I testi diagnostici Aldo Rosano. Obiettivi Obiettivo generale della lezione è quello di fornire le...
-
Upload
giustino-moro -
Category
Documents
-
view
221 -
download
4
Transcript of I testi diagnostici Aldo Rosano. Obiettivi Obiettivo generale della lezione è quello di fornire le...
I testi diagnostici
Aldo Rosano
Obiettivi
Obiettivo generale della lezione è quello di fornire le conoscenze necessarie per la comprensione dei test diagnostici in medicina Si dovrà comprendere il concetto della misura della probabilità di un evento, di test statistico, e il trasferimento di questo concetti nella pratica dei testi diagnostici
Introduzione
I testi diagnostici sono utilizzati in medicina per attribuire o meno i pazienti al gruppo di persone con una data patologia (o con una data caratteristica che mette a rischio il paziente di avere una patologia)
I test sono espressi sempre in termini probabilistici. L’errore può derivare da fattori esterni al test (manomissioni, scambi) o da fattori interni (sensibilità e specificità del test).
I test d’ipotesi
L'ipotesi che generalmente viene formulata prima di fare un test, l'ipotesi cioè dalla quale parte un esperimento (i maschi hanno un peso diverso dalle femmine, il farmaco funziona) viene definita ipotesi alternativa (in simboli H1 o Ha)
L'ipotesi invece che tutto sommato ci farebbe concludere di aver perso tempo con il nostro esperimento (i maschi e femmine hanno lo stesso peso, il farmaco non funziona), perché i dati osservati si possono giustificare come semplice effetto del caso dovuto al fatto che abbiamo analizzato un campione e non l'intera popolazione, prende il nome di ipotesi nulla (in simboli H0 )
I test d’ipotesi
Il test statistico determina la probabilità di osservare i dati per puro effetto del caso, ossia la probabilità di osservare i dati se è vera l'ipotesi nulla.
Più è bassa questa probabilità, più è facile pensare che ci sia un effetto diverso dalla casualità a spiegare i risultati ottenuti.
I test d’ipotesiEsempio
20 pazienti con alti livelli di colesterolo, 10 pazienti trattati con un farmaco e 10 pazienti di controllo.
Anche se il farmaco non ha nessun effetto, i 10 pazienti trattati potrebbero alla fine dell'esperimento avere un livello di colesterolo inferiore, per puro effetto del caso
Nota: per esempio i 10 trattati hanno per caso mangiato meno grassi il giorno precedente l'esperimento, oppure hanno fatto più moto, oppure per caso al momento iniziale avevano livelli leggermente più bassi del tasso di colesterolo, oppure per altre mille ragioni che non conosco e chiamo casualità
I test d’ipotesi
La logica dell’inferenza statistica è molto conservativa: si rifiuta l’ipotesi nulla solo se i dati sono veramente incompatibili con essa (in genere si fissa il livello di probabilità attribuibili al verificarsi dell’ipotesi nulla inferiore al 5%).
L’ipotesi alternativa va contro l’ipotesi base, quella di partenza (l’ipotesi nulla) e quindi bisogna avere forti evidenze per rifiutarla. [Metafora del giudice … contro ogni ragionevole dubbio]
I test d’ipotesi
L’ipotesi nulla non viene mai accettata. Un risultato non significativo indica solo che non si è in grado di rifiutare l’ipotesi nulla.
Quando invece i dati suffragano l’ipotesi alternativa si dice che il test è “significativo” (che non è sinonimo di importante
I test d’ipotesi
Potrei per esempio avere una media della popolazione campionata leggermente diversa dalla media di riferimento, ma i dati sono ancora compatibili con l’ipotesi nulla. L’evidenza in favore dell’ipotesi alternativa non è sufficientemente forte per escludere l’ipotesi nulla.
Esempio: qual è il rapporto M/F degli studenti nei corsi universitari ?
I test d’ipotesi
Esempio: qual è il rapporto M/F degli studenti nei corsi universitari ?
H0 > 1
H1 < 1
Frequenza osservata M/F = 1/12 = 0.083
Probabilità che il rapporto tra M/F nei corsi universitari sia > 1, dato il campione osservato, è pari a 0.017
Possiamo dire che il test à “significativo” (cioè la probabilità che sia vera l’ipotesi nulla è inferiore a 0.05) e pertanto l’ipotesi nulla viene respinta
I test d’ipotesi
Esempio: qual è il rapporto M/F degli studenti nei corsi universitari ?
H0 > 1
H1 < 1
Frequenza osservata M/F = 2/11 = 0.181
Probabilità che il rapporto tra M/F nei corsi universitari sia > 1, dato il campione osservato, è pari a 0.051
Possiamo dire che il test non è “significativo” (cioè la probabilità che sia vera l’ipotesi nulla è maggiore di 0.05) e pertanto l’ipotesi nulla NON viene respinta
Test diagnosticoUn test di diagnostico è una procedura o tecnica che si basa : su un criterio obiettivo, piuttosto che su un giudizio soggettivo.
