• Per la valutazione statistica del test è
necessario conoscere alcune
caratteristiche del risultato del test quali:
• la sensibilità diagnostica o clinica,
• la specificità diagnostica o clinica,
• l’incidenza e la prevalenza della malattia
nella popolazione osservata
• Sensibilità
• Il termine sensibilità (diagnostica o clinica)
di un test indica l’incidenza percentuale di
risposte positive che si ottengono applicando il
test a pazienti affetti dalla malattia evidenziabile
con il test.
• Il concetto di sensibilità è quindi assimilabile a
quello di positività del test nella malattia, o di
potenza (diagnostica) del test e può essere
espresso nel seguente modo percentualizzato:
VP
sensibilità (diagnostica) =
x 100
VP + FN
• Specificità
• Il termine specificità (clinica o diagnostica) di un
test è impiegato per caratterizzare, l’incidenza di
risultati negativi che si ottengono applicando il
testo a soggetti non portatori della malattia
evidenziabile con il test.
VN
specificità =
x100
VN+FP
• Specificità e sensibilità sono due caratteristiche
interdipendenti di un test e non è possibile
aumentare la specificità se non abbassando la
sensibilità e viceversa.
SENSIBILITA’ E SPECIFICITA’
Malattia presente Malattia assente
Test positivo
Veri positivi
Falsi positivi
Test negativo
Falsi negativi
Veri negativi
Sensibilità = Veri positivi/tutti i malati
Specificità = Veri negativi/tutti i sani
Sensibilità = Veri positivi/ Veri pos + falsi neg (tutti i malati )
Specificità = Veri negativi/Veri neg + falsi pos (tutti i sani)
> Sens
< Spec
FP
• La possibilità di disporre di test con diversi gradi di
sensibilità e di specificità consente il loro impiego
differenziato in relazione agli obiettivi epidemiologici
prefissati
Sensibilità = Veri positivi/ Veri pos + falsi neg (tutti i malati )
Specificità = Veri negativi/Veri neg + falsi pos (tutti i sani)
> Spec
< Sens
FN
• Test di riconoscimento
Nelle campagne di screening occorre disporre di
un test estremamente sensibile, accettando per
contro una bassa specificità. Un test di conferma
si
rende
necessario
per
identificare
successivamente i falsi positivi.
• Test di conferma
Questi test devono possedere un’elevata
specificità allo scopo di identificare i soggetti
sani che hanno dimostrato una positività al test
(falsi positivi); in questo caso la bassa sensibilità
del test non è rilevante, in quanto la selezione
effettuata dal precedente test di screening ha
consentito di eliminare i pazienti affetti da
malattia ma con test negativo (falsi negativi).
Valore predittivo
• Il valore predittivo rappresenta dal punto di vista clinico il parametro più
importante al fine di una corretta strategia diagnostica o terapeutica.
Esso si basa sull’integrazione di diversi dati noti al clinico:
• la prevalenza della malattia nella popolazione,
• la sensibilità e la specificità del test.
• Attraverso una equazione si ricava il valore predittivo, ossia la
probabilità a posteriori, che indica la probabilità che il soggetto
sottoposto al test abbia la malattia in caso di esito positivo del test
medesimo.
• Si possono calcolare due diversi tipi di valore predittivo:
• • valore predittivo positivo, che rappresenta la probabilità che un
paziente con un test positivo abbia realmente la malattia;
• • valore predittivo negativo, che rappresenta la probabilità che un
soggetto sano con un test negativo effettivamente non abbia la malattia.
• Teorema di Bayes
valore predittivo positivo = (prevalenza) (sensibilità)
(prevalenza) (sensibilità) + (1- prevalenza) (1-specificità)
• valore predittivo negativo =
(1-prevalenza) (specificità)
(1-prevalenza) (specificità) + (prevalenza) (1-sensibilità)
Valore predittivo
• I valori predittivi variano secondo la prevalenza
della malattia
• Lo stesso test avrà valore predittivo positivo più
alto nella popolazione con più alta prevalenza
• Questo spiega perché un buon test diagnostico
fallisce come test di screening quando viene
applicato ad una popolazione in cui la prevalenza
della malattia è molto bassa
• Es: test per diagnosi di IMA con 95% sens. e spec.
