LA LOGICA
DIAGNOSTICA NEL
LABORATORIO


Al fine di formulare una corretta diagnosi il medico
adotta tutta una serie di strategie che prevedono la
analisi di tutti i rilievi clinici che vengono ricercati in
prima istanza nella fase dell’ anamnesi di un paziente
fino all’esame obiettivo
Dall’insieme delle valutazioni di tali risultati il
medico clinico estrapola i sintomi guida che possono
essere assemblati in complessi sindromici o possono
essere messi in relazione a quadri morbosi noti, al
fine di arrivare ad una preliminare ma importante
ipotesi diagnostica

Per confermare o smentire tale ipotesi occorre che il
clinico adotti una strategia fatta di: impiego di tests di
laboratorio, una indagine radiologica, ove necessaria,
un consulto con un collega specialista nella branca
dove la malattia e fortemente sospettiva

A proposito delle indagini di laboratorio i tests
devono essere richiesti in maniera sequenziale, in
quanto ogni test è la diretta conseguenza di un dato
precedente, oppure richiedere in contemporanea più
tests tutti eseguibili in maniera omogenea e
automatizzata

Tale ultimo modo riduce sicuramente i tempi
diagnostici, anche se comporta spesso la esecuzione
di esami non strettamente legati alle esigenze
diagnostiche del paziente

Spesso la valutazione di un dato di laboratorio
comporta problemi interpretativi di vario genere :



Anche pochi risultati immediati possono gia essere discriminanti
per una rapida e corretta diagnosi, senza per forza andare alla
ricerca di risultati analitici spesso fuorvianti
La non chiarezza interpretativa di più risultati di laboratorio spesso
porta il medico alla ricerca di analiti diversi e magari di scarsa
richiesta che impegnano giorni di lavoro prima di avere un risultato
che può a volte non essere del tutto liberatorio da dubbi diagnostici
Il più delle volte anche un solo risultato può dare al clinico una
risposta talmente esaudiente da consentire un approccio terapeutico
rapido ed efficace (vedi la determinazione di un farmaco in circolo)

Per una corretta valutazione di un test è necessario
conoscere alcune caratteristiche peculiari del risultato
del test, quali sensibilità, specificità, diagnostica,
incidenza e prevalenza della malattia nella
popolazione osservata (valore predittivo)

Per sensibilità si intende la incidenza di risposte
positive che si ottengono applicando il test a pazienti
affetti da malattia e si esprime come rapporto
percentuale tra veri positivi e totali (veri positivi +
falsi negativi): un test con il 100 % di sensibilità vuol
dire che fornisce 100 risposte positive quando
applicato a 100 pazienti affetti da malattia

Oggi si parla di positività in corso di malattia e può
essere espresso con la seguente formula:

VP
 Sensibilità = --------------------- X 100

VP + FN

Dove VP indica la proporzione dei risultati
correttamente classificati dal test come veri positivi e
FN la proporzione dei soggetti ammalati classificati
invece erroneamente come negativi dal test
Con il termine di specificità diagnostica o clinica di un
test si intende l’incidenza di risultati negativi che si
ottengono applicando il test a pazienti non portatori
della malattia e viene espressa come rapporto
percentuale tra veri negativi e totali (veri negativi +
falsi positivi): ciò vuol dire che se il test applicato a
100 persone sane dà 100 risultati negativi, la sua
specificità è del 100 %

Per dare un senso con l’ altra definizione oggi si parla
di negatività nello stato di salute e viene anch’essa
espresso dalla formula:
VN
Specificità = ------------------- X 100

VN + FP



Dove VN indica la proporzione dei risultati
classificati correttamente dal test come veri negativi e
FP la proporzione dei soggetti sani classificati
erroneamente dal test come positivi

Quindi un buon test deve essere molto sensibile e
molto specifico, cioè deve dare risultati positivi nei
soggetti malati e negativi nei soggetti sani

Un test di laboratorio ideale dovrebbe avere il 100 %
di sensibilità diagnostica ed il 100 % di specificità
diagnostica, cioè i risultati non normali dovrebbero
individuare infallibilmente i soggetti portatori della
malattia indagata

Sensibilità
e
specificità
sono
comunque
interdipendenti, cioè non è possibile aumentare la
specificità di un test se non abbassiamo la sua
sensibilità e viceversa

A tal proposito si introduce il concetto del cosiddetto
cut off point o valore di normalità: la possibilità di
poter variare questo effetto discriminante è tanto
maggiore quanto più ampia è la sovrapposizione tra le
distribuzioni dei valori ottenuti nella popolazione di
soggetti sani e nei soggetti malati

E’ quindi logico pensare come ogni sforzo è diretto a
restringere la zona grigia di sovrapposizione delle due
curve di distribuzione, migliorando la sensibilità e la
specificità del test

Concetto di prevalenza : corrisponde alla frequenza
della malattia in una popolazione in un determinato
momento espressa come numero di pazienti su
100000 persone

Concetto di incidenza: è il numero di pazienti su
100000 individui che nel corso di un
anno
contraggono la malattia


