Mariano Grilli 
Doctor en Ciencias Médicas. U.N.L.P.
Profesor Libre de Ginecología. Subsede Mar del Plata. Cátedra B de Ginecología. F.C.M. U.N.L.P.
Director Científico del Instituto de Ginecología de Mar del Plata

Introducción

El diagnóstico desempeña un papel central en la actividad clínica: es la primera intervención clínica en el paciente y su resultado condiciona el desarrollo de la práctica clínica posterior, sin olvidar el impacto social que puede tener por el efecto de asignar a los ciudadanos etiquetas de falta de normalidad. ⁽¹⁾

Sin duda, el diagnóstico se debe considerar como el más importante resultado de la práctica médica, la clave que conduce al tratamiento y al pronóstico. De todas maneras, su paradoja radica en que, en ocasiones resulta inalcanzable y a veces, paradójicamente, innecesario.  ⁽²⁾

El diccionario Webster lo define como: 1) el acto o proceso de determinar la naturaleza de la condición mórbida mediante el examen; 2) un cuidadoso examen de los hechos para determinar la naturaleza de algo y 3) la decisión u opinión resultante de tal examen o investigación.  ⁽²⁾

El médico en su práctica clínica suele enfrentar un sinnúmero de situaciones clínicas,  en donde debe acentuar su conocimiento y su razonamiento. Desde el momento en que escucha un motivo de consulta, comienza a formularse una serie de situaciones en las que debe tomar decisiones diagnósticas. ⁽³⁾

Durante todo el proceso que conduce al diagnóstico, el médico se vale de distintas fuentes de información. Se destacan entre ellas la anamnesis del paciente, el examen físico, la información epidemiológica y los resultados de las llamadas pruebas diagnósticas. ⁽²⁾

Este proceso diagnóstico es una actividad intelectual  por demás exigente, y requiere una interacción de conocimiento académico, experiencia clínica y capacidad de obtener información fidedigna del paciente. Sin embargo, este ejercicio contrasta con el escaso entrenamiento formal en el correcto uso de pruebas diagnósticas  y su validez,  durante la formación académica. ⁽¹⁾

Revisando la literatura científica podemos observar la aparición de estudios de evaluación de pruebas diagnósticas. Estos pueden corresponder a nuevas pruebas diagnósticas, como resultado de avances tecnológicos, que tratan de mejorar las características operativas de las pruebas ya disponibles, o bien mejorar su laboriosidad, rapidez, accesibilidad, efectos adversos

o coste. También vemos otros estudios que se desarrollan con el fin de actualizar la información de pruebas ya existentes, comparando diversas opciones o explorando su rendimiento en distintos escenarios clínicos. ⁽⁴⁾

¿Qué es una prueba diagnóstica?

Una prueba diagnóstica o test (PD) o cualquier procedimiento utilizado para la obtención de información clínica en un paciente. Si bien las PD suelen involucrar a cuestionarios, en este caso se hará hincapié en conocer la validez de los instrumentos de diagnóstico que  permiten,  habitualmente, distinguir pacientes con diferentes probabilidades de enfermar. ⁽⁵⁾

También se la puede definir como a cualquier proceso, más o menos complejo, que pretenda determinar en un paciente la presencia de cierta condición, supuestamente patológica, no susceptible de ser observada directamente (con alguno de los cinco sentidos elementales). Es decir, que no se suelen considerar como pruebas diagnósticas a los sentidos cuando evalúan la presencia de algún signo patológico. ⁽²⁾

La necesidad de herramientas cuantitativas que contribuyan a dirigir con racionalidad las indicaciones es indispensable.  Se trata, en particular, de obtener índices o medidas de eficacia de cada medio diagnóstico que sirvan de pauta orientadora para su selección en el momento necesario.