• Prevalenza IMA in pronto soccorso 0.05
in unità coronarica: 0.5
VPP in pronto soccorso = 0.5 (50% di falsi positivi)
VPP in unità coronarica = 0.95 (5% di falsi positivi)
Nel caso di indagini di screening la prevalenza della malattia non
supera lo 0.05
Valore predittivo
Cut off point o soglia discriminante (o limite di
riferimento) e Curva ROC
Può risultare problematica la scelta più opportuna del valore discriminante
o di separazione (cui off point) fra le due popolazioni considerate. Per
risolvere questo specifico problema può risultare utile l’impiego della
cosiddetta curva ROC che rappresenta graficamente l’andamento dei falsi
positivi in funzione dei veri positivi
Sensibilità
•
1-Specificità
Curva ROC
• Le curve ROC, non tengono conto della prevalenza della malattia in
studio. Il modo più comune per quantificare l’accuratezza
diagnostica consiste nel misurare l’area che giace sotto la curva
ROC. Per convenzione essa è sempre compresa tra >=0.5 e <=1
• Efficienza diagnostica del test:
VP + VN
VP+FP+FN+VN
Curva ROC
VARIABILITÀ BIOLOGICA E
VALORI DI RIFERIMENTO
Differenti tipi di variabilità biologica
Variab. Biologiche
“controllabili”
• Genetiche (età,
sesso, razza, ecc.)
• Fisiopatologiche
(gravidanza, fumatori, bevitori, ecc.)
• Ritmiche (circadiane,
sonno/veglia, alimentazione, esercizio
fisico, ecc.)
Variab. Biologiche
non “controllabili”
• Variabilità Biologica
intra-individuale
• Variabilità Biologica
inter-individuale
VARIABILITA’ BIOLOGICA RITMICA
Concentrations of serum cortisol and growth
hormone over a typical day with a usual sleep/wake
pattern
Concentrations of four hormones during a classical
28-day menstrual cycle
Concentrations of three serum analytes in males
aged 20-70 years (analyte specific patterns of age
related changes)
Ai fini della interpretazione del valore osservato
in un paziente, come vengono “controllate” le
variabilità biologiche controllabili ?
• Usando per il confronto valori (normali
• Genetiche e
o di riferimento) da
fisiopatologiche (età,
individui comparabili
sesso, gravidanza,
per il maggiore numeecc.)
ro di caratteristiche
• Ritmiche (circadiane, • Ottenendo il campione biologico (es.
sonno/veglia, alimenprelievo di sangue) da
tazione, esercizio
paziente in condizioni
fisico, ecc.)
“basali” definite.
Il Concetto di Variabilità Biologica (1)
• In ogni momento la concentrazione
dei componenti del sangue è il
risultato di un equilibrio dinamico
• Tale equilibrio è controllato da
forze che tendono a mantenerlo
regolato ad un valore fisso,
vantaggioso per l’organismo, detto
punto omeostatico
Il Concetto di Variabilità Biologica (2)
• La inevitabile oscillazione intorno al
punto omeostatico, per ciascun
componente e individuo, rappresenta
la variabilità biologica intraindividuale (Vbe)
• Il punto omeostatico di ogni
componente varia da individuo a
individuo: variabilità biologica interindividuale (Vbt)
Il Concetto di Variabilità Biologica (3)
E’ importante rammentare che:
• Vbt e Vbe variano da componente a
componente
• Vbe varia da individuo ad individuo:
si considera in genere un valore
medio
• Vbt e Vbe sono misurate con
opportuni protocolli sperimentali
includenti adeguati metodi statistici
VARIABILITÀ BIOLOGICA
Perchè le variabilità biologiche ci
interessano ? Perchè hanno rilevanza
analitica ed interpretativa !
Rilevanza Analitica,
per es.:
Definizione dei
traguardi analitici
di:
• imprecisione
• inaccuratezza
• errore totale
Rilevanza Interpretativa, per es.:
• Differenza critica
• Valori di
riferimento
• Termini di
confronto per i
valori osservati
VARIABILITA’ ANALITICA
•
La variabilità analitica è responsabile delle differenze che si osservano tra i valori
analitici ripetuti e dipende dal metodo analitico utilizzato.
