Resumen
Aunque el diagnstico desempea un papel central en la actividad
clnica,los mdicos reciben escaso entrenamiento formal en la
utilizacin de prue-bas diagnsticas durante su formacin acadmica.
Adems, la investigacinpublicada sobre evaluacin de pruebas
diagnsticas es, en general, de bajacalidad. En esta nota se repasan
los patrones aceptados de calidad metodo-lgica en el diseo y la
realizacin de esos estudios, as como la cuantifica-cin emprica del
impacto de los sesgos que produce su falta de
cumpli-miento.Palabras clave: Sesgos. Diseo. Pruebas
diagnsticas.
El diagnstico desempea un papel central en la actividad clnica:
es la pri-mera intervencin clnica en el paciente y su resultado
condiciona el desa-rrollo de la prctica clnica posterior, sin
olvidar el impacto social que pue-de tener por el efecto de asignar
a los ciudadanos etiquetas de falta de nor-malidad1. El proceso
diagnstico constituye una actividad intelectual muyexigente, y
requiere una compleja imbricacin de conocimiento
acadmico,experiencia clnica y capacidad de obtener informacin a la
cabecera delpaciente. Por ello, la habilidad para realizar un
diagnstico es una de lascualidades ms valoradas por los propios
clnicos, e incluso, a veces, se se-ala el diagnstico como la
actividad ms caracterstica de los mdi-cos, actividad que ningn otro
profesional puede hacer2. Si bien todo ellocontrasta con el escaso
entrenamiento formal en la utilizacin de pruebasdiagnsticas que
reciben los mdicos durante su formacin acadmica3.Adems, es difcil
de estudiar. En las revistas mdicas, slo una pequea mi-nora de
estudios ofrecen informacin vlida sobre la utilidad de las
pruebasdiagnsticas2. Ya hace ms de 10 aos que Reid et al4 llamaron
la atencinsobre la poca calidad de los estudios de evaluacin de las
pruebas diagnsti-cas, y la situacin no parece haber mejorado. En
una reciente revisin5 de ar-tculos de evaluacin de validez
diagnstica, localizados a travs de metaa-nlisis, de 487 artculos
revisados, slo uno no tena ningn defecto de dise-o. Se encontr que
la calidad de la propia descripcin de este tipo deinvestigacin y de
sus resultados es tambin baja. De hecho, no es infrecuen-te que una
revisin sistemtica no pueda responder a una pregunta concretasobre
diagnstico, no por falta de artculos que evalen la prueba, sino
preci-samente por la baja calidad del diseo y de la presentacin de
los resultadosde los artculos encontrados6. Y ello a pesar de las
diversas iniciativas que sehan desarrollado para mejorar la calidad
tanto de la investigacin sobre laevaluacin de las pruebas
diagnsticas, como de su publicacin. Algunas es-tn dirigidas a los
lectores de las revistas, como las guas de lectura crtica de
literatura mdica7,8, que incluyen guas especficas para los artculos
dediagnstico. Otras estn dirigidas a los editores de las revistas y
a los autoresde artculos, como la norma STARD para la publicacin de
estudios de vali-dez diagnstica, que pretende mejorar la calidad de
los artculos para permi-tir a los lectores evaluar los potenciales
sesgos del estudio y juzgar sobre sugenerabilidad9, y otras
dirigidas, en principio, a los investigadores que reali-zan
revisiones sistemticas de estudios de validez diagnstica, pero
indirec-tamente tambin a quienes realizan la investigacin primaria,
como la normaQUADAS, que es una herramienta para evaluar la calidad
de estos estu-dios10. En la tabla 1 se presentan los tems de esta
norma.
Criterios de calidad de los estudios sobre pruebas
diagnsticas
Vctor Abraira y Javier ZamoraCIBER Epidemiologa y Salud Pblica
(CIBERESP). Unidad de Bioestadstica Clnica. Hospital Ramn y Cajal.
Madrid. Espaa.
N O TA M E T O D O L G I C A
Estas guas y normas recogen los puntos crticos del diseo ptimo,
as co-mo su descripcin, de un estudio que pretenda responder a la
pregunta co-rrespondiente a la fase III de la investigacin sobre
diagnstico11, es decir:cuando la prueba se aplica a pacientes con
una sospecha razonable de quepresentan la enfermedad, o estado de
inters, sus resultados permiten dis-tinguir a los pacientes que
realmente tienen la enfermedad de los que no latienen? Este diseo
ptimo consiste en seleccionar a un grupo de
pacientesrepresentativos de aquellos en los que es razonable
sospechar que tienen laenfermedad y aplicarles a todos ellos,
simultneamente e independiente-mente, la prueba en evaluacin y otra
prueba de referencia, aceptada comopatrn para hacer el diagnstico
correcto. Ambas pruebas deben interpretar-se de modo enmascarado,
es decir, cada una se debe interpretar sin que elinvestigador que
lo haga sepa el resultado de la otra. De modo similar a loque
ocurre con el tratamiento, este ideal de diseo est en contradiccin
conla buena prctica clnica, en la que rara vez se solicitan las
pruebas simult-neamente, ms bien al contrario, las pruebas deberan
solicitarse de modosecuencial y cada una de ellas solicitarse e
interpretarse en funcin de todala informacin disponible en cada
momento, incluidos los resultados de laspruebas previas.