Se parte de la premisa de que, en cada momento, el médico deberá hacer un uso racional de los distintos instrumentos y procedimientos que le son útiles para llegar al diagnóstico. ⁽²⁾

La toma de decisión, sobre que prueba diagnóstica se debe usar, es simplemente un sencillo pero elegante ejercicio  médico basado en el razonamiento, el cual, se apoya en los datos más relevante del interrogatorio y del examen físico, resolviendo al fin que prueba diagnóstica usará,  la cual debe ser valorada e interpretada de acuerdo con ciertos atributos denominados características operativas. ⁽³⁾

Muchas veces hemos enfatizado la importancia de una evaluación adecuada de las pruebas diagnósticas, y las consecuencias dañinas que tiene la introducción de pruebas diagnósticas que no han sido rigurosamente evaluadas. Khalid Khan y Patrick Chien describen en detalle los obstáculos que una prueba diagnóstica debe vencer antes de ser aceptada en la práctica clínica: confiabilidad y validez, a las cuales debe agregarse la eficacia. Una prueba diagnóstica debe cumplir criterios rigurosos de confiabilidad y validez, además de eficacia, antes de ser aceptada. La confiabilidad de una prueba diagnóstica es su capacidad de dar el mismo resultado si se realiza más de una vez; la validez de una prueba diagnóstica es su capacidad de cumplir con un estándar aceptado; y la eficacia de una prueba diagnóstica es su capacidad de mejorar un resultado clínico importante, cuando ha sido evaluada por un estudio aleatorizado (6).

Muy pocas pruebas diagnósticas, quizá ninguna, identifican con certeza si el paciente tiene o no la enfermedad. La validez de una prueba diagnóstica depende de su capacidad para detectar correctamente la presencia o ausencia de la enfermedad que se estudia, lo que se expresa matemáticamente en siete índices: sensibilidad, especificidad, valor predictivo positivo y valor predictivo negativo, valor global de la prueba, razón de verosimilitud positiva y razón de verosimilitud negativa. ⁽⁷⁾

La validez operativa de una PD puede expresarse en términos de exactitud diagnóstica.

La validez operativa es la propiedad de clasificar correctamente a los sujetos en el grupo clínicamente correspondiente y a exactitud diagnóstica el grado de calidad de la información provista por la PD (sensibilidad, especificidad).

La validez operativa  nos permite clasificar a los pacientes en grupos distintos con implicaciones diagnósticas, pronósticos o terapéuticas diferentes, por lo que se necesitan pruebas con una gran exactitud diagnóstica, alta sensibilidad y especificidad, o desde otro punto de vista con la mínima proporción de falsos positivos y negativos posible. (5) (8)

Entonces, la validez de una prueba queda definida como la habilidad para identificar correctamente aquellos que tienen una enfermedad y aquellos que no la tienen. La validez tiene dos componentes: sensibilidad y especificidad. Estas definiciones y conceptos se aplican tanto a las pruebas diagnósticas, por ej: estableciendo la presencia o ausencia de enfermedades en pacientes, como al tamizaje, por ej: identificando la enfermedad preclínica en las personas asintomáticas.  ⁽⁹⁾

Por lo tanto, las condiciones que deben ser exigidas a un test son 3:

• Validez: Es el grado en que un test mide lo que se supone que debe medir. ¿Con que frecuencia el resultado del test es confirmado por procedimientos diagnósticos más complejos y rigurosos?

La sensibilidad y la especificidad de un test son medidas de su validez.

• Reproductividad: es la capacidad del test para ofrecer los mismos resultados cuando se repite su aplicación en circunstancias similares. La variabilidad biológica del hecho observado, la introducida por el propio observador y la derivada del propio test, determinan su reproductividad.
• Seguridad: La seguridad viene determinada por el valor predictivo de un resultado positivo o negativo. ¿Con que seguridad un test predecirá la presencia o ausencia de enfermedad? Ante un resultado positivo de un test ¿qué probabilidad existe de que este resultado indique presencia de la enfermedad? Veremos posteriormente que esta probabilidad está muy influenciada por la prevalencia de la patología. ⁽¹⁰⁾

Sensibilidad y Especificidad

En 1947, Yerushalmy  introduce los términos de sensibilidad y especificidad como indicadores estadísticos que evalúan el grado de eficacia inherente a una prueba diagnóstica.

