TAMIZAJE
Tamizaje
El tamizaje para la detección de una enfermedad (o condición) puede ser definido como la evaluación de personas asintomáticas con el propósito de clasificarlas en dos grupos:
Quienes tienen la probabilidad de tener la enfermedad
Quienes tienen la probabilidad de no tener la enfermedad
Las personas que tienen la probabilidad de tener la enfermedad deben ser sometidas a una evaluación posterior para confirmar la enfermedad.
Tamizaje
El objetivo de tamizaje es reducir la morbilidad y mortalidad entre la gente que fue incluida en el tamizaje, con el propósito de dar un tratamiento oportuno en los casos identificados.
El éxito de un programa de tamizaje en la reducción de la morbilidad y mortalidad por la enfermedad de interés depende de las interrelaciones entre la experiencia de la enfermedad en la población, las características del tamizaje y la efectividad para tratar oportunamente la enfermedad.
Tamizaje
Tamizaje no poblacional: cuando se evalúa a un grupo específico y no muy grande
Tamizaje poblacional: cuando se realizan actividades para el diagnóstico temprano y tratamiento en grandes grupos poblacionales
Historia Natural de las Enfermedades
Periodo Pre-patogénico (Antes de la enfermedad)
Enfermedad Temprana Discernible
Enfermedad Avanzada
Convalecencia Recuperación Estado crónico Incapacidad Muerte
PREVENCIÓN SECUNDARIA PREVENCIÓN TERCIARIA PREVENCIÓN PRIMARIA
Promoción o
H O R I Z O N T E C L Í N I C O Periodo Patogénico(Curso de la enfermedad)
•Registros de defunciones •Estadísticas vitales •Tablas de mortalidad •Registros hospitalarios
•Reportes de morbilidad
Evaluación de riesgos (Estilos de vida, factores Ambientales, etc.)
Estudios especiales
(Papanicolau, Glicemia, T.A., etc.)
Prevención de Patogénesis
Temprana HUESPED
HUESPED
AGENTE AGENTE AMBIENTE
AMBIENTE
Normal Prediabetes Diabetes
Riesgo cardiovascular
Riesgo microvascular (retinopatía, nefropatía, etc)
Diabetes
SIN Síntomas
Diabetes
CON Síntomas
~ 10 años
Posibilidad de detección oportuna
Historia Natural de la Diabetes tipo 2
Ni
v
e
le
s
de
gl
u
c
os
a
e
n
s
a
n
gr
e
e
n
a
y
u
n
a
s
126 mg/dl
20 30 40 50 60 70 Años
A B C D Inicio Enfermedad Inicio de Muerte Biológico detectable Síntomas
por tamizaje
Historia Natural de la enfermedad
Fase pre-clinica
Fase detectable pre-clinica (DPCP)
20 30 40 50 60 70 Años
A B C D Inicio Enfermedad Inicio de Muerte
Biológico detectable Síntomas
por tamizaje
Historia Natural de la enfermedad
Fase pre-clinica = De A a C (De los 30 a los 60) = 30
años
Fase detectable pre-clinica (FDPC) = De B a C (de
los 45 a los 60) = 15 años
Efectos del tamizaje
La FDPC: tiempo de adelanto en que se hace el diagnóstico temprano.
La FDPC es el tiempo necesario para alterar la historia natural de la enfermedad de manera favorable.
A FDPC varia de una enfermedad a otra y también depende de los métodos de detección disponibles.
Tamizaje
Para que un programa de tamizaje tenga éxito se
necesita:
Enfermedad adecuada
Prueba adecuada
Programa de tamizaje adecuado
Enfermedad adecuada
Tenga serias consecuencias
Sea progresiva
El tratamiento de la enfermedad sea efectivo a
etapas tempranas
Prevalencia en la fase detectable pre-clínica
sea alta (incidencia, duración de fase
pre-clinica; acciones antes del tamizaje)
Ejemplos: cáncer de mama, cáncer cervico
uterino, hipertensión
Tamizaje
Para que un programa de tamizaje tenga éxito se
necesita:
Enfermedad adecuada
Prueba adecuada
Prueba de tamizaje adecuada
Idealmente no es cara, fácil de administrar,
provoca poco malestar, y tiene un alto nivel de
validez y confiabilidad
Prueba válida: Clasifica correctamente a la
gente con enfermedad pre-clínica como
positivos y a la gente sin enfermedad pre-clínica
como negativos.