Il test diagnostico definisce un “valore soglia” della misurazione di una variabile biologica rispetto al quale i pazienti sono classificati
come positivi (+) o come negativi (-).
Una diagnosi clinica è un processo che si basa sulla valutazione di test diagnostici, sintomi, segni ed esami
di laboratorio. oltre che sul giudizio soggettivo [Occhio clinico].
test diagnostico è una qualunque procedura utile all'identificazione di uno stato di malattia.
Esempi : misura e valutazione di …
Glicemia diabete
Proteinuria malattie renali
L'esito di un test è positivose induce a sospettare la presenza della malattia.
L'esito di un test è negativose induce ad escludere la presenza della malattia.
Test diagnostico
Se il test fornisce .Esito positivo (T+),
Si tratta di... Veri positivi (VP).
Se il test fornisce .Esito negativo (T-),
Si tratta di... Falsi negativi (FN).
La probabilità che un test diagnostico ha di dare esiti positivi (T+) nei malati (M+) prende nome di sensibilità (Sn).
p(T+, M+)p(T+|M+)=
p(M+)
Si consideri l'insieme dei soggetti che hanno la malattia M, e si supponga di sottoporli al test …
Test diagnostico
Si consideri l'insieme dei soggetti che non hanno la malattia M, e si supponga di sottoporli al test …
Se il test fornisce .Esito positivo (T+),
Si tratta di... Falsi positivi (FP).
Se il test fornisce .Esito negativo (T-),
Si tratta di... Veri negativi (VN).
La probabilità che un test diagnostico ha di dare esiti negativi (T-) nei non malati (M-) prende nome di specificità (Sp).
p(T- ,M-)p(T-|M-)=
p(M-)
Test diagnostico
I test diagnostici
un buon test diagnostico tende:
a fornire esiti positivi in soggetti che presentano la malattia.
a fornire esiti negativi in soggetti che non presentano la malattia.
Sensibilità e specificità
Sono caratteristiche interne e proprie di un test diagnostico, poiché ciascuna è riferita ad un insieme omogeneo (malati o sani);
Sono caratteristiche misurabili da la frequenza relativa di esiti positivi o negativi su campioni di pazienti affetti da malattia o di soggetti sani;
Sono comprese tra 0 e 1: esse infatti esprimono valori in termini di probabilità.
Sensibilità e specificità
• la sensibilità (di un sintomo, di un test) è la probabilità che il sintomo sia presente condizionata al fatto che la persona sia malata
• la specificità (di un sintomo, di un test) è la probabilità che il sintomo non sia presente condizionata al fatto che la persona non sia malata
Aumentano i veri negativi ma anchei falsi negativi
Aumentano i veri positivi ma anchei falsi positivi
… si consideri la diagnosi di morte.
Il rigor mortis è un sintomo assolutamente specifico: nessun vivo lo presenta! Tuttavia esso non è presente nei morti da troppo poco o da troppo tempo.
L'EEG piatto è un sintomo estramamente sensibile: tutti i morti hanno l'EEG piatto! Tuttavia l'EEG può presentarsi transitoriamente piatto in soggetti in coma profondo.
Nota Bene: I test diagnostici non forniscono certezze.
Come esempio
MALATTIA ED ESITI DEL TEST.
Gli individui sottoposti a test diagnostico, possono essere classificati come veri negativi, falsi positivi, falsi negativi e veri positivi in funzione dell'esito del test e della presenza della malattia.
T- T+ Totale
Totale Negativi Positivi Popolazione
Il rapporto malati/popolazione è la prevalenza di malattia.
VPVN
FPFN Malati
SaniM+M-
IL PUNTO di VISTA del MEDICO
Quando il medico esamina l'esito di un test diagnostico ignora se il paziente sia sano o malato, ma vorrebbe che:
-L’esito positivo significasse: malato;-L’esito negativo significasse: sano.
Si considerino due differenti situazioni:1. prevalenza di malattia bassa: medico generico primo tentativo di
diagnosi 2. prevalenza di malattia alta: medico specialista conferma di un
sospetto
Non sempre ciò è vero
Prevalenza della malattia= 0.10
T- T+ Totale Test 1 : Sensibilità = 0.85; Specificità = 0.80
M- 720 180 900
M+ 15 85 100 p(M+|T+) = 85/265 = 0.321
Totale 735 265 1000 p(M- |T- ) = 720/735 = 0.980
T- T+ Totale Test 1 : Sensibilità =0.85; Specificità =0.80
M- 160 40 200
M+ 120 680 800 p(M+|T+) = 680/720 = 0.944
Totale 280 720 1000 p(M- |T- ) = 160/280 = 0.571
Prevalenza della malattia= 0.80
Quale valore predittivo è da preferire ?
Se il fine è individuare il maggior numero di malati, il test migliore ha sensibilità maggiore.