La sensibilidad (S) indica la capacidad de la prueba para detectar a un sujeto enfermo, es decir, expresa cuan "sensible" es la prueba a la presencia de la enfermedad. (2) También se la puede explicar cómo la probabilidad que un individuo se clasifique correctamente cuyo estado real sea el definido como positivo respecto a la condición que estudia la prueba, razón por la que también es denominada fracción de verdaderos positivos (FVP). ^{(11)(12)(13)(8)}

Corresponde a la proporción de los sujetos que, teniendo la enfermedad o evento de interés en estudio, es identificada por la prueba diagnóstica en evaluación; es decir se relaciona con el concepto de “positividad para enfermedad o evento de interés”. La sensibilidad, responde a la pregunta: ¿si el paciente tiene realmente la enfermedad, cuál es la probabilidad de que la prueba empleada sea positiva? ⁽¹¹⁾

Para cuantificar su expresión se utilizan términos probabilísticos: si la enfermedad está presente, ¿cuál es la probabilidad de que el resultado sea positivo?, o sea, la sensibilidad es la probabilidad de que la prueba identifique como enfermo a aquél que efectivamente lo está. ^{(2)(12)(13)(8)}

Entonces, se deduce que una PD con alta sensibilidad tiene pocos falsos negativos, y, al contrario, una prueba con baja sensibilidad (poca capacidad para detectar al enfermo como enfermo) tendrá una alta tasa de resultados falsos negativos. Esta propiedad asegura que una prueba altamente sensible que arroja un resultado negativo, sea realmente negativo por su gran capacidad de detectar a los verdaderos enfermos. ^{(14) (15)}

La especificidad (9) indica la capacidad que tiene la prueba de identificar como sanos (no enfermos) a los que efectivamente lo son.  Se define entonces también como la probabilidad condicional, es decir, la especificidad es la probabilidad de que la prueba identifique como no enfermo a aquél que efectivamente no lo está. ^{(2)(12)(13)(8)} Se relaciona con el concepto de “negatividad para enfermedad”. La especificidad responde a la pregunta: ¿si el paciente no tiene la enfermedad, cuál es la probabilidad de que la prueba sea negativa? ⁽¹¹⁾

Si un paciente tiene un resultado positivo en un test altamente específico podemos confirmar la enfermedad. ⁽¹⁵⁾

Valores predictivos

Los conceptos de sensibilidad y especificidad permiten, por lo tanto, valorar la validez de una prueba diagnóstica. Sin embargo, carecen de utilidad en la práctica clínica. Tanto la sensibilidad como la especificidad proporcionan información acerca de la probabilidad de obtener un resultado concreto (positivo o negativo) en función de la verdadera condición del enfermo con respecto a la enfermedad.

Sin embargo, cuando a un paciente se le realiza alguna prueba, el médico carece de información a priori acerca de su verdadero diagnóstico, y más bien la pregunta se plantea en sentido contrario: ante un resultado positivo (negativo) en la prueba, ¿cuál es la probabilidad de que el paciente esté realmente enfermo (sano)?. Así pues, resulta obvio que hasta el momento sólo hemos abordado el problema en una dirección. Por medio de los valores predictivos completaremos esta información ^(10)(11).

Valor predictivo positivo y negativo

El valor predictivo positivo se define como la probabilidad que un individuo con un resultado positivo, tenga la enfermedad. Por el contrario, el valor predictivo negativo corresponde a la probabilidad que un individuo con un resultado negativo, no tenga la enfermedad.

El valor predictivo positivo es el porcentaje de pacientes enfermos entre todos los pacientes con resultados positivos. Valora la probabilidad de que una prueba positiva diagnostique correctamente a un individuo enfermo.

El valor predictivo positivo de una prueba sería  la probabilidad de que una prueba positiva correspondiese a un verdadero enfermo o el porcentaje de pacientes enfermos con resultados positivos con respecto al total de resultados positivos ⁽¹⁶⁾.

Los valores de sensibilidad y especificidad, a pesar de definir completamente la validez de la PD, presentan la desventaja de que no proporcionan información relevante a la hora de tomar una decisión clínica ante un determinado resultado de la prueba. Sin embargo, tienen la ventaja adicional de que son propiedades intrínsecas a la PD y definen su validez independientemente de cuál sea la prevalencia de la enfermedad en la población a la cual se aplica (probabilidad pretest o probabilidad estimada antes de la aplicación de la PD).

Por el contrario, el concepto de valor predictivo, a pesar de ser de enorme utilidad a la hora de tomar decisiones clínicas y transmitir a los pacientes información sobre su diagnóstico, presenta la limitación que depende en gran medida de lo frecuente que sea la enfermedad o el evento de interés a diagnosticar en la población objeto de estudio.