Seguramente de esta contradiccin surgen algunos de losdefectos
observados en la literatura mdica, sobre todo en los estudios
queanalizan datos provenientes de la prctica clnica. Los puntos
crticos sepueden agrupar en 3 apartados:
Seleccin de los pacientes
Dado que en la prctica clnica los problemas de diagnstico se
planteanentre enfermedades o estados de salud que comparten
sntomas, una pruebadiagnstica es verdaderamente til si permite
distinguir entre trastornos quede otra forma podran confundirse;
por tanto, la validez de una prueba debeestablecerse en ese
escenario, es decir, en un estudio que incluya un espec-tro de
pacientes lo ms parecido posible al del medio en el que la prueba
se
Tabla 1. tems de la herramienta QUADAS
1. Es representativa la muestra?2. Se describen bien los
criterios de seleccin?3. Clasifica bien el patrn de referencia?4.
Si el patrn y la prueba no se aplican simultneamente,
es razonable pensar que la enfermedad no haya evolucionado en
ese tiempo?
5. Sesgo de verificacin parcial?6. Sesgo de verificacin
diferencial?7. Es el patrn de referencia independiente de la
prueba?
(p. ej., la prueba no forma parte del patrn)8. Detalle de la
ejecucin de la prueba9. Detalle de la ejecucin del estndar
10. Se interpret la prueba sin conocer el resultado del
patrn?11. Se interpret el patrn sin conocer el resultado de la
prueba?12. La informacin clnica disponible en la interpretacin de
la prueba
es la misma que habr cuando se use en la prctica?13. Se informa
de los resultados no interpretables?14. Se explican las
prdidas?
Modificado de Whiting et al10.
460 FMC. 2008;15(7):460-83
15b APBE (460-483).qxp 24/7/08 11:28 Pgina 460
pretenda usar en el futuro, tpicamente una muestra consecutiva
de pacien-tes. Sin embargo, una tentacin muy extendida en estos
estudios es el dise-o de casos y controles, en el que se
seleccionan 2 muestras, una de pacien-tes que se sabe que tienen la
enfermedad y otra de individuos que no la tie-nen. Se ha demostrado
que este diseo introduce la mayor sobrestimacindel rendimiento de
la prueba. Usando como ndice de validez la odds ratiodiagnstica12,
que es un modo de sintetizar en un solo ndice la sensibilidady la
especificidad, este diseo lo sobrestima13 multiplicndolo por un
factorde 3. Los tems 1 y 2 de QUADAS tratan de identificar este
potencial de-fecto. Otros defectos en relacin con la seleccin de
pacientes, que segnRutjes et al5 tienen efecto en la estimacin de
la validez, son: inclusin noconsecutiva de pacientes y extraccin
retrospectiva de datos, que sobresti-man el ndice ligeramente, y
seleccin de pacientes por remisin a la pruebaen evaluacin, que lo
infraestima dividindolo por 2.
Patrn de referencia
El patrn de referencia debe ser el mejor mtodo accesible para
determinarsi un paciente tiene la enfermedad o estado de inters.
Muy frecuentemente,este patrn es invasivo; ste es justamente uno de
los motivos para desarro-llar nuevas pruebas, disponer de pruebas
menos agresivas, o ms baratas, oms fciles que los patrones de
referencia. Por tanto, suele haber problemaspara realizar estos
patrones a individuos no enfermos. Por ejemplo, paraevaluar la
validez de la mamografa en el diagnstico del cncer de mama,una
buena prueba de referencia es la biopsia; de hecho, es la que se
sueleusar, aunque obviamente hay problemas, tanto ticos como de
factibilidad,para realizar biopsias a mujeres con mamografas
negativas. Como conse-cuencia de ello, en muchos de estos estudios
el patrn de referencia se reali-za a la mayor parte de los
pacientes con resultado positivo de la prueba, yslo a una pequea
parte de los que tienen resultado negativo, lo que da lu-gar al
denominado sesgo de referencia o de verificacin parcial. Otros
auto-res resuelven el problema, aplicando a los pacientes con
resultado negativoen la prueba en evaluacin otro patrn de
referencia diferente (sesgo de ve-rificacin diferencial), por
ejemplo el seguimiento en el tiempo. Ambas so-luciones, si bien con
frecuencia son las nicas disponibles, incumplen laasuncin de
independencia entre pruebas y daran lugar a una sobrestima-cin del
rendimiento diagnstico. Lijmer et al13 sealan que cuando se
usandiferentes patrones de referencia, el ndice de rendimiento
global se sobres-tima multiplicndose por 2, aunque,
sorprendentemente, no encuentran nin-guna sobrestimacin producida
por el sesgo de verificacin parcial. Lostems 3-7 de QUADAS tratan
de identificar estos potenciales defectos.
