Web Analytics Made Easy - StatCounter
Archives for March 2019 | Comunicaciones Safe Creative #1912290338994 Safe Creative #2301210360532

¿Cómo se interpreta una curva de probabilidad post-test en diagnóstico? (Autora: A.B. Ruiz-García)

Lo mejor es ver un ejemplo para explicarlo. Tenemos abajo una gráfica de probabilidad post-test de varias técnicas de detección y de su combinación.

post

La probabilidad pre-test es la prevalencia de la enfermedad en el área de estudio o en el conjunto de muestras analizadas. la linea recta diagonal divide los resultados positivos (arriba de ella) de los negativos (debajo de ella).
Así como se puede observar a baja prevalencia el ELISA+ junto con una PCR+ dan una probabilidad post-test, es decir una seguridad de que la muestra sea positiva muy alta. Comparando un resultado positivo en este modelo por ELISA y por PCR vemos que a baja prevalencia un resultado positivo es más fiable que un resultado positivo por PCR que tiene una probabilidad post-test más bajo. A altas prevalencia los resultados positivos tienden a igualarse en su probabilidad.
¿Pero y que pasa para los resultados negativos? A bajas prevalencias tanto ELISA- como PCR- como ELISA y PCR- tienden a ser similares sus probabilidades post test, luego cualquiera tiene bastante fiabilidad a bajas prevalecías para los resultados negativos. A altas prevalencia es mejor la PCR porque su probabilidad post-test es decir un falso negativo es menor que el ELISA que un negativo es posible que sea un falso negativo.

Con este tipo de curvas es posible aplicar técnicas de diagnóstico con criterio.
Comments