Es decir, cuando la prevalencia de una enfermedad o evento de interés es baja, un resultado negativo permitirá descartar la enfermedad con mayor seguridad, siendo así el VPN mayor. Por el contrario, un resultado positivo no permitirá confirmar el diagnóstico, resultando en un bajo VPP ⁽¹¹⁾.

Si bien los valores predictivos, a diferencia de la sensibilidad y especificidad, nos entregan información clínicamente relevante (la probabilidad de que la condición esté o no presente dado el resultado del test), ésta sólo es utilizable si nos enfrentamos a pacientes similares a aquellos en que se realizó el estudio. Los valores predictivos varían enormemente dependiendo de la prevalencia o riesgo basal de la condición, por lo que si nuestro paciente tiene un riesgo mayor o menor, no podemos aplicarlos. Lo anterior no ocurre con la sensibilidad y especificidad, ya que su cálculo no depende de la prevalencia de la condición (al menos desde el punto de vista matemático). Esto ha hecho que constituyan una de las formas más frecuentes de expresar el rendimiento de un test.

En resumen podemos decir que:

• La sensibilidad y especificidad no varían con la prevalencia de la condición, pero no nos hablan de la probabilidad que tiene un paciente de presentar la enfermedad de interés.
• Los valores predictivos nos hablan de la probabilidad que tiene un paciente de presentar la enfermedad de interés, pero varían enormemente dependiendo de la prevalencia de la condición.

A lo anterior hay que agregar otra desventaja de utilizar estas medidas de rendimiento tradicionales. Para calcularlas, necesariamente necesitamos utilizar valores binarios (si o no, positivo o negativo, presente o ausente), limitando su capacidad diagnóstica. ⁽¹⁵⁾

La influencia de la prevalencia

Hemos visto cómo los valores de sensibilidad y especificidad, a pesar de definir completamente la validez de la prueba diagnóstica, presentan la desventaja de que no proporcionan información relevante a la hora de tomar una decisión clínica ante un determinado resultado de la prueba. Sin embargo, tienen la ventaja adicional de que son propiedades intrínsecas a la prueba diagnóstica, y definen su validez independientemente de cuál sea la prevalencia de la enfermedad en la población a la cual se aplica.

Por el contrario, el concepto de valores predictivos, a pesar de ser de enorme utilidad a la hora de tomar decisiones clínicas y transmitir a los pacientes información sobre su diagnóstico, presenta la limitación de que dependen en gran medida de lo frecuente que sea la enfermedad a diagnosticar en la población objeto de estudio . Cuando la prevalencia de la enfermedad es baja, un resultado negativo permitirá descartar la enfermedad con mayor seguridad, siendo así el valor predictivo negativo mayor. Por el contrario, un resultado positivo no permitirá confirmar el diagnóstico, resultando en un bajo valor predictivo positivo.

Ilustraremos lo anterior con un sencillo ejemplo. Para el diagnóstico del VIH se emplean tests que han confirmado tener una alta validez, con valores aproximados de sensibilidad y especificidad de un 99,5%.

Supongamos que se aplicase esta prueba a la totalidad de la población gallega, que se cifra en 2.800.000 habitantes. Si asumimos que en Galicia existen 6.000 pacientes VIH positivos (lo cual implicaría una prevalencia de 6000/ 2.800.000 =0,21%), el test resultaría positivo en un total de 19.940 sujetos, obteniéndose un valor predictivo positivo del 29,9%. Así pues, sólo un 29,9% de los sujetos con un resultado positivo en el test resultarían estar realmente afectados, mientras que un 70,1% de los  mismos no presentarían la enfermedad. Resulta obvio que en una comunidad como la gallega la utilización de esta prueba no resultaría útil, debido a la alta proporción de falsos positivos que conllevaría.

