Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Profa. Rosemeire L. Fiaccone (Coordenação da Área de Saúde) Profa. Gecynalda Gomes (Professora de MAT027 – 2017.2) Disciplina: MAT027 – Estatística IV Departamento de Estatística/UFBA a) Avaliação de Teste Diagnóstico b) Cálculo de Medidas de Associação c) Construção da Tabela de Sobrevida Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) O exame diagnóstico ideal: é aquele que, quando positivo, indica com certeza a presença da doença e, quando negativo, indica a ausência da mesma. Qualidade desejada nos exames diagnósticos: Capacidade de reconhecer resultados verdadeiro-positivos e verdadeiro-negativos. Exemplo: A triagem é a aplicação de um teste em indivíduos que não exibiram ainda qualquer sintoma clínico, de modo a classificá-los com relação às suas probabilidades de terem uma doença particular. Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Avaliação da qualidade de testes diagnósticos através de medidas que caracterizam a sua qualidade intrínseca: Sensibilidade, Especificidade, Valor preditivo positivo e negativo: parâmetros que refletem a capacidade de produzir decisões clínicas corretas. Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Suponha que estamos interessados em dois estados de saúde mutuamente exclusivos e exaustivos: D+ = indivíduo tem uma doença particular (D+); D- = indivíduo não tem a doença (D-); T+ = resultado positivo do teste de triagem. Sensibilidade: É a proporção de indivíduos com a doença que tem um teste positivo para a mesma. Especificidade: É a proporção de indivíduos sem a doença que tem um teste negativo Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) 2 Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Sensibilidade de um teste: probabilidade de um resultado positivo de teste, dado que o indivíduo testado tenha a doença. Especificidade de um teste: probabilidade de um resultado negativo de teste, dado que o indivíduo testado não tenha a doença. P(T+| D+) = a / a+c P(T-|D-) = d / b+d Falso negativo P(T-|D+): quando o teste de um indivíduo doente indica incorretamente que o indivíduo não está doente. P(T-|D+) = 1 - P(T+|D+) = c / a+c Falso positivo P(T+|D-): quando o teste de um indivíduo sem a doença indica incorretamente que o mesmo está doente P(T+|D-) = 1 - P(T-|D-) = b/ b+ d Embora sendo índices ilustrativos das qualidades gerais de um teste, a sensibilidade e a especificidade têm limitação por que: > Não ajudam a decisão da equipe médica que, recebendo um resultado positivo para o paciente, precisa avaliar se o mesmo está ou não doente. > Não são provenientes de situações em que há certeza total do diagnóstico. Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Exemplo: Comparação do teste ergométrico de tolerância a exercícios entre indivíduos com e sem a doença (Diagnostico definitivo feito através de angiografia.) Calcular a sensibilidade e especificidade. Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Teste ergonométrico + Teste ergonométrico _ Doença coronariana presente 815 209 Doença coronariana ausente 115 327 Quanto maior a sensibilidade de um teste, maior a chance de detectar a doença. Testes sensíveis são indicados quando o risco de não diagnosticar a doença acarreta importantes consequencias para o doente (doença grave, mas tratável, como e o caso da tuberculose). Testes sensíveis são uteis quando se quer reduzir um número grande de possibilidades de diferentes diagnóstico (teste HIV para paciente com infiltrado pulmonar). Testes altamente sensíveis excluem um determinado diagnostico. Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Quanto maior a especificidade de um teste, maior a chance de que pessoas sem a doença sejam excluídas pelo teste. Testes muito específicos são frequentemente usados para confirmar a presença da doença. Testes altamente específicos são necessários quando resultados falso-positivos podem levar o paciente a tratamento ou conduta desnecessários e, as vezes, de risco para o paciente. Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Em medicina clínica os termos prevalência e incidência são usados para denotar probabilidades. Prevalência de uma doença é o número de pessoas que realmente têm a doença dividido pelo número de pessoas na população estudada. Exemplo: A prevalência de hipertensão, em 1974 em Salvador, entre todas as pessoas maiores de 17 anos foi de 15.7%. Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) 3 Incidência de uma doença é a probabilidade de um indivíduo sem a doença a priori desenvolver um novo caso de doença sobre um período de tempo especificado. Exemplo: A taxa de incidência anual de câncer de mama em mulheres de 40 a 44 anos sobre o período de janeiro a dezembro de 1970 é aproximadamente 1 por 1000. Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Exemplo: Considere 5 urnas, cada uma com 6 bolas. duas urnas são do tipo C1, que contem 3 bolas brancas (B) duas urnas são do tipo C2, que contem 2 bolas brancas (B) uma urna e do tipo C3, que contem as 6 bolas brancas (B) Escolhemos ao acaso uma urna, e dela retiramos uma bola. Qual a probabilidade da bola sorteada ser branca? Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Considere as condições do teorema da probabilidade total. Suponha que agora estamos interessados em avaliar a probabilidade de ocorrência de algum dos eventos Bk que formam a partição. Ou seja, será que podemos avaliar a probabilidade de algum Bk sabendo que o evento mais geral A ocorreu? Por exemplo, considerando a situação do Exemplo anterior, qual a probabilidade da bola ter saído de uma urna do tipo C3 dado que esta é branca. Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) 4 Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Não se pode depender apenas dos índices de sensibilidade e especificidade uma vez os mesmos são provenientes da certeza do diagnóstico Na prática, isso não acontece num consultório médico, onde é necessário uma tomada de decisão; Índices como valor de predição positiva e negativa podem auxiliar a realidade prática. Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) T+ T - D+ D- Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Sejam os seguinte eventos: A+ ={ter teste positivo} e B+={ter tuberculose} Suponha que uma pessoa em cada 10.000 das que apresentam teste cutâneo negativo tem tuberculose, ou seja, P(B|A-) = 0,0001, enquanto que 1 pessoa em cada 100 das que apresentam teste cutâneo positivo tem tuberculose, ou seja, P(B|A+) = 0,01. Suponha ainda que 1% da população geral apresenta teste cutâneo positivo. Defina os valores preditivos positivos e negativos para o teste cutâneo de diagnóstico da tuberculose do exemplo acima. Sejam os eventos: B = tuberculose, B- = não ter tuberculose, A+ = teste cutâneo positivo e A- = teste cutâneo negativo VPP = P(B|A) = 0,01 VPN = P(B-|A-) = 1 – P(B|A-) =0,99 Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Quanto mais sensível for um teste, melhor será seu valor preditivo negativo (ou seja, maior será a certeza de que uma pessoa com resultado negativo não tem a doença em estudo). Quanto mais específico for um teste, melhor será seu valor preditivo positivo (ou seja, maior será a certeza de que uma pessoa com resultado positivo tenha a doença em estudo). Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) MAS 5 VP+ e VP- dependem da prevalência da doença. Seu cálculo pode ser expresso em termos da prevalência, sensibilidade e especificidade Em medicina clínica os termos prevalência e incidência são usados para denotar probabilidades. Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) VPP e VPN dependem da prevalência da doença. Suponha que 90% das pessoas com embolia pulmonar e 20% das pessoas normais são consideradas como doentes (com embolia) pelo teste de tensão de oxigênio no sangue (PO2 arterial). Qual o valor preditivo positivo e negativo deste teste, assumindo que 10% da população tem embolia? Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) P(T+ | D+)=Sens=0.90 P(T+ | D-) = 0.20= FP => Especif. = 0.80 P(D+)= 0.10 Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Quando a prevalência é baixa, o valor VPN é mais próximo de 1 independente da sensibilidade e especificidade. Para a prevalência alta, o valor de VPP é próximo de 1, independente dos valores da sensibilidade e da especificidade. Um teste com alta especificidade deve ser usado quando a prevalência da doença é relativamente baixa, mesmo que o teste tenha baixa sensibilidade. Um teste com alta sensibilidade deve ser usado quando a prevalência da doença é alta, mesmo que o teste tenha tenha baixa especificidade. Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Teste Gonosticon Dri-Drot, desenvolvido para o diagnóstico de gonorréia, tem sensibilidade de 0.8 e especificidade de 0.95 Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) População Prevalência VPP VPN A 0.500 0.94 0.83 B 0.100 0.64 0.98 C 0.020 0.25 0.99 D 0.001 0.02 1.00 6 Geralmente, a sensibilidade e a especificidade são características difíceis de conciliar. É complicado aumentar a sensibilidade e a especificidade de um teste ao mesmo tempo. As curvas ROC (receiver operator characteristic curve) são uma forma de representar a relação, normalmente antagônica, entre a sensibilidade e a especificidade de um teste diagnóstico quantitativo, ao longo de um contínuo de valores de "cutoff point". Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Para construir uma curva ROC traça-se um diagrama que represente a sensibilidade em função da proporção de falsos positivos (1- Especificidade) para um conjunto de valores de "cutoff point". Quando se tem uma variável contínua -> transformamos em variável dicotômica ( doente / não doente), baseado em um valor na escala contínua que discrimine entre essas duas classes. A esse valor dá-se o nome de "cutoff point". Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) O "cutoff point" influencia as características do teste, (curva 2 na figura). Quanto maior é o "cutoff point" maior é a especificidade do teste e menor é a sensibilidade (ponto C da curva 2); e quanto menor o "cutoff point" maior é a sensibilidade, mas menor é a especificidade (ponto A da curva 2). A intenção com que se utilizará o teste diagnóstico influencia a escolha do “cutoff point", logo, das características do teste. No exemplo da curva 2, se precisamos de um teste muito sensível (vamos perder a especificidade), escolhemos um "cutoff point" menor (ponto A). Teremos menos FN e maior proporção de FP. Se precisamos de um teste muito específico (vamos ter menos sensibilidade), escolhemos um "cutoff point" maior (ponto C), obtendo-se uma menor proporção de FP e uma maior proporção de FN. Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA) As curvas ROC descrevem a capacidade discriminativa de um teste diagnóstico para um determinado número de "cutoff point“. Assim podemos otimizar os valores da S e da E. O ponto, numa curva ROC, onde isto acontece é aquele que se encontra mais próximo do canto superior esquerdo do diagrama (ponto B da curva 2). As curvas ROC permitem quantificar quanto um teste é exato. Essa exatidão é proporcional à área sob a curva ROC. Quanto mais a curva se aproxima do canto superior esquerdo do diagrama, maior a área sob a curva e maior exatidão tem o teste. Fiaccone, R. e Gomes, G. (Dep. de Estatística-UFBA)
Compartilhar