Control de calidad y parámetros diagnósticos en el laboratorio clínico
Control de calidad en el laboratorio clinico: sensibilidad, especificidad, valor predictivo, falso positivo, falso negativo
Resumen
En el laboratorio clínico, la sensibilidad y la especificidad describen el rendimiento intrínseco de una prueba frente a un diagnóstico de referencia. Los valores predictivos responden a una pregunta distinta: qué probabilidad tiene el paciente de estar enfermo o sano después de conocer el resultado. Los falsos positivos y falsos negativos pueden originarse en las fases preanalítica, analítica o posanalítica, por lo que el control de calidad debe abarcar todo el proceso y no solo el funcionamiento del analizador. [1] [2]
Matriz de resultados 2 × 2
| Estado real | Prueba positiva | Prueba negativa |
|---|---|---|
| Enfermedad presente | Verdadero positivo (VP) | Falso negativo (FN) |
| Enfermedad ausente | Falso positivo (FP) | Verdadero negativo (VN) |
Esta matriz debe construirse utilizando un método de referencia aceptado, a veces denominado estándar de referencia o “estándar de oro”, aunque ningún método es necesariamente perfecto. [3]
Sensibilidad
La sensibilidad es la proporción de pacientes que tienen la enfermedad y obtienen un resultado positivo:
Sensibilidad = VP / (VP + FN) × 100
Una prueba con alta sensibilidad produce pocos falsos negativos. Es especialmente importante cuando se pretende descartar una enfermedad potencialmente grave, siempre que se utilice en la población clínica apropiada y con un umbral previamente validado. Una sensibilidad elevada no implica necesariamente una buena capacidad para confirmar la enfermedad. [1]
Especificidad
La especificidad es la proporción de personas sin la enfermedad que obtienen un resultado negativo:
Especificidad = VN / (VN + FP) × 100
Una prueba con alta especificidad produce pocos falsos positivos. Es particularmente útil cuando un resultado positivo debe confirmar una enfermedad o cuando las consecuencias de un diagnóstico falso son importantes. La especificidad también depende de la definición de enfermedad, la población estudiada y el punto de corte utilizado. [1]
Valor predictivo positivo y negativo
El valor predictivo positivo (VPP) es la probabilidad de que exista la enfermedad cuando la prueba es positiva:
VPP = VP / (VP + FP) × 100
El valor predictivo negativo (VPN) es la probabilidad de que no exista la enfermedad cuando la prueba es negativa:
VPN = VN / (VN + FN) × 100 [3]
A diferencia de la sensibilidad y la especificidad, los valores predictivos dependen marcadamente de la prevalencia o probabilidad preprueba:
- En una población de baja prevalencia, incluso una prueba muy específica puede generar una proporción considerable de falsos positivos entre todos los resultados positivos; por tanto, el VPP puede ser bajo.
- En una población de alta prevalencia, un resultado positivo suele tener mayor VPP.
- El VPN suele ser mayor cuando la probabilidad preprueba es baja, pero disminuye cuando la enfermedad es frecuente.
Por ello, no debe interpretarse un resultado positivo o negativo sin considerar la población analizada y la probabilidad clínica preprueba. [4]
Falso positivo y falso negativo
Falso positivo
Un falso positivo ocurre cuando la prueba es positiva, pero la enfermedad está ausente. La tasa de falsos positivos, también llamada fracción de falsos positivos, es:
Tasa de FP = FP / (FP + VN) = 1 − especificidad
Causas posibles incluyen reactividad cruzada, interferencias analíticas, contaminación, identificación incorrecta de la muestra, errores de calibración y un punto de corte demasiado bajo. En el ámbito clínico, puede conducir a pruebas adicionales innecesarias, ansiedad o tratamiento inapropiado. [5]
Falso negativo
Un falso negativo ocurre cuando la prueba es negativa, pero la enfermedad está presente. La tasa de falsos negativos es:
Tasa de FN = FN / (VP + FN) = 1 − sensibilidad
Puede deberse a una muestra insuficiente o mal obtenida, toma demasiado precoz o tardía, transporte o conservación inadecuados, concentración del analito por debajo del límite de detección, inhibidores, mutaciones no detectadas por el ensayo, error de identificación o un punto de corte demasiado alto. Sus consecuencias pueden incluir retraso diagnóstico y ausencia de tratamiento. [5]
Relación con el control de calidad del laboratorio
El control de calidad debe distinguir entre:
- Precisión: reproducibilidad de resultados repetidos bajo condiciones similares.