C
o
n
fi
a
b
ili
d
a
d
Validez
La mejor y más obvia manera de evaluar validez es
encontrar un criterio o
"estándar de oro"
que se sabe
es lo más parecido o cercano a la verdad, entonces
comparar los resultados de la medición que se quiere
validar con el estándar de oro.
Medición de la validez
Un grado razonable de validez aparente, es necesaria para la selección de una medición.
Algunas veces están disponibles los resultados de pruebas previas de validez de criterio.
Si la validez de una medición es incierta y la variable es de mucho interés en el estudio, debe considerarse la realización de una prueba de validez.
La información acerca de la validez de las mediciones puede influir sobre la selección de los métodos de estudio e incluso sobre la interpretación de los resultados.
Medición de la validez: Validez de criterio
Es la forma más estricta de determinar si un método está midiendo lo que debe medir.
El criterio ideal es el"valor verdadero"del atributo que está siendo medido.
El mejor criterio es una medición que tiene mayor validez.
CLASIFICACIÓN IMPERFECTA
Presente + Ausente
-Positiva + A + B
Negativa - C + D
A + C B + D A + B + C + D
A (Verdadero +)
B (Falso +)
C (Falso -)
D (Verdadero -)
Validez de criterio
Los sujetos en una población pertenecen a uno de los dos siguientes grupos:
Los que padecen la enfermedad
Los que no padecen la enfermedad
SANOS ENFERMOS
Validez de criterio
El método utilizado para clasificar a los individuos según su pertenencia a uno de estos grupos clasifica algunos de los individuos sanos al grupo enfermo y ciertos individuos enfermos al grupo sano.
SANOS ? ENFERMOS
Validez de criterio
Una medición que tiene baja validez es un pobre indicador de la característica que se quiere medir.
Una medición que es utilizada para indicar la presencia o ausencia de enfermedad no puede ser de gran utilidad si tiene muchos "falsos negativos" (C) o “falsos positivos” (B).
Si una medición clasifica a las personas como sanas o enfermas, la verdadera prevalencia de la enfermedad puede ser sobrestimada o subestimada, dependiendo del número de "falsos positivos" y "falsos negativos".
Sensibilidad
Es la capacidad de una prueba de diagnosticar a los enfermos como enfermos.
Es el número de sujetos con una medición positiva entre los sujetos con la enfermedad:
S= A / A+C
• Mientras más alto sea el valor más sensible será la medición.
MEDICION Presente (+)
Ausente (-)
Positiva (+) A + B
Negativa (-) C + D
A + C B + D A + B + C + D A
(Verdadero+) (Falso +)B
C (Falso -)
D (Verdadero -) CRITERIO DE VALIDEZ
Falsos negativos (FN)
El complemento de la sensibilidad son los falsos negativos:
FN= C /A + C= 1- (A/A+C) = 1- sensibilidad
MEDICION Presente (+)
Ausente (-)
Positiva (+) A + B
Negativa (-) C + D
A
(Verdadero+) (Falso +)B
C (Falso -)
D (Verdadero -) CRITERIO DE VALIDEZ
Especificidad
Es la capacidad de una prueba de identificar a los sanos como sanos:
E= D / B + D
Mientras más alto sea el valor más específica será la medición.