E’ logico pensare che le forme acute di malattia
hanno una bassa prevalenza ed un alta incidenza, e
viceversa per le forme croniche
Prevalenza = incidenza x durata della malattia

Il valore predittivo invece è inteso come una
probabilità di presenza di una specifica malattia nel
gruppo considerato che influenza grandemente la
predittività dei tests diagnostici

Si intende valore predittivo positivo la frequenza dei
soggetti portatori della malattia che, indagati con il
test in questione, hanno presentato risultati positivi
che si ottengono quando il test è applicato ad una
popolazione mista di soggetti sani e malati:


VP
VP = --------------------- x 100
 VP+FP
dove VP si intendono i veri positivi e FP i falsi
positivi

e valore predittivo negativo, ovvero la frequenza dei
soggetti non portatori della malattia che, indagati con
il test, hanno presentato risultati negativi

VN
VN = --------------------- x 100
VN+FN


Dove VN si intendono i veri negativi e FN i falsi
negativi

Concetto di efficienza: viene rappresentata come il
rapporto percentuale fra risultati veri (positivi +
negativi) e risultati totali

Per avere un quadro più chiaro di questi concetti
bisogna rifarsi all’ esempio della Tabella 9.1

E’ chiaro pensare che il concetto di prevalenza ed
incidenza sono strettamente correlate e dipendenti
dalla sensibilità e dalla specificità e come la
prevalenza
abbia un forte impatto sul valore
predittivo di un test
TEOREMA DI BAYES

Il calcolo del valore predittivo di un test viene
impiegato utilizzando il cosiddetto Teorema di Bayes
(prevalenza) (sensibilità)
VP= ----------------------------------------------------------(prevalenza)(sensibilità)+(1-prevalenza)(1-specificità)


Questa formula sta ad indicare che il valore predittivo
di un test varia non solo in funzione della specificità e
delle sensibilità, ma anche in funzione della
prevalenza della malattia nella popolazione esaminata
e ciò riveste particolare importanza sia nello
screening di medicina preventiva sia nelle diagnosi di
malattie allo stato iniziale, che nelle malattie
metaboliche (diabete, gotta)

Grande importanza riveste il costo clinico che
può derivare da una diagnosi errata: occorre
tenere in considerazione la pericolosità della
malattia, la sua curabilità

Sarà infatti accettabile un numero anche elevato
di falsi positivi nello screening di una malattia
potenzialmentre mortale che contempli una
terapia sicura e senza controindicazioni

In questo caso è difficile la scelta più opportuna
del valore discriminante

A tal proposito è utile applicare la cosiddetta
curva ROC espressa nella Fig. 9.5

Da tale curva si evince che il valore
discriminante che minimizza la frequenza degli
errori diagnostici nella curva ROC corrisponde
al punto C in cui la tangente alla curva presenta
un coefficiente angolare di 1

Il Teorema di Bayes riveste grande importanza nella
diagnostica clinica in quanto chiarifica il passaggio
che esiste tra patologia e clinica, dimostra la centralità
della frequenza di una malattia nella valutazione di un
risultato di un test, e può darci un quadro
probabilistico della sequenza di un processo
diagnostico

Vantaggi: è essenziale per capire come si modifica un
test e la probabilità a priori di una malattia

Svantaggi: non risolve complessi quesiti diagnostici
al letto del malato, situazione nella quale il
ragionamento clinico è di fondamentale importanza
LIVELLI DECISIONALI


Nell’ambito di una ampia gamma di possibilità di
scelta di valori di riferimento normali e patologici è
possibile evidenziare tutta una serie di valori che
saranno utili al medico nella valutazione delle scelte
cliniche
Tali valori non sono evidenziabili con la tecnica
statistico-matematica, ma vengono individuati in base
a conoscenze fisiopatologiche e al bisogno del
medico di decidere tutte le volte che quel test si
colloca al di sopra o al di sotto del valore di soglia
prefissato secondo la teoria di Barnett

Si tratta in fondo di un modo nuovo e aggiuntivo di
valutare il risultato di un test al fine di una più
corretta prevenzione, diagnosi, prognosi e controllo
terapeutico

Il risultato sotteso al Teorema di Bayes pur con la sua
fondamentale importanza interpretativa è troppo
discriminante (positivo o negativo) e spesso poco
chiarificativo della reale interpretazione del test
stesso

Una dato di laboratorio non assume nessuna
importanza clinica se non è rapportato alla reale
condizione del malato: un test può avere un senso in
un malato e un altro su un malato affetto dalla stessa
malattia ma con atteggiamenti patologici diversi

Il senso dei livelli decisionali è dato dalla capacità
che ha il clinico nel creare, se è il caso, il proprio
valore soglia e dare una interpretazione del risultato
di laboratorio differente al di sopra o al di sotto
dell’inquadramento di un evento morboso con
consequenziale
atteggiamento
diagnostico,
prognostico e terapeutico anche completamente
diverso da quello che potrebbe suggerire il valore
stesso di laboratorio