Scribd
Cargar
22 vistas3 páginas

Análisis de Pruebas Diagnósticas: Sensibilidad y Especificidad

El documento presenta un análisis de la efectividad de una prueba rápida en comparación con un estándar de referencia, utilizando métricas como sensibilidad, especificidad, valores predictivos y tasas de error. Se calculan intervalos de confianza al 95% para cada métrica y se determinan razones de verosimilitud y el odds ratio diagnóstico. Los resultados indican que la prueba rápida tiene una sensibilidad de aproximadamente 0.7823 y una especificidad de aproximadamente 0.8808.

Cargado por

juan pablo zuluaga montoya
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como TXT, PDF, TXT o lee en línea desde Scribd
22 vistas3 páginas

Análisis de Pruebas Diagnósticas: Sensibilidad y Especificidad

El documento presenta un análisis de la efectividad de una prueba rápida en comparación con un estándar de referencia, utilizando métricas como sensibilidad, especificidad, valores predictivos y tasas de error. Se calculan intervalos de confianza al 95% para cada métrica y se determinan razones de verosimilitud y el odds ratio diagnóstico. Los resultados indican que la prueba rápida tiene una sensibilidad de aproximadamente 0.7823 y una especificidad de aproximadamente 0.8808.

Cargado por

juan pablo zuluaga montoya
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como TXT, PDF, TXT o lee en línea desde Scribd

\documentclass{article}

\usepackage[utf8]{inputenc}
\usepackage{amsmath, amssymb, amsfonts}
\usepackage{geometry}
\geometry{margin=1in}
\begin{document}

% Datos obtenidos:
\[
\begin{array}{rl}
n &= 426 \\[1mm]
\text{PCR (estándar de referencia):} & \quad \text{Positivos} = 124,\quad \
text{Negativos} = 302 \\[1mm]
\text{Prueba rápida:} & \quad \text{Falsos Positivos } (FP) = 36,\quad \text{Falsos
Negativos } (FN) = 27 \\
\end{array}
\]
De lo anterior, se deduce:
\[
\begin{array}{rl}
\text{Verdaderos Positivos } (TP) &= 124 - 27 = 97, \\[1mm]
\text{Verdaderos Negativos } (TN) &= 302 - 36 = 266.
\end{array}
\]

\bigskip

\textbf{1. Sensibilidad (Se):}


\[
Se = \frac{TP}{TP + FN} = \frac{97}{124} \approx 0.7823
\]
Error estándar:
\[
SE_{Se} = \sqrt{\frac{Se(1-Se)}{TP+FN}} \approx \sqrt{\frac{0.7823(1-0.7823)}{124}}
\approx 0.037
\]
Intervalo de confianza al 95\%:
\[
95\%\ CI_{Se} = Se \pm 1.96 \times SE_{Se} \approx (0.7096,\; 0.8550)
\]

\bigskip

\textbf{2. Especificidad (Sp):}


\[
Sp = \frac{TN}{TN+FP} = \frac{266}{302} \approx 0.8808
\]
Error estándar:
\[
SE_{Sp} = \sqrt{\frac{Sp(1-Sp)}{TN+FP}} \approx \sqrt{\frac{0.8808(1-0.8808)}{302}}
\approx 0.0187
\]
Intervalo de confianza al 95\%:
\[
95\%\ CI_{Sp} = Sp \pm 1.96 \times SE_{Sp} \approx (0.8443,\; 0.9173)
\]

\bigskip
\textbf{3. Valor Predictivo Positivo (VPP):}
\[
VPP = \frac{TP}{TP+FP} = \frac{97}{133} \approx 0.7293
\]
Error estándar:
\[
SE_{VPP} = \sqrt{\frac{VPP(1-VPP)}{TP+FP}} \approx \sqrt{\frac{0.7293(1-0.7293)}
{133}} \approx 0.0385
\]
Intervalo de confianza al 95\%:
\[
95\%\ CI_{VPP} = VPP \pm 1.96 \times SE_{VPP} \approx (0.6539,\; 0.8047)
\]

\bigskip

\textbf{4. Valor Predictivo Negativo (VPN):}


\[
VPN = \frac{TN}{TN+FN} = \frac{266}{293} \approx 0.9089
\]
Error estándar:
\[
SE_{VPN} = \sqrt{\frac{VPN(1-VPN)}{TN+FN}} \approx \sqrt{\frac{0.9089(1-0.9089)}
{293}} \approx 0.0168
\]
Intervalo de confianza al 95\%:
\[
95\%\ CI_{VPN} = VPN \pm 1.96 \times SE_{VPN} \approx (0.8759,\; 0.9419)
\]

\bigskip

\textbf{5. Tasa de Error:}


\[
\text{Error} = \frac{FP + FN}{n} = \frac{36 + 27}{426} \approx 0.1479
\]
Error estándar:
\[
SE_{\text{Error}} = \sqrt{\frac{\text{Error}(1-\text{Error})}{n}} \approx \sqrt{\
frac{0.1479(1-0.1479)}{426}} \approx 0.0172
\]
Intervalo de confianza al 95\%:
\[
95\%\ CI_{\text{Error}} = \text{Error} \pm 1.96 \times SE_{\text{Error}} \approx
(0.1142,\; 0.1816)
\]

\bigskip

\textbf{6. Razón de Verosimilitud Positiva (LR+):}


\[
LR+ = \frac{Se}{1-Sp} = \frac{0.7823}{1-0.8808} \approx 6.56
\]
Para estimar el intervalo de confianza se usa la transformación logarítmica:
\[
SE_{\ln(LR+)} = \sqrt{\frac{1}{TP} - \frac{1}{TP+FN} + \frac{1}{FP} - \frac{1}
{TN+FP}}
\]
Luego,
\[
95\%\ CI_{\ln(LR+)} = \ln(LR+) \pm 1.96 \times SE_{\ln(LR+)}
\]
y transformando de nuevo:
\[
95\%\ CI_{LR+} = \left(e^{\ln(LR+)-1.96 \times SE_{\ln(LR+)}},\; e^{\ln(LR+)+1.96 \
times SE_{\ln(LR+)}}\right)
\]

\bigskip

\textbf{7. Razón de Verosimilitud Negativa (LR-):}


\[
LR- = \frac{1-Se}{Sp} = \frac{1-0.7823}{0.8808} \approx 0.2473
\]
Con el error estándar del logaritmo:
\[
SE_{\ln(LR-)} = \sqrt{\frac{1}{FN} - \frac{1}{TP+FN} + \frac{1}{TN} - \frac{1}
{TN+FP}}
\]
Entonces,
\[
95\%\ CI_{\ln(LR-)} = \ln(LR-) \pm 1.96 \times SE_{\ln(LR-)}
\]
y de allí:
\[
95\%\ CI_{LR-} = \left(e^{\ln(LR-)-1.96 \times SE_{\ln(LR-)}},\; e^{\ln(LR-)+1.96 \
times SE_{\ln(LR-)}}\right)
\]

\bigskip

\textbf{8. Diagnostic Odds Ratio (DOR):}


\[
DOR = \frac{TP \times TN}{FP \times FN} = \frac{97 \times 266}{36 \times 27} \
approx 26.56
\]
El intervalo de confianza para el DOR también se estima mediante la transformación
logarítmica de la razón.

\end{document}

También podría gustarte