Sensibilità vs Specificità e Valore Predittivo

Contenuti:

1. Che cos’è la sensibilità (tasso di vero positivo)?
2. Valori previsti positivi
3. Valori previsti negativi

Cos’è un test sensibile?

La sensibilità di un test (chiamata anche percentuale di veri positivi) è definita come la percentuale di persone con la malattia che avranno un risultato positivo. In altre parole, un test altamente sensibile è quello che identifica correttamente i pazienti con una malattia. Un test che è sensibile al 100% identificherà tutti i pazienti che hanno la malattia. È estremamente raro che un qualsiasi test clinico sia sensibile al 100%. Un test con il 90% di sensibilità identificherà il 90% dei pazienti che hanno la malattia, ma mancherà il 10% dei pazienti che hanno la malattia.

Un test altamente sensibile può essere utile per escludere una malattia se una persona ha un risultato negativo. Per esempio, un risultato negativo su un pap test probabilmente significa che la persona non ha il cancro alla cervice. L’acronimo ampiamente utilizzato è SnNout (alta sensibilità, risultato negativo = escludere).
In alto

Cos’è un test specifico?

La specificità di un test (chiamata anche tasso di vero negativo) è la percentuale di persone senza la malattia che avranno un risultato negativo. In altre parole, la specificità di un test si riferisce a quanto bene un test identifica i pazienti che non hanno una malattia. Un test che ha il 100% di specificità identificherà il 100% dei pazienti che non hanno la malattia. Un test che è specifico al 90% identificherà il 90% dei pazienti che non hanno la malattia.

I test con un’alta specificità (un alto tasso di vero negativo) sono più utili quando il risultato è positivo. Un test altamente specifico può essere utile per escludere i pazienti che hanno una certa malattia. L’acronimo è SPin (high Specificity, rule in).

Che cos’è un intervallo “alto”?

Quello che si qualifica come sensibilità o specificità “alta” varia a seconda del test. Per esempio, i cut-off per i test della trombosi venosa profonda e dell’embolia polmonare vanno da 200 a 500 ng/dl (Pregerson, 2016).
Back to Top

Esempio di alta sensibilità/bassa specificità

Una mammografia è un test ad alta sensibilità / bassa specificità.

In generale, i test ad alta sensibilità hanno una bassa specificità. In altre parole, sono buoni per catturare i casi reali della malattia, ma hanno anche un tasso abbastanza alto di falsi positivi. Le mammografie sono un esempio di un test che generalmente ha un’alta sensibilità (circa 70-80%) e una bassa specificità. La sensibilità dipende dalle dimensioni del tumore, dall’età del paziente e da altri fattori. Secondo Cancer.gov, il test ha anche un tasso di falsi positivi abbastanza alto: la metà delle donne che si sottopongono a mammografie annuali ogni anno per 10 anni negli Stati Uniti avranno un risultato falso positivo.

Esempio di bassa sensibilità/alta specificità

Un esempio di questo tipo di test è il test del dipstick al nitrato usato per verificare le infezioni del tratto urinario nei pazienti ospedalizzati (es.27% sensibile, 94% specifico).
Back to Top

Che cos’è un valore predittivo positivo?

Il valore predittivo positivo (PPV) è la probabilità che un risultato positivo in un test di ipotesi significhi che c’è un effetto reale. È la probabilità che i pazienti che hanno un risultato positivo del test abbiano effettivamente la malattia. È comunemente usato nei test medici dove un risultato “positivo” significa che si ha effettivamente la malattia. Per esempio, diciamo che sei stato testato per un tipo di cancro e il test aveva un PPV del 15,2%. Ciò significa che se il tuo test risultasse positivo, avresti il 15,2% di possibilità di avere effettivamente il cancro. In altre parole, un risultato positivo del test non significa necessariamente che hai una particolare malattia. Per esempio, un risultato positivo su una mammografia può significare che la tua probabilità di avere un cancro al seno (cioè il valore predittivo positivo) è solo del dieci per cento.

Il valore predittivo positivo è un modo (insieme a specificità, sensibilità e valori predittivi negativi) di valutare il successo di un test di screening.

I valori predittivi positivi sono influenzati da quanto è comune la malattia nella popolazione sottoposta al test; se la malattia è molto comune, una persona con un risultato positivo al test ha più probabilità di avere effettivamente la malattia che se una persona ha un test positivo in una popolazione dove la malattia è rara.