MEDICION Presente (+) Ausente (-)
Positiva (+) A + B
Negativa (-) C + D
A (Verdadero+)
B (Falso +)
C
Falsos positivos (FP)
El complemento de la especificidad son los falsos positivos:
FN= B /B + D= 1- (D/B+D) = 1- especificidad
MEDICION Presente (+) Ausente (-)
Positiva (+) A + B
Negativa (-) C + D
A + C B + D A + B + C + D A
(Verdadero+) (Falso +)B
C
(Falso -) (Verdadero -)D CRITERIO DE VALIDEZ
Tamizaje
Para que un programa de tamizaje tenga éxito se
necesita:
Enfermedad adecuada
Prueba adecuada
Programa de tamizaje adecuado
Programa de Tamizaje adecuado
Definición de un programa de tamizaje: Aplicación de una
prueba específica a una población específica para una
enfermedad específica
Se quiere determinar si un programa de tamizaje tiene
éxito. ¿Reduce la morbilidad y la mortalidad? ¿Cómo
evaluarlo?
Mediciones de viabilidad: Aceptabilidad, costo, valor
predictivo positivo (PV+), valor predictivo negativo
(PV-)
Mediciones de efectividad: examinando severidad de la
enfermedad al diagnóstico, tasa de mortalidad
específica entre la población seleccionada para el
tamizaje vs personas seleccionadas de forma rutinaria.
Valor predictivo positivo (VPP)
Es la probabilidad de estar enfermo dado que se tiene una prueba positiva:
VPP = (A)/(A+B)
Si la prevalencia es baja el valor predictivo será bajo.
MEDICION Presente (+) Ausente (-)
Positiva (+) A + B
Negativa (-) C + D
A + C B + D A + B + C + D
A
(Verdadero+) (Falso +)B
C (Falso -)
D (Verdadero -) CRITERIO DE VALIDEZ
Valor predictivo negativo (VPN)
Es la probabilidad de estar sano dado que se tiene una prueba negativa:
VPN = (D)/(C+D)
Si la prevalencia es baja el valor predictivo será alto.
MEDICION Presente (+) Ausente (-)
Positiva (+) A + B
Negativa (-) C + D
A
(Verdadero+) (Falso +)B
C (Falso -)
D (Verdadero -) CRITERIO DE VALIDEZ
Validez de criterio
Prevalencia verdadera(%) = [(A+C)/(A+B+C+D)]*100
Prevalencia aparente(%) = [(A+B)/ (A+B+C+D)]*100
VPP (%) = [A/(A+B)]*100
VPN (%) = [D/(C+D)] *100
MEDICION Presente (+) Ausente (-)
Positiva (+) A + B
Negativa (-) C + D
A (Verdadero +)
B (Falso +)
C (Falso -)
Mil niños fueron examinados por una enfermera escolar para detectar
aquellos niños que sufrían de visión defectuosa.
Estos mismos niños, también recibieron un examen completo y definitivo de
la vista en una clínica oftalmológica local. Los resultados de estos
exámenes fueron:
-En el examen en la clínica oftalmológica, 900 niños no tuvieron
alteraciones visuales.
-De los 100 niños con mala vista clasificados por el examen en la clínica,
90 fueron también detectados por la enfermera escolar.
-La enfermera clasificó en total a 270 niños como “con mala vista“
Validez de criterio: Ejemplo
Para calcular la sensibilidad y especificidad del examen de la enfermera se realiza una tabla de 2 X 2 de la siguiente manera.
MEDICION Presente (+) Ausente (-) TOTAL
Positiva (+) 270
Negativa (-) 730
TOTAL 100 900 1000
A 90
B 180
C 10
D 720 CRITERIO DE VALIDEZ Continuación……
Validez: Ejemplo
MEDICION Presente (+) Ausente (-) TOTAL
Positiva (+) 270
Negativa (-) 730
TOTAL 100 900 1000
A 90
B 180
C 10
D 720 CRITERIO DE VALIDEZ Sensibilidad = A/ A+C = 90 / 100 = .90 = 90%
Especificidad = D / B+D = 720 / 900 = . 80 = 80%
VPP = A / A+B = 90 / 270 = .333 =33%
VPN = D / C+D = 720 / 730 = .99 = 99%
Prev. real=100/1000=10% Prev. aparente=270/1000=27%
Evaluación de la confiabilidad
Es importante conocer cuanta confiabilidad existe de las variables que juegan un papel importante en la investigación.