Enmascaramiento en la interpretacin de las pruebas
Siguiendo con el ejemplo de la mamografa, parece claro que una
imagenradiolgica dudosa ser interpretada de modo distinto,
seguramente ms pa-recido a la biopsia, si se conoce el resultado de
sta. Por ello, para evaluarla validez de la mamografa, ambas
pruebas deben interpretarse sin que seconozca el resultado de la
otra. Esta exigencia es tanto ms importantecuanto mayor componente
de interpretacin subjetiva tengan las pruebas en
cuestin. Lijmer et al13 indican que, efectivamente, la falta de
enmascara-miento sobrestima el ndice de rendimiento global en un
30%. Los tems 10y 11 de QUADAS tratan de identificar si hay, o no,
enmascaramiento.Los tems 8 y 9 exploran el nivel de detalle de la
descripcin de las pruebas,y los tems 12-14 los problemas
relacionados con la generabilidad en laaplicacin de la prueba.Por
ltimo, hay que tener en cuenta que el inters clnico de una
pruebadiagnstica, ms all de cmo clasifica a los pacientes, reside
en que los pa-cientes en los que se usa presenten mejores
resultados que aquellos en losque no se usa (pregunta que
corresponde a la denominada fase IV de la in-vestigacin sobre
diagnstico11), y que el diseo ptimo para contestar a es-ta pregunta
es el ensayo clnico aleatorizado; sin embargo, en la
literaturamdica apenas hay ensayos de este tipo y todava se debate
cundo y cmodeberan hacerse14.
Bibliografa1. Prez Fernndez M, Gervas J. El efecto cascada:
implicaciones clni-
cas, epidemiolgicas y ticas. Med Clin (Barc). 2002;118:65-7.2.
The Editors. Diagnosis, diagnosis, diagnosis. BMJ. 2002;324:0-
doi:10.1136/bmj.324.7336.0/g3. Latour J. El diagnstico. Quaderns
de salut pblica i administraci de
serveis de salut, 21. Valencia: Escola Valenciana dEstudis per a
la Sa-lut; 2003.
4. Reid MC, Lachs MS, Feinstein AR. Use of methodological
standards indiagnostic test research. Getting better but still not
good. JAMA. 1995;274:645-51.
5. Rutjes AW, Reitsma JB, Di Nisio M, Smidt N, Van Rijn JC,
Bossuyt PM.Evidence of bias and variation in diagnostic accuracy
studies. CMAJ.2006;174:469-76.
6. Mijnhout GS, Hoekstra OS, Van Tulder MW, Teule GJ, Devill
WL.Systematic review of the diagnostic accuracy of
(18)F-fluorodeoxyglu-cose positron emission tomography in melanoma
patients. Cancer.2001;91:1530-42.
7. Jaeschke R, Guyatt G, Sackett DL. Users guides to the medical
litera-ture. III. How to use an article about a diagnostic test. B.
What were theresults and will they help me in caring for my
patients? Evidence-Ba-sed Medicine Working Group. JAMA.
1994;271:703-7.
8. Emparanza JI. Manual de supervivencia CASPe (para talleres y
des-pus). Alicante: CASPe; 2005.
9. Bossuyt PM, Reitsma JB, Bruns DE, Gatsonis CA, Glasziou PP,
IrwigLM, et al. Towards complete and accurate reporting of studies
ofdiagnostic accuracy: the STARD Initiative. Ann Intern Med.
2003;138:40-4.
10. Whiting P, Rutjes AW, Reitsma JB, Bossuyt PM, Kleijnen J.
The deve-lopment of QUADAS: a tool for the quality assessment of
studies ofdiagnostic accuracy included in systematic reviews. BMC
Med ResMethodol. 2003;3:25.
11. Sackett DL, Haynes RB. Evidence base of clinical diagnosis:
the archi-tecture of diagnostic research. BMJ. 2002;324:539-41.
12. Glas AS, Lijmer JG, Prins MH, Bonsel GJ, Bossuyt PM. The
diagnos-tic odds ratio: a single indicator of test performance. J
Clin Epidemiol.2003;56:1129-35.
13. Lijmer JG, Mol BW, Heisterkamp S, Bonsel GJ, Prins MH, Van
derMeulen JH, Bossuyt PM. Empirical evidence of design-related bias
instudies of diagnostic tests. JAMA. 1999;282:1061-6.
14. Sarah JL, Les I, Simes RJ. When Is Measuring Sensitivity and
Specifi-city Sufficient To Evaluate a Diagnostic Test, and When Do
We NeedRandomized Trials? Ann Intern Med. 2006;144:850-5.
FMC. 2008;15(7):460-83 461
15b APBE (460-483).qxp 24/7/08 11:28 Pgina 461