Veamos ahora que ocurriría si se aplicase la misma prueba a una población en la que el número de enfermos VIH+ fuese de 800.000 (resultando en una prevalencia mucho mayor de un 800.000/2.800.000=28,6%). En este caso, la predictividad de una prueba positiva aumenta de un 29,9% a un 98,7%, disminuyendo la proporción de falsos positivos a tan sólo un 1,3%. Por lo tanto, si la prevalencia es alta, un resultado positivo tiende a confirmar la presencia de la enfermedad, mientras que si la prevalencia es baja, un resultado positivo no permitirá afirmar su existencia. (10)

Los valores predictivos de un test son variables, dependen de la prevalencia de la enfermedad en la población. La sensibilidad y la especificidad son características propias del test y no se modifican con cambios en la prevalencia. Si la prevalencia de la enfermedad aumenta, aumenta el valor predictivo positivo, mientras que disminuye el valor predictivo negativo. Si la prevalencia de la enfermedad disminuye, aumenta el valor predictivo negativo y disminuye el valor predictivo. ^(7)(16)

Razones de probabilidad. Likelihood Ratio (LR)

Queda claro entonces cómo la prevalencia del evento de interés en estudio puede influir en los valores predictivos de una PD. Por lo tanto, éstas, no pueden ser utilizadas como índices a la hora de comparar dos métodos diagnósticos diferentes, ni tampoco a la hora de extrapolar los resultados de otros estudios en datos propios de cada clínico o de un centro en particular. Por ello, resulta necesario determinar otros índices de valoración que sean a la vez clínicamente útiles y no dependan de la prevalencia de la enfermedad en la población a estudiar. Así, además de los conceptos de sensibilidad, especificidad y valores predictivos, se suele hablar del concepto de razón de probabilidad, de verosimilitud o cociente de probabilidades; o “likelihood ratios”. Estos, miden cuánto más probable es un resultado concreto (positivo o negativo) según la presencia o ausencia de enfermedad. Calcular las razones de probabilidad permite conocer mayor precisión en la información de una PD ⁽¹¹⁾.

Se define  como la razón entre la probabilidad de tener determinado resultado del test en la población con la condición versus tener el mismo resultado en la población sin la condición. Es decir, la proporción de test positivos en los individuos con la condición en estudio dividido por la proporción de test positivos en los individuos sin la condición en estudio. En términos sencillos nos indica la magnitud y el sentido del cambio de la probabilidad pre a post test según sea el resultado del test diagnóstico. Si tomamos un test que tiene sólo dos valores posibles, positivo o negativo, tendremos un valor de LR (+), que representa la magnitud del cambio en caso de presentar un test positivo, y un LR (-), que representa la magnitud del cambio en caso de tener un resultado negativo. ⁽¹⁵⁾

Queda claro pues cómo la prevalencia es un factor determinante en los valores predictivos de un test. Por lo tanto, éstos, no pueden ser utilizados como índices a la hora de comparar dos métodos diagnósticos diferentes, ni tampoco a la hora de extrapolar los resultados de otros estudios a datos propios. Por ello, resulta necesario determinar otros índices de valoración que sean a la vez clínicamente útiles y no dependan de la prevalencia de la enfermedad en la población a estudiar. Así, además de los conceptos de sensibilidad, especificidad y valores predictivos, se suele hablar del concepto de razón de verosimilitudes, razón de probabilidad, o cociente de probabilidades. Estos miden cuánto más probable es un resultado concreto (positivo o negativo) según la presencia o ausencia de enfermedad:

• Razón de verosimilitudes positiva o cociente de probabilidades positivo: se calcula dividiendo la probabilidad de un resultado positivo en los pacientes enfermos entre la probabilidad de un resultado positivo entre los sanos.
• Razón de verosimilitudes negativa o cociente de probabilidades negativo: se calcula dividiendo la probabilidad de un resultado negativo en presencia de enfermedad entre la probabilidad de un resultado negativo en ausencia de la misma.

La razón de probabilidades ofrece la ventaja de que relaciona la sensibilidad y la especificidad de una prueba en un solo índice. Además, pueden obtenerse razones de probabilidad según varios niveles de una nueva medida y no es necesario expresar la información de forma dicotómica, como resultado de normal o anormal o bien positivo y negativo. Por último, al igual que sucede con la sensibilidad y la especificidad, no varía con la prevalencia. Esto permite utilizarlo como índice de comparación entre diferentes pruebas para un mismo diagnóstico.

