Interpretação de um teste sob a visão epidemiológica: eficiência de um teste

Abstract

A evolução do raciocínio na interpretação dos fenôme-nos naturais, através dos tempos, trouxe, como conseqüên-cia, as bases matemáticas do pensamento científico. Na medicina não foi diferente: a observação dos fenômenos biológicos, a procura de soluções para diminuir o impacto das doenças e a necessidade de se provar, cientificamente, a eficácia de métodos propedêuticos e de procedimentos terapêuticos abriu as portas para o que, hoje, se denomina medicina baseada em evidências. Thomas Bayes, um matemático inglês do século XVII legou-nos o seu teorema que estabeleceu que a probabili-dade pós-teste de uma doença era função da sensibilidade e especificidade do exame e da prevalência da doença na po-pulação (probabilidade pré-teste). Nós médicos, ao formu-larmos as nossas hipóteses diagnósticas, ao interpretar-mos os exames laboratoriais e ao prescrevermos um trata-mento, intuitivamente. utilizamos o teorema de Bayes. Hoje, vivemos a era da alta tecnologia em que as pessoas, fre-qüentemente, tendem a interpretar a positividade de um exa-me sofisticado e caro como sinônimo de doença. Não deve-mos esquecer que todos os exames, sem exceção, desde o corriqueiro exame clínico até uma tomografia computadori-zada, estão limitados pela sensibilidade, especificidade e valor preditivo pré-teste. Defenderemos, nesta apresentação, a introdução de um simples e novo conceito (baseado em antigos e conheci-dos conceitos), que, provisoriamente, poderíamos denomi-ná-lo de eficiência de um teste (Ef), como uma arma epide-miológica e propedêutica. Não encontramos nenhuma cita-ção sobre o presente conceito proposto, tanto na literatura nacional como na de língua inglesa. Esta explicação tornar-se-á mais didática se relembrarmos esses velhos conheci-mentos básicos de epidemiologia clínica (tab. I). Sensibilidade (s)-é a probabilidade de um indivíduo avaliado e doente de ter seu teste alterado (positivo). s = número de indivíduos doentes e com teste positi-vo/número total de indivíduos doentes; ou: s = VP / (VP + FN) (equação 1) Especificidade (e)-é a probabilidade de um indivíduo avaliado e normal ter seu teste normal (negativo). e = número de indivíduos normais e com teste negati-vo/número total de indivíduos normais; ou: e = VN/(VN + FP) (equação 2) Prevalência (p): é a fração de indivíduos doentes na população total avaliada. p = número de indivíduos doentes / número de indiví-duos da população; ou: p = Do/n (equação 3) (onde: Do = doentes; n = população) Valor preditivo positivo (VPP): é a probabilidade de um indivíduo avaliado e com resultado positivo ser realmente doente. VPP = VP / (VP + FP) (equação 4) Valor preditivo negativo (VPN): é a probabilidade de um indivíduo avaliado e com resultado negativo ser real-mente normal. VPN = VN / (VN + FN) (equação 5) A partir dos dados expostos podemos delinear as se-guintes fórmulas: Se: Do = p. n, Sa = (1-p). n, VP = s. Do, VN = e. Sa FP = (1-e). Sa e FN = (1-s). Do Onde Sa = Sadios Então: VP = s. p. n (equação 6) VN = e. (1-p). n (equação 7) FP = (1-e). (1-p). n (equação 8) FN = (1-s). p. n (equação 9) Do mesmo modo: VPP = VP / (VP + FP) VPP = s. p. n / [s. p. n + (1-e). (1-p). n] VPP = s. p / [ s. p + (1-e). (1-p)] (equação 10) Do mesmo modo: VPN = VN / (VN + FN) VPN = e.(1-p). n / [e. (1-p). n + (1-s). p. n] VPN = e. (1-p) / [ e. (1-p) + (1-s). p ] (equação 11)