A ficar sensível: Sensibilidade e Especificidade Diagnóstica Simplificada

O que queremos dizer com Sensibilidade Diagnóstica?

No diagnóstico clínico, as questões sobre a sensibilidade de um ensaio irão inevitavelmente surgir. Mas o que significa exactamente “sensibilidade”? A menor quantidade do analito dado que um ensaio pode detectar é frequentemente chamada sensibilidade – e para ser claro, esta quantidade é a sensibilidade analítica ou Limite de Detecção (LoD). O termo analítico é a chave para essa definição, portanto, já que estamos nisso, vamos contrastar isso com o termo diagnóstico. A sensibilidade diagnóstica está relacionada com a capacidade do ensaio de identificar correctamente as populações de indivíduos com a doença, e embora esta seja certamente uma função da sensibilidade analítica, a sensibilidade analítica elevada (o que significa que pode detectar quantidades muito pequenas da sua substância a analisar) não garante necessariamente uma sensibilidade diagnóstica útil.

Como pode imaginar, as duas medidas são muito diferentes – a primeira diz-lhe sobre o desempenho do seu ensaio no tubo e a segunda diz-lhe sobre o desempenho do seu ensaio numa determinada população. Por este motivo, é importante associar os termos analítico ou diagnóstico ao termo sensibilidade ao descrever seu ensaio.

Como se calcula a sensibilidade diagnóstica?

Uma outra forma de pensar sobre a sensibilidade diagnóstica é considerar quão bem o ensaio pode detectar os verdadeiros positivos. Mas se você está lidando com amostras desconhecidas, como você sabe o que é um resultado verdadeiro? Isso é uma espécie de pergunta sobre galinha e ovo, mas vamos considerar isto.

Diga que você tem um ensaio que pode determinar se um paciente tem cinco dedos ou seis em cada mão. Você pode recolher uma amostra, cegá-los para o experimentador e obter um resultado. Em seguida, faça com que esse mesmo paciente seja examinado por um clínico que simplesmente contaria o número de dedos em cada mão. Depois compare notas – para quantas amostras o seu ensaio e as observações do médico correspondem? As observações do médico neste caso seriam consideradas o padrão-ouro, uma vez que não se consegue realmente ser mais objectivo do que contar dedos! Se o objectivo fosse detectar os seis dedos (ou seja, seis é um resultado positivo), um resultado de ensaio que correspondesse a uma contagem de seis seria um verdadeiro positivo, enquanto um resultado de ensaio de cinco dedos para um paciente com cinco dedos seria um verdadeiro negativo. Da mesma forma, um resultado de ensaio de seis para um indivíduo com cinco dedos seria um falso positivo e um resultado de ensaio de cinco para um paciente com seis dedos seria um falso negativo. Se tomarmos os dados imaginários abaixo, poderíamos calcular a sensibilidade diagnóstica calculando a percentagem de verdadeiros positivos detectados a partir do total de positivos reais nas amostras (verdadeiros positivos mais os falsos negativos).

>

>

>

>

>

>

>

Patiente No.	Observado No. Dedos	Resultado do ensaio (Não. Dedos)	Verdade Positivo	Falso Positivo	Verdade Negativo	Falso Negativo
1	6>6		X			>
2	6	6	X
3	5						X
4	6	5		X
5	5	5			X
6	6	6	X
7	6	6	X
8	5	5			X
9	5	5				X
10	5	5			X
		Total	4	>1	4	1

Os dados acima podem ser tabulados na tabela de verdade abaixo e usados para calcular a sensibilidade diagnóstica usando a seguinte equação. Aqui estamos calculando a porcentagem de indivíduos que têm a condição e têm um resultado de teste positivo para a condição.

		Condição de Verdade
		Positivo	Negativo
Condição prevista pelo ensaio	Positivo	TP	FP
	Negativo	FN	TN

>

		>Condição verdadeira
		Positivo	Negativo
Condição previsto pelo ensaio	Positivo	4	1
	Negativo	1	4

>

Sensibilidade = \frac{\mathrm{TP} Tradução: Equipa PT+FN 4+1 } = 4/5 = 80\%


Não é muito mau, certo? Devemos olhar para um exemplo do mundo real? Imagine que você está desenvolvendo um ensaio de qPCR que detecta um patógeno bacteriano. Os resultados obtidos usando seu ensaio qPCR produziriam dados para a condição prevista e estes seriam comparados com os resultados obtidos a partir da cultura clássica. Porquê? Neste exemplo, a recuperação do organismo por cultura do paciente doente é um dos postulados de Koch e é por isso que a cultura bacteriana seria considerada como o padrão ouro. Se tivéssemos este conjunto de dados:

		> Condição de Verdade
		Positivo	Negativo
Condição prevista por ensaio (i.e. qPCR positivo)	Positivo	238 (TP)	21 (FP)
	Negativo	2 (FN)	103 (TN)

Calcularíamos esta sensibilidade diagnóstica como:


\frac{\mathrm{238} }{\mathrm{238+2}} = 238/240 = 0,992 × 100 = 99,2\%



Isso significa que se empregássemos este qPCR para testar pacientes para este patógeno bacteriano, teríamos os verdadeiros positivos em 99% do tempo. Mas e quanto aos falsos positivos? De fato, você também os detectaria com este ensaio porque um qPCR detecta DNA de organismos viáveis e não viáveis, enquanto a cultura detectaria apenas organismos viáveis. Sem mencionar que a qPCR provavelmente terá uma sensibilidade analítica muito melhor do que a maioria das metodologias baseadas em cultura. A comparação destes dois métodos e a atribuição de cultura como padrão-ouro definiria amostras cultura-negativas/qPCR-positivas como falsos positivos. Neste cenário, você provavelmente gostaria de executar um teste de confirmação apenas para ter certeza de que um paciente qPCR-positivo estava realmente infectado com um patógeno viável causador de doença.

E quanto à especificidade diagnóstica?

Embora o número de falsos positivos no exemplo acima possa preocupá-lo, o verdadeiro juiz de desempenho depende de como o seu ensaio está sendo usado. Se o seu objetivo é descartar pacientes saudáveis para evitar testes confirmatórios, então uma alta especificidade diagnóstica, seria fundamental. Espere, eu acabei de introduzir outro termo – especificidade diagnóstica! Esta é uma medida relacionada de quão provável o seu teste é identificar correctamente os indivíduos sem a doença. Pense em identificar corretamente os cinco pacientes com os dedos, ou detectar os pacientes não infectados com o patógeno bacteriano. Aqui estamos calculando a porcentagem de indivíduos sem a condição e testando corretamente negativo para a condição. Esse cálculo segue:


Diagnóstico\; especificidade = \frac{\mathrm{\TN} Tradução: Equipa PT-Subs }{\mathrm{103+21}} = 103/124 = 0,831 × 100 = 83,1\%


Isso significa que identificaríamos corretamente os pacientes saudáveis 83% do tempo. Uma vez que o teste qPCR é muito mais rápido do que esperar que as bactérias cresçam, executar o qPCR seria benéfico e você poderia estar confiante nos resultados negativos do qPCR, uma vez que tivemos poucos falsos negativos neste conjunto de dados. Qualquer paciente positivo deveria, naturalmente, ser testado novamente usando cultura, mas haveria menos pacientes para testar. Você também usa estes cálculos para comparar um novo ensaio qPCR com um ensaio em uso no momento ou um qPCR com um ELISA. E se a matemática não é o seu forte, há uma gama de calculadoras on-line grátis, como esta da medcalc, para executar estes números para você!