Hasta ahora hemos abordado el caso de una prueba con un resultado dicotómico (positivo o negativo), pero en muchas situaciones la confirmación de un diagnóstico debe hacerse a partir de un parámetro numérico, sobre todo cuando éste se realiza a partir de determinaciones analíticas. La generalización a estas situaciones se consigue mediante la elección de distintos valores de corte que permitan una clasificación dicotómica de los valores de la prueba según sean superiores o inferiores al valor elegido. La diferencia esencial con el caso más simple es que ahora contaremos no con un único par de valores de sensibilidad y especificidad que definan la exactitud de la prueba, sino más bien con un conjunto de pares correspondientes cada uno a un distinto nivel de decisión. La estrategia de análisis adecuada consistiría en representar gráficamente los pares (1-especificidad, sensibilidad) obtenidos al considerar todos los posibles valores de corte de la prueba, obteniéndose así una curva llamada curva ROC. El área bajo dicha curva se convierte así en el mejor indicador de la capacidad predictiva del test, independiente de la prevalencia de la enfermedad en la población de referencia y en base al cual se podrán establecer comparaciones entre diferentes pruebas diagnósticas (10).

Curvas “receiver-operating characteristics” (ROC)

Cuál es el objetivo de la curva ROC?: Minimizar la aparición de falsos positivos y negativos.

Con la disminución de los falsos positivos, disminuye el costo emocional  económico, ya que los pacientes podrían sufrir nuevamente de la repetición de una prueba sin que sea realmente necesaria, ya que solo unos pocos de ellos estarán realmente enfermos.

Pero también dismimuye el total de falsos negativos. Estos son un problema importante en la práctica clínica, sobre todo cuando se trata de una enfermedad grave, porque se pierde la oportunidad de darle al paciente un tratamiento eficaz y tempranamente (19). Entonces, podemos confirmar que las curvas ROC son índices de la exactitud diagnóstica ya que proponen un criterio unificador en el proceso de evaluación de una prueba, debido a sus diversas aplicaciones. Que ventajas tienen:

• Son una representación fácilmente comprensible de la capacidad de discriminación de la prueba en todo el rango de puntos de corte.
• Son simples, gráficas y fáciles de interpretar visualmente.
• No requieren un nivel de decisión particular porque está incluido todo el espectro de puntos de corte.
• Son independientes de la prevalencia, ya que la sensibilidad y la especificidad se obtienen en distintos subgrupos.
• Proporcionan una comparación visual directa entre pruebas en una escala común, mientras que otro tipo de gráficos, como los diagramas de puntos o los histogramas de frecuencias, requieren diferentes gráficos cuando difieren las escalas.
• La especificidad y la sensibilidad son accesibles en el gráfico, en contraste con los diagramas de puntos y los histogramas. ⁽⁷⁾

Ver más en https://mbeuv.files.wordpress.com/2010/09/13-a-curvas-roc.pdf  

Calculadoras online:

https://www.fisterra.com/mbe/investiga/pruebas_diagnosticas/pruebas_diagnosticas.xls  

http://araw.mede.uic.edu/cgi-bin/testcalc.pl  

https://www.medcalc.org/calc/diagnostic_test.php  

Comentario final

No hay duda sobre lo importante que es saber valorar la validez y seguridad de las diferentes pruebas diagnósticas, con el objetivo de poder seleccionar la más adecuada en cada situación.

Una prueba diagnóstica es útil en la medida que permite diferenciar dos o más condiciones, las que de otro modo, podrían ser confundidas. Por lo que se desprende que una prueba diagnóstica ideal la que nos permite detectar la mayor cantidad de pacientes con la patología o característica que estamos buscando, excluyendo a la vez a la mayor cantidad de pacientes sin ella.

Cuando debemos evaluar cualquier prueba diagnóstica, es fundamental conocer e interpretar las propiedades intrínsecas de la misma: sensibilidad y especificidad. Saber que los valores predictivos presentan mejor y mayor aplicabilidad en la práctica clínica, debido a que determinan el grado de utilidad del test para el diagnóstico de una determinada patología o condición.

Por último, tenemos a las curvas ROC, que son instrumentos útiles para la evaluación de las pruebas diagnósticas porque tienen la capacidad de discriminar si un test puede diferenciar entre dos estados clínicos diferentes, enfermos y sanos.

Mientras ello ocurre, habrá que seguir comunicando, leyendo e interpretando los conceptos de sensibilidad, especificidad, valores predictivos, razones de probabilidad, curva ROC, puntos de corte y área bajo la curva de la PD de la que necesitemos información para el cuidado de nuestros pacientes, ya que una interpretación o aplicación errada de la misma puede tener consecuencias importantes en el estado de salud de un individuo que es sometido a este test.

