Baixe o app para aproveitar ainda mais
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).
Compartilhar