•
•
imprecisione che dipende dall’errore casuale
inaccuratezza che dipende dall’effetto dell’errore sistematico
•
La variabilità analitica dipendente dall’imprecisione viene espressa come
coefficiente di variazione (ds/media x 100)
Le variabilità analitica e biologica si sommano
Distribuzione di
frequenza
teorica
per Vb=10%
e per 3
differenti
valori di Va
Frequenza relativa, arb
60
Va = 0
50
Va = 7,5%
40 Va = 15%
30
20
10
0
45
60
75
90
105 120 135 150
Valore, U arb
Se la variabilità totale aumenta, aumenta la probabilità di
sovrapposizione di due valori differenti
Frequenza relativa, arb
60
50
1° misura
2° misura
(100 U arb)
(175 U arb)
40
30
20
10
0
45
75
105
135
165
Valore, U arb
195
225
Le variabilità biologiche e
le loro
implicazioni
“interpretative”
Variazione di riferimento (Reference
Change Value, RCV, Differenza critica): il
concetto
• La differenza tra due misure consecutive in un paziente [medesimo
metodo] può essere dovuta alla
combinazione di Va e Vbe delle due
misure
• La differenza massima ancora
dovuta all’effetto di tali variabilità
è la variazione di riferimento (RCV)
Valori della variazione di riferimento (reference change
value, RCV) Differenza critica: calcolo e significato
3 Conoscendo Va e Vbe la RCV viene
calcolata come:
RCV = 2,77 x (Va2 + Vbe2 ) 1/2
3 La differenza tra due misure
consecutive può essere considerata
significativa per una variazione delle
condizioni del paziente se superiore
alla differenza critica (RCV)
RCV: un esempio Colesterolo:
Va=3%; Vbe=6%; Dcr=19%
• Due pazienti: entrambi con colesterolo
350 mg/dL iniziano un trattamento
• Dopo un mese: uno ha colesterolo=290
mg/dL, l’altro colesterolo= 410 mg/dL
• In entrambi i casi: la differenza è pari
al 17% del primo valore, non si può
concludere nè per miglioramento nè per
peggioramento
VALORI DI RIFERIMENTO
• possono essere definiti come l’insieme dei valori di una grandezza
appartenente a un gruppo di individui che possiedono alcune
caratteristiche prefissate quali l’età, il sesso, la razza, ecc.
• Gli intervalli di riferimento sono una carattersitica biologica della
popolazione, l’ampiezza della loro distribuzione dipende dalla
variabilità biologica interindividuale.
VALORI DI RIFERIMENTO
• Per convenzione, l’intervallo di riferimento
comprende abitualmente il 95% centrale dei risultati
ottenuti dal gruppo-campione
• Nel caso la distribuzione sia di tipo gaussiano si applica
per il calcolo dell’intervallo una statistica parametrica:
due deviazioni standard sopra e sotto la media
identificano l’intervallo di riferimento
• Nel caso di una distribuzione non gaussiana si applica la
statistica non parametrica individuando l’intervallo di
riferimento tra i valori che rappresentano il 2.5 e il 97.5
percentile
• L’intervallo può essere esageratamente ampio: ciò si
verifica quando la variabilità interindividuale è molto più
ampia di quella intraindividuale.
VALORI DI RIFERIMENTO
Nel caso di una distribuzione asimmetrica
L’ambito dei valori di riferimento è compreso
fra il valore del percentile 2.5% e quello
del precentile 97.5%
VARIABILITA’ BIOLOGICA
• Se la variabilità intra-individuale è
molto minore della inter-individuale i
valori di riferimento hanno poco
significato.
• Se la variabilità intra-individuale è
molto maggiore della inter-individuale i
valori di riferimento sono utilizzabili.
Valori (O Livelli) Decisionali
• questi rappresentano dei valori soglia
sopra o sotto i quali è raccomandabile
seguire un determinato comportamento
clinico
• I valori decisionali non sono una
caratteristica biologica e sono stabiliti in
base all’esperienza clinica e spesso per
accordi internazionali.
Valori decisionali e valori di riferimento
biochimica clinica,
2009;33(4):229-233
Differenze fra intervalli di riferimento e valori
decisionali
Intervalli di riferimento
Dipendono da sesso, età, etc
Sono
validi
per
determinata popolazione
Valori decisionali
Dipendono dalla situazione
clinica
una Sono validi universalmente
Vengono stabiliti mediante Vengono stabiliti mediante
studio di una popolazione esperienza clinica o per
definita
accordi collaborativi
Non indicano necessariamente Indicano l’intervento clinico
un intervento clinico