Aula aval testes diagnósticos

303 visualizações

Publicada em

0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
303
No SlideShare
0
A partir de incorporações
0
Número de incorporações
4
Ações
Compartilhamentos
0
Downloads
12
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Aula aval testes diagnósticos

  1. 1. Avaliação de testes diagnósticos
  2. 2. De volta ao exemplo do benzenismo Mapeamento da população sob risco (7.356 trabalhadores) 1a triagem hematológica 2a triagem hematológica 216 indivíduos considerados casos epidemiológicos Busca ativa de casos suspeitos Seleção de 850 casos suspeitos
  3. 3. Investigação dos indivíduos expostos • Dos 7.356 trabalhadores examinados nas nove indústrias, 850 (12%) apresentaram, ao hemograma, valores inferiores a 5.000 leucócitos e/ou 2.500 neutrófilos. Esses casos, classificados como “suspeitos”, foram submetidos a mais três exames consecutivos, sendo também analisados seus prontuários médicos na empresa. Ao final, 216 mantiveram-se com valores abaixo de 4.000 leucócitos e/ou 2.000 neutrófilos, e/ou série hematológica com valores decrescentes, sendo esses casos classificados como “epidemiológicos”.
  4. 4. Probabilidades Condicionais e Testes diagnósticos • Sensibilidade: • Probabilidade de um teste ser positivo, dado que existe a doença. • Especificidade: • Probabilidade de um teste ser negativo, dado que não existe a doença.
  5. 5. Sensibilidade e Especificidade a b c d D ND T+ T- Sensibilidade = a a + c Especificidade = d b + d
  6. 6. Sensibilidade e Especificidade • Exemplos: • Qual a sensibilidade e especificidade do exame de CK-MB para pacientes com IAM? • Considere o exemplo hipotético: • De 100 pacientes estudados, 90 tinham IAM, e o exame para CKMB foi positivo em 86, sendo que destes, 80 eram realmente IAM. Qual a sensibilidade e especificidade do teste?
  7. 7. Probabilidades Condicionais e Testes diagnósticos • Valor Preditivo Positivo: • Probabilidade de existir a doença, dado que o teste foi positivo. • Valor Preditivo Negativo: • Probabilidade de não existir a doença, dado que o teste foi negativo.
  8. 8. Valor Preditivo Positivo e Negativo a b c d VPP + = a a + b VPN - = d c + d D ND T+ T-
  9. 9. Valor Preditivo Positivo e Negativo •Considere o mesmo exemplo hipotético: •De 100 pacientes estudados, 90 tinham IAM, e •o exame de CK MB foi positivo em 86, sendo que •destes, 80 eram realmente casos de IAM. •Qual o VP + e o VP- do teste?
  10. 10. Probabilidades Condicionais e Testes diagnósticos • Razão de Verossimilhança Positiva: • É uma razão entre a probabilidade de um teste ser positivo, dado que existe a doença, e a probabilidade de um teste ser positivo, dado que não existe a doença.
  11. 11. Probabilidades Condicionais e Testes diagnósticos • Razão de Verossimilhança Negativa: • É uma razão entre a probabilidade de um teste ser negativo, dado que existe a doença, e a probabilidade de um teste ser negativo, dado que não existe a doença.
  12. 12. Razão de Verossimilhança Positiva e Negativa a b c d RVP = a a + c b b + d D ND T + T - RVN = c a + c d b + d
  13. 13. Razão de Verossimilhança Positiva e Negativa • Exemplo: • Considere o mesmo exemplo hipotético: • De 100 pacientes estudados, 90 tinham IAM, e o exame de CK MB foi positivo em 86, sendo que, destes 80 eram realmente casos de IAM. • Qual a RV+ e a RV- ?
  14. 14. Exercício • Um paciente de 50 anos de idade com ICC, tomando digoxina, foi admitido na Emergência do hospital. Na admissão, sua concentração sérica de digoxina era de 2,5 ng/ml. Há intoxicação digitálica? • Beller et all.(N. Eng. J. Med, 284:989, 1971): De 135 pacientes examinados, 39 tinham o exame acima de 1,7 ng/ml e destes 25 realmente tinham toxicidade, e 78 tinham o exame negativo (abaixo de 1,7) e não tinham toxicidade
  15. 15. Avaliação de testes Diagnósticos II
  16. 16. Avaliação de testes diagnósticos e Acaso • Sensibilidade e especificidade (ou razões de verossimilhança) são estimados usualmente a partir de observações de amostras relativamente pequenas. Devido a uma variação aleatória, o valor encontrado pode não representar o valor verdadeiro. Os valores observados são compatíveis com uma faixa de valores, em um intervalo de confiança.
  17. 17. Cálculo do intervalo de confiança • O intervalo de confiança é construído a partir do erro padrão. • EP = p(1 - p) • O intervalo de confiança de 95% é estimado pela seguinte fórmula: • p ± 2 EP n
  18. 18. Exemplo de intervalo de Confiança • Calcule a sensibilidade e a especificidade, e os intervalos de confiança 160 80 40 720 D+ D- T+ T-
  19. 19. Testes em série e em paralelo • Testes em série: – A testagem em série significa que o primeiro teste é realizado, e se o resultado for positivo, o segundo teste é realizado, e assim por diante. – Exemplo: Na Aids. – Um teste de ELISA é realizado inicialmente, e se for positivo um teste de Western Blot é realizado a seguir. – Os testes em série aumentam a especificidade do diagnóstico.
  20. 20. Testes em série e em paralelo • Testes em paralelo: – Esta estratégia significa que dois ou mais testes são realizados, e que qualquer resultado positivo identifica um caso. – Os testes em paralelo têm por objetivo aumentar a sensibilidade de um programa de triagem.
  21. 21. Curvas ROC (Receiver-operating characteristic curves) • Freqüentemente, variáveis quantitativas servem como um indicador de uma doença. Por exemplo: níveis de pressão diastólica para o diagnóstico de hipertensão, níveis elevados de CK-MB para o diagnóstico de IAM, ou glicemia elevada para o diagnóstico de diabetes. Qual o melhor ponto de corte (cutt-off)? Uma curva ROC auxilia nesta resposta.
  22. 22. Curvas ROC (Receiver-operating characteristic curves) • Se para os vários níveis em consideração razões de verossimilhança forem determinadas, um gráfico poderá ser plotado entre dois eixos, um representando a sensibilidade (eixo y) e o outro representando 1- especificidade (proporção de falsos positivos). Estacurva é então chamada de ROC (Receiver-Operating Characteristic curve).
  23. 23. Validade Externa de um teste diagnóstico • A validade externa de um teste diagnóstico está baseada na sua habilidade em fornecer resultados comparáveis, se usados por equipes diferentes, em ambientes diferentes, ou em pacientes diferentes, ou se os testes forem repetidos.
  24. 24. Coeficiente kappa • O Coeficiente Kappa é calculado a partir da concordância observada diminuída da concordância esperada, divido por 1 menos a concordância esperada: • Kappa = Po - pe 1 - pe

×