Calcolo del valore predittivo positivo

I valori predittivi positivi possono essere calcolati in diversi modi. Due dei più comuni sono:

Valore Predittivo Positivo = numero di veri positivi / numero di veri positivi + numero di falsi positivi
oppure
Valore Predittivo Positivo = Sensibilità x Prevalenza / Sensibilità x prevalenza + (1- specificità) x (1-prevalenza)

La sensibilità è la proporzione di persone con la malattia che avranno un risultato positivo al test.

Il valore predittivo può essere calcolato da una tabella di contingenza 2×2, come questa:

Le due informazioni necessarie per calcolare il valore predittivo positivo sono cerchiate: il tasso di vero positivo (cella a) e il tasso di falso positivo (cella b).
Utilizzando la formula:
Valore predittivo positivo = Tasso di vero positivo / (tasso di vero positivo + tasso di falso positivo)*100
Per questa particolare serie di dati:
Valore predittivo positivo = a / (a + b) = 99 / (99 + 901) * 100 = (99/1000)*100 = 9,9%. Ciò significa che se hai fatto questo particolare test, la probabilità che tu abbia effettivamente la malattia è del 9,9%.

Un buon test avrà numeri più bassi nelle celle b (falso positivo) e c (falso negativo). Questo ha senso, perché un test perfetto avrà solo numeri nelle posizioni vero positivo e vero negativo. In realtà, però, i test perfetti non esistono. Inoltre, il PPV è influenzato dalla prevalenza della malattia nella popolazione. Più persone hanno la malattia, migliore è il PPV nel prevedere le probabilità.

L’immagine seguente (per gentile concessione di Wikipedia) mostra un PPV di appena il 10%, ottenuto dividendo i veri positivi (20) per i veri positivi (20) e i falsi positivi (180). Ciò significa che questo test comporta il rischio di un alto tasso di falsi positivi.

Il valore predittivo positivo può essere calcolato da qualsiasi tabella di contingenza. Il Calcolatore di Validità Online su questa pagina di BU.EDU (scorri in fondo alla pagina) calcolerà i valori predittivi positivi usando una tabella di contingenza.

Valore Predittivo Positivo vs. Sensibilità di un test

La definizione di Valore Predittivo Positivo è simile alla sensibilità di un test e i due sono spesso confusi. Tuttavia, il PPV è utile per il paziente, mentre la sensibilità è più utile per il medico. Il valore predittivo positivo ti dirà le probabilità che tu abbia una malattia se hai un risultato positivo. Questo può essere utile per farvi sapere se dovete andare nel panico o meno. D’altra parte, la sensibilità di un test è definita come la proporzione di persone con la malattia che avranno un risultato positivo. Questo fatto è molto utile per i medici quando decidono quale test usare, ma ha poco valore per te se sei positivo al test.
Torna in alto

Valore predittivo negativo

Il valore predittivo negativo è la probabilità che le persone che ottengono un risultato negativo al test non abbiano davvero la malattia. In altre parole, è la probabilità che un risultato negativo del test sia accurato.

La formula per trovare il valore predittivo negativo è:
Valore predittivo negativo = True Negative Rate / (true negative rate + false negative rate)*100

Per la serie di dati di cui sopra:
Valore predittivo negativo = d / (c + d) = 43123 / (32 + 4323) * 100 = (43123/43155)*100 = 99.9%. Ciò significa che se hai fatto questo particolare test e hai ricevuto un risultato negativo, la probabilità che tu non abbia la malattia è del 99,9%.

Beyer, W. H. CRC Standard Mathematical Tables, 31st ed. Boca Raton, FL: CRC Press, pp. 536 e 571, 2002.
Dodge, Y. (2008). L’enciclopedia concisa della statistica. Springer.
Everitt, B. S.; Skrondal, A. (2010), The Cambridge Dictionary of Statistics, Cambridge University Press.
Kotz, S.; et al., eds. (2006), Encyclopedia of Statistical Sciences, Wiley.

——————————————————————————

Hai bisogno di aiuto per un compito a casa o per un test? Con Chegg Study, puoi ottenere soluzioni passo dopo passo alle tue domande da un esperto del settore. I tuoi primi 30 minuti con un tutor Chegg sono gratuiti!