Referencias

1. Abraira Víctor y Zamora Javier. Criterios de calidad de los estudios sobre pruebas diagnósticas. FMC. 2008;15(7):460-61
2. Epidat: Pruebas Diagnósticas. 2008 http://ocw.usal.es/ciencias-biosanitarias/epidemiologia-general-y-demografia-sanitaria/materiales-complementarios/    ingreso 20/05/2019
3. Jaimes Fabian. Pruebas diagnósticas: uso e interpretación. Vol. 32 nº 1 ~ 2007 29. Acta médica colombiana vol. 32 n° 1 ~ enero-marzo ~ 2007
4. Ochoa Sangrador, Carlos. Estudios sobre pruebas diagnósticas. En: AEPap ed. Curso de Actualización Pediatría 2006. Madrid: Exlibris Ediciones; 2006. p. 43-55.
5. A. Gómez de la Cámara Caracterización de pruebas diagnósticas. Medicine 1998; 7(104): 4872-4877
6. Grant JM. Testing times for clinical measurements. Editor's choice. Br J Obstet Gynaec 2001; 108:557.
7. de Adana Pérez, Ricardo Ruiz. Eficacia de una prueba diagnóstica: parámetros utilizados en el estudio de un test. 2009 http://www.jano.es/ficheros/sumarios/1/0/1736/30/00300032_LR.pdf 
8. Fernández Pérez, Cristina  y Córdoba Mascuñano, Raúl.  Diseño y análisis de un estudio de fiabilidad y validez de pruebas diagnósticas en investigación clínica en Hematología.  2014
   http://paic.eu/wp-content/uploads/recursos/tema8_modulo_estadistica_paic.pdf  ingreso 20/05/2014
9. Department of Epidemiology. John Hopkins University. Tamizaje y pruebas de diagnóstico: Validez y repetición, sensibilidad y especificidad. 1996
   http://www.bvsde.paho.org/bvsacd/eco/036608/036608-10.pdf   ingreso 11/11/2018
10. Pita Fernández, S. y Pértegas Díaz, S.  Pruebas diagnósticas. 01/12/2010 http://www.fisterra.com/mbe/investiga/pruebas_diagnosticas/pruebas_diagnosticas.pdf    Ingreso 15/03/2019
11. Manterola, Carlos. Cómo interpretar un artículo sobre pruebas diagnósticas
    Rev. Med. Clin. Condes - 2009; 20(5) 708 - 717]
12. Avalos, O. Las pruebas diagnósticas. Su aplicación en los estudios epidemiológicos. Nefrología. Vol. XX(5): 403-07. 2000
13. Escrig-Sos Javier, Martínez-Ramos David y Miralles-Tena Juan Manuel. Pruebas diagnósticas: nociones básicas para su correcta interpretación y uso. Cir Esp. 2006;79(5):267-73
14. Medina, María Camila. Generalidades de las pruebas diagnósticas, y su utilidad en la toma de decisiones médicas. Rev. Colomb. Psiquiat., 40(4): 787-89. 2011
15. Salech Felipe, Mery Victoria, Larrondo Francisco y Rada Gabriel. Estudios que evalúan un test diagnóstico: interpretando sus resultados. Rev Méd Chile 2008; 136: 1203-1208
16. Instituto Aragonés de Ciencias de La Salud 2009-2010  http://www.ics-aragon.com/cursos/iacs/103/3/epidemiologia-2.pdf 
17. Cuadrado Cenzual M.A., Ortega Madueño I., Arroyo M.- Utilidad de las pruebas diagnosticas en la práctica clínica: Medicina de laboratorio basada en la Evidencia  http://www.aebm.org/formacion%20distancia/distancia%202011-2012/Actualizaciones/monografias%202011/3.-%20MBE.pdf 
18. Abraira Victor. Índices de rendimiento de las pruebas diagnósticas. SEMERGEN 2002;28(4):193-94
19. Donis JH. Evaluación de la validez y confiabilidad de una prueba diagnóstica. Avances en Biomedicina 2012173-81. Disponible en: http://www.redalyc.org/articulo.oa?id=331328015005    Ingreso 22 de abril de 2018 .

Imprimir Email