Cuanta variación resulta del método de medición comparado con la variación entre individuos o grupos que están siendo estudiados.
Con frecuencia es necesario medir la confiabilidad antes de comenzar el estudio, realizando una prueba piloto o realizando pruebas de confiabilidad dentro del mismo estudio.
La confiabilidad se mide realizando dos o más mediciones independientes y comparando los resultados.
Evaluación de la confiabilidad
Las comparaciones pueden estar basadas en observaciones por diferentes
observadores o entrevistadores, sobre mediciones repetidas o entrevistas
usando el mismo instrumento o cuestionario (el método de test - retest).
Pruebas de replicación pueden ser realizadas en las mismas muestras de
sangre
Repetir la misma pregunta en un cuestionario o diferentes palabras
requiriendo la misma información.
Evaluación de la confiabilidad
El "coeficiente de confiabilidad" o "porcentaje de acuerdo" (la proporción de
casos colocados en idénticas categorías por dos determinaciones
independientes) puede estar errado, ya que el acuerdo puede ocurrir
simplemente por azar.
Laprueba de Kappaes un mejor índice para mediciones categóricas, ya que
toma en cuenta la contribución del azar en el acuerdo.
Coeficientes de correlación(Pearson, Spearman, Kendall). Evalúan tendencia y
no concordancia, no controlan por el sesgo que pudiera existir en los datos. Se
Porcentaje de acuerdo
Se obtiene dividiendo el numero de observaciones en las celdas concordantes entre el total de observaciones.
% de acuerdo = (A + D) A + B + C + D
Porcentaje positivo de acuerdo (PPA)
Se usa cuando la prevalencia de la condición de interés es muy baja o muy alta.
PPA = (A + D) *100 A + B + C
PPA Chamberlains = (2A + D) *100 2A + B + C
Coeficiente de Kappa
Toma en cuenta la concordancia que pudiera existir por azar.
KAPPA = Núm. de acuerdos observados – número de acuerdos por azar
Total de observaciones – número de acuerdos por azar
Kappa de 75% o más puede ser usada para representar excelente acuerdo.
La mayoría de las comparaciones entre exámenes clínicos, interpretaciones de radiografías, ECG y especimenes clínicos tienen valores entre 40 y 74%.
Valor de Kappa
Acuerdo
Menos de cero Ninguno
0.00 – 0.20 Mínimo
0.21 – 0.40 Regular
0.40 – 0.60 Bueno
0.61 – 0.80 Excelente
0.81 – 1.00 Casi perfecto
A + B
C + D Presente
Ausente
TOTAL
Presente Ausente TOTAL
A + C B + D A + B + C + D
A acuerdo
B desacuerdo
C desacuerdo
D acuerdo Observador A
Observador B
Número de acuerdos observados = A + D
Núm. de acuerdos por azar =[(A+B) (A+C) / (A+B+C+D)]+ [(C+D) (B+D) / (A+B+C+D)]
Total de observaciones = A + B + C + D
KAPPA = Núm. de acuerdos observados – núm. de acuerdos por azar
Total de observaciones – número de acuerdos por azar
Ejemplo:
Calcular la concordancia en el diagnóstico de malignidad que
tienen los patólogos A y B a los cuales se les dieron 200
biopsias para su evaluación. El patólogo A clasificó 80 biopsias
como malignas y el patólogo B 40, ambos concordaron en
diagnosticar a 20 de ellas como malignas.
