhecimento sobre a prevalência da doença, e quantas vezes mais útil. As provas geralmente
cobram o conceito da RV, mas também vamos te ensinar a calculá-la.
Razão de Verossimilhança Positiva (RV+) é a probabilidade de um resultado positivo em pacientes
com a doença dividida pela probabilidade de um resultado positivo em pacientes sem a doença.
 RV+ = verdadeiro-positivos / falso-positivos 
Razão de Verossimilhança Negativa (RV-) é a probabilidade de um resultado negativo em pacientes
sem a doença dividida pela probabilidade de um resultado negativo em pacientes com a doença.
RV- = verdadeiro-negativos / falso-negativos
6. CURVA ROC
A Curva ROC é uma representação gráfica da sensibilidade, especificidade e acurácia de um teste diagnóstico.
· Eixo vertical: sensibilidade
· Quanto mais alto, maior a sensibilidade
· Eixo horizontal: falso-positivos (1-especificidade)
· Quanto mais à direita, menor a especificidade.
· Ou seja, quanto mais à esquerda, maior a especificidade.
· Área sob a curva: acurácia
· Todos os possíveis pontos de corte de um teste diagnóstico geram uma curva. O ponto que traz melhor relação sensibilidade X especificidade será aquele com melhor acurácia. Ele deve ser o ponto de corte escolhido (glicemia em jejum - 126 mg/dL, por exemplo).