1. Inizio pagina
  2. Contenuto della pagina
  3. Menu principale
  4. Menu di Sezione
 

Menu

Menu

Contenuto della pagina Versione stampabile della pagina

Validità dei test

Valore predittivo

Nella pratica clinica è di interesse conoscere la probabilità del test di darci la diagnosi corretta, cioè:

  • se un test è positivo, quanto è probabile che la persona abbia davvero la malattia? Questa informazione è data dal valore predittivo positivo (VPP) e corrisponde alla proporzione di pazienti con un test positivo che hanno la malattia, quindi diagnosticati correttamente come malati [1];
  • se un test è negativo, quanto è probabile che la persona non abbia la malattia? Questa informazione è data dal valore predittivo negativo (VPN) e corrisponde alla proporzione di pazienti con un test negativo che non hanno la malattia, quindi diagnosticati correttamente come sani [1].

 
Come si calcola VPP e VPN di un test?
Riprendiamo l'esempio già usato nella sezione sensibilità e specificità di un test. Si tratta di uno studio sull'utilizzo del Pap test per la diagnosi di lesioni della cervice uterina condotto su 981 donne brasiliane. I risultati del Pap test venivano comparati con la diagnosi istologica dopo biopsia (il gold standard) [2]. (vedi schema in fondo alla pagina)
Possiamo calcolare la proporzione di donne con Pap test anormale con lesione della cervice (come valutato attraverso al biopsia) e la proporzione di donne con Pap test normale e senza lesione delle cervice uterina. In questo caso ci sono 211 donne con Pap test anormale e 770 donne con Pap test anormale.

VPP = proporzione di donne con un test anormale che hanno la malattia = a / (a + b) = 125/211 = 0,592 = 59,2%. Quindi su 211 donne in cui il Pap test risulta alterato 125 hanno veramente la cervice alterata, quindi oltre il 59% dei casi.
VPN = proporzione di donne con un test normale che non hanno la malattia = d / (c + d) = 644/770 = 0,836 % = 83,6% . Quindi su 770 donne con Pap test normale 644 veramente non hanno le lesioni della cervice uterina quindi oltre l'83% dei casi.

Dal momento che il VPP ed il VPN sono proporzioni, si possono calcolare per loro degli intervalli di confidenza.

Come varia il VP al variare della prevalenza della condizione studiata
Il VP, oltre ad essere legato alla sensibilità e specificità e quindi alle caratteristiche intrinseche del test, dipende in maniera critica dalla prevalenza della condizione studiata (a differenza della sensibilità e della specificità che dipendono solo dalle proprietà del test). All'aumentare della prevalenza della condizione studiata il VPP del test aumenta, al contrario in caso di malattie rare il VPP si riduce.
La prevalenza di alterazione della cervice uterina nella popolazione studiata nell'esempio precedente, in cui il VPP era di 59,2% ed il VPN era di 83,6% è:
Prevalenza = 251 donne con cervice alterata/981 totale donne studiate = 25.5%

In una popolazione ipotetica con prevalenza di alterazione della cervice uterina del 60%, quindi una popolazione a maggior rischio a parità di sensibilità e specificità del test avremo:
VPP = 293/339 = 0,864 = 86,4%
VPN = 346/642 = 0,538 = 53,8%

Il VPP aumenta quindi all'aumentare della prevalenza mentre il VPN diminuisce (il contrario accade in una popolazione con prevalenza più bassa). Occorre quindi fare molta attenzione nel riporre "fiducia" nei risultati di un test senza conoscere la prevalenza della patologia nella popolazione in cui il test viene applicato; il VP di un test osservato in uno studio non può essere applicato a contesti differenti.

VP e test di screening: quanto conta la prevalenza
Un modo per calcolare il VP a partire dalla sensibilità, specificità e prevalenza di malattia si basa sulla seguente formula, anche nota come teorema di Bayes:

VPP = (sensibilità x prevalenza) / [(sensibilità x prevalenza) + (1-specificità) x (1-prevalenza)] 

VPN = specificità x (1-prevalenza) / [(1-sensibilità) x prevalenza + specificità x (1-prevalenza)]

Se la prevalenza di una malattia è molto bassa il VPP non sarà quasi mai prossimo al 100% anche se la sensibilità e la specificità del test sono alti. Dunque in caso di screening sulla popolazione generale di una patologia rara è inevitabile che molte persone con il test positivo siano falsamente positivi.
E' questa la ragione per cui alcuni test sono più affidabili se usati su popolazioni a rischio, in cui è più probabile la presenza della patologia.
 

esempio di calcolo di valore predittivo
esempio di calcolo di valore predittivo
 
 

Data di pubblicazione: 11.12.2008

  1. SaperiDoc
Direzione generale cura della persona, salute e welfare
Via Aldo Moro 21, Bologna