% de acuerdo = A + D / A +B + C + D =120/200 = 60%
Maligna
Benigna
Maligna Benigna TOTAL
40 160 200
A 20
B 60
C 20
D 100 Patólogo A
Patólogo B
80
120
PPA = A / (A +B + C)*100 = (2*20)/(2*20 + 60 + 20) =.20 = 20%
PPA Chamberlains= 2A / (2A +B + C)*100 = (2*20)/(2*20 + 60 + 20)
= .33 = 33%
Maligna
Benigna
Maligna Benigna TOTAL
40 160 200
A 20
B 60
C 20
D 100 Patólogo A
Patólogo B
80
120
Porcentaje positivo de acuerdo (PPA)
No toma concordancia por el azar.
Número de acuerdos observados = A + D = 120
Maligna
Benigna
Maligna Benigna TOTAL
40 160 200
A 20
B 60
C 20
D 100
Patólogo A
Patólogo B
80
120
Total de observaciones = A+B+C+D=200
Número de acuerdos
por azar
= [(A+B) (A+C)] A+B+C+D
+ [(C+D) (B+D)] A+B+C+D
= (80*40) 200
+ (120*160) 200 =112
KAPPA
M
B
TOTAL
M B
40 160 200
A 20
B 60
C 20
D 100 Patólogo A
Patólogo B
80
120
= 120-112 = 8 = 0.09
200-112 88
Kappa
KAPPA = Núm. de acuerdos observados – núm. de acuerdos por azar
Total de observaciones – número de acuerdos por azar
Valor de Kappa Acuerdo
Menos de cero Ninguno
0.00 – 0.20 Mínimo
0.21 – 0.40 Regular
0.40 – 0.60 Bueno
0.61 – 0.80 Excelente
0.81 – 1.00 Casi perfecto
= 120-112 = 8 = 0.09
200-112 88
Kappa
Por lo tanto el acuerdo entre el patólogo A y el B es un acuerdo mínimo
Sesgos en estudios sobre efectividad de programas de tamizaje
1.Sesgo del tiempo de adelanto. Este ocurre cuando el tiempo de adelanto es muy breve (ejemplo: cáncer pulmón) el tratamiento de los procesos médicos identificados con el tamizaje pueden no ser mas efectivo que el tratamiento después de que aparezcan los síntomas. Lo contrario sucede con cáncer de cervix.
Diagnóstico
Sin tamizaje
Tamizaje (El tx precoz no es efectivo)
Tamizaje (El tx precoz es efectivo)
Dx Dx
Dx
Inicio Precoz Habitual Muerte
Sesgos en estudios sobre efectividad de programas de tamizaje
2. Sesgo del periodo de tiempo o duración de la lesión. El tamizaje funciona mejor cuando la lesión se desarrolla
lentamente. Identifica principalmente tumores de
crecimiento lento, debido a que se encuentran presentes por un tiempo más prolongado antes de causar síntomas. Esto provoca que el tamizaje y el tratamiento precoz sean más efectivos que la atención habitual. Por lo tanto, las tasas de mortalidad pueden ser menores en el grupo tamizado que en el no tamizado, pero esto no es debido al tamizaje en sí.
Tamizaje
Dx
Dx
Dx
Dx
Dx
Dx
Dx
Dx
Dx
Dx
Dx
Sesgos en estudios sobre efectividad de programas de tamizaje
3. Sesgo del cumplimiento. Los pacientes que se apegan al tratamiento tienen mejor pronóstico independientemente del tamizaje. El sesgo se presenta cuando el grupo tamizado tiene mejores resultados que el grupo no tamizado y estos no son debidos al tratamiento sino a otros factores relacionados con el cumplimiento.
Número de pruebas de tamizaje
Programa de tamizaje de una solo prueba. Cada miembro del grupo es evaluado solo una vez.
Por definición un persona no es elegible de ser evaluada si tiene la enfermedad o si esta en la fase preclínica.
La detección de los casos dependerá de la sensibilidad de la prueba y de la distribución de las manifestaciones de la enfermedad
Programa con múltiples pruebas de tamizaje. Beneficios: Disminución en la tasa promedio de mortalidad específica
Años de vida ganados
Reducción en el riesgo de morir por una causa específica