Essa comporta:un miglior valore predittivo dell’esito negativo (un esito negativo indica quasi certamente un soggetto sano),
un minor valore predittivo dell'esito positivo (in molti casi, ad un esito positivo può corrispondere un soggetto sano).
Se il fine è individuare i soggetti sicuramente malati, il test migliore ha specificità maggiore.
Essa comporta:un miglior valore predittivo dell'esito positivo (un esito positivo indica quasi certamente un soggetto malato),
un minor valore predittivo dell'esito negativo (in molti casi, ad un esito negativo può corrispondere un soggetto malato).
VALORE PREDITTIVO DI UN TEST
Il valore predittivo di un esito positivo al test [Vp(T+)] è la probabilità della presenza della malattia in un soggetto con esito positivo:
+ VP
Vp(T )=positivi
- VN
Vp(T )=negativi
Il valore predittivo di un esito negativo al test [Vp(T-)] è la probabilità dell'assenza della malattia in un soggetto con esito negativo:
VALORE PREDITTIVO DI UN TEST.
- + + +p(M |T )= 1-p(M |T )
Valore predittivo di un esito negativo al test:
+ + Sn×Prevp(M |T )=
Sn×Prev+(1-Sp)×(1-Prev)
- - Sp×(1-Prev)p(M |T )=
Sp×(1-Prev)+(1-Sn)×Prev
+ - - -p(M |T )= 1- p(M |T )
Valore predittivo di un esito positivo al test:
La prevalenza di una malattia è il 5% Usiamo un test che abbia sensibilità 90% especificità 90%
In questa situazione il valore predittivo positivo è del 32,1%
La prevalenza di una malattia è il 20% Usiamo un test che abbia sensibilità 90% especificità 90%
In questa situazione il valore predittivo positivo è del 69,2%
•A parità di sensibilità e specificità di un test la proporzione di soggetti malati che sono positivi al test aumenta all’aumentare della prevalenza della malattia.
•Sensibilità e specificità sono parametri importanti, ma da soli rischiano di dare solo indicazioni sommarie
•Non è mai possibile aumentare simultaneamente sensibilità e specificità di un test diagnostico
Cosa possiamo concludere
Cosa caratterizza lo screening?
Invito di tutta popolazione bersaglio.
La popolazione bersaglio è sana.
La popolazione sana non ha malattia.
Prevalenza screening: 0,3% – 0,7%
+
-
+ -
Malattia R
isu
ltato
fin
ale
test
Sane
Falsi positivi
Malate totale
Donne trattate
Donne non trattateVeri negativi
Rappresentazione di un accertamento diagnostico
Veri positivi
Falsi negativi
+
-
+ -
Malattia R
isu
ltato
fin
ale
test
Sane
Falsi positivi
Malate totale
Donne trattate
Donne non trattateVeri negativi
Cosa non conosciamo dopo lo screening?
Veri positivi
Falsi negativi
I casi intervallo li dobbiamo andare a cercare.
+
-
+ -
Carcinoma invasivo
mam
mog
rafi
a
18600
905
100 18700
1000
17700
95
17695
Valore Predittivo Positivo = 95/1000 =9.5%
Valore Predittivo Negativo = 99,98%
Prevalenza di lesioni maligne = 100/18.700 = 0.53 %
5
Caso 1: Radiologo ideale
Sensibilità = 95/100 =95% Specificità = 17695/18600 =95%
+
-
+ -
Carcinoma invasivo
Isto
log
ico “
posit
ivo”
910
45
90 1000
131
869
86
865
Specificità = 865/910 = 95%VPP = 86/131 = 66%
Sensibilità = 95%VPN = 99,5%
4
Caso 1: Radiologo ideale -> Esame istologico
Prevalenza di lesioni = 90/1.000 = 9%
+
-
+ -
Carcinoma invasivo
mam
mog
rafi
a
19900 20000
2000
18000
91
17991
Specificità = 90%
Sensibilità = 91%
Caso 2: il radiologo insicuro
Prevalenza di carcinoma= 100/20.000 = 0,5%
9
100
1909Invio al II Livello (10%)
+
-
+ -
Carcinoma invasivo
Isto
log
ico “
posit
ivo”
1909
95
91 2000
182
1818
87
1814
Specificità = 95%Valore Predittivo Positivo = 48%
Sensibilità = 95%Valore Predittivo Negativo = 99,8%
Prevalenza di Ca invasivo= 4.55 %
4
Caso 2: il radiologo insicuro -> Esame istologico
+
-
+ -
Malattia R
isu
ltato
fin
ale
test
Sane
Falsi positivi
Ca totale
Donne trattate
Donne non trattateVeri negativi
Cosa non conosciamo nel case finding?
veri positivi
Falsi negativi
Non conosciamo le caratteristiche della popolazione che si sottopone al test: sintomatiche o asintomatiche? Non essendo stabilito un percorso assistenziale, non sempre conosciamo l’esito finale del percorso.
Non negativa Negativa
Negativa
= ?
Non negativa
? =