- Exactitud o veracidad: proximidad del resultado al valor verdadero o de referencia.
- Error aleatorio: variabilidad impredecible, que afecta principalmente la precisión.
- Error sistemático: desviación persistente, como sesgo de calibración, que afecta la veracidad.
- Rendimiento diagnóstico: capacidad de clasificar correctamente a los pacientes, expresada mediante sensibilidad, especificidad y valores predictivos.
Un analizador puede mostrar buena precisión —resultados muy cercanos entre sí— y, sin embargo, presentar un sesgo sistemático que produzca resultados incorrectos. Por ello, la evaluación de calidad debe incluir materiales de control, calibración, verificación del método, evaluación externa de la calidad, reglas de aceptación y procedimientos para investigar resultados fuera de control. [2] [6]
Interpretación práctica
La selección de una prueba depende de la finalidad clínica:
- Cribado: suele priorizarse una sensibilidad alta para reducir falsos negativos; los resultados positivos pueden requerir confirmación.
- Confirmación: suele priorizarse una especificidad alta para reducir falsos positivos.
- Resultado inesperado o discordante: debe revisarse la identificación y calidad de la muestra, el tiempo de obtención, las interferencias, los controles internos y la probabilidad preprueba antes de concluir que existe o no enfermedad.
- Prueba cuantitativa: el punto de corte elegido modifica el equilibrio entre sensibilidad y especificidad; reducir el umbral suele aumentar la sensibilidad y disminuir la especificidad, mientras que aumentarlo suele producir el efecto contrario. [7]
Los valores predictivos no deben confundirse con la exactitud global. La exactitud puede expresarse como:
Exactitud = (VP + VN) / (VP + FP + FN + VN) × 100
Sin embargo, en poblaciones muy desequilibradas puede resultar engañosa; por ejemplo, una prueba que clasifica a casi todos como negativos puede mostrar una exactitud elevada aunque detecte mal la enfermedad. En la práctica deben revisarse conjuntamente la matriz 2 × 2, sensibilidad, especificidad, valores predictivos y contexto clínico. [3]
Idea clave
La sensibilidad y la especificidad describen principalmente el comportamiento de la prueba frente al estado real; el VPP y el VPN describen la utilidad del resultado en una población concreta. Un programa de control de calidad robusto reduce errores analíticos, pero no elimina por sí solo los errores preanalíticos, posanalíticos ni las limitaciones inherentes al punto de corte y a la probabilidad preprueba.
Fuentes
- https://www.ncbi.nlm.nih.gov/books/NBK557491/
- https://stacks.cdc.gov/view/cdc/153395/cdc_153395_DS1.pdf
- https://www.ncbi.nlm.nih.gov/books/NBK98249/table/appendix.t1/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC6173138/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC8519382/
- https://www.cdc.gov/mmwr/pdf/rr/rr6102.pdf
- https://www.ncbi.nlm.nih.gov/books/NBK605677/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC2636062/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC8156826/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC4608333/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC5701930/
- https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6104534/
- https://www.ncbi.nlm.nih.gov/books/NBK98249/
- https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2556590/table/t1-cbr29_s_pgs83/
- https://iacld.com/UpFiles/Documents/f3c8ce57-c879-4876-bc67-f5fe56367a6b.pdf
Respuesta generada por inteligencia artificial a partir de las fuentes citadas. Verifica las fuentes antes de aplicarla.