La curva de características de receptor-operador (ROC)


Las curvas de características de receptor-operador (ROC, por sus siglas en inglés) son herramientas importantes que describen la certeza o validez de las pruebas diagnósticas, que es la capacidad de una prueba de diagnosticar correctamente a los que padecen o portan una condición y a los que carecen de ella. Las curvas ROC se emplean cuando la variable resultado objeto del diagnóstico se mide en escala cuantitativa, estableciendo un punto de corte por arriba del cual un resultado se consideraría como positivo o presente una condición, como es el caso del diagnóstico de diabetes, HIV, embarazo, etc.

Debe recordarse que en el diagnóstico de una variable resultado de tipo cuantitativa, cuanto menor sea el valor establecido como punto de corte para el diagnóstico, mayor será la sensibilidad de la prueba pero conllevará un mayor porcentaje de resultados falsos positivos, y al mismo tiempo menor será la sensibilidad de la prueba y menor el porcentaje de resultados falsos negativos.

En una prueba diagnóstica en general es deseable establecer un punto de corte que en el cual los valores de la sensibilidad y especificidad de la prueba sean los mayores. El cálculo del punto de corte en el cual una prueba presenta la mejor relación sensibilidad/especificidad está dado por índice de Youden (J), que se calcula mediante la siguiente fórmula:

J=sensibilidad + especificidad – 1.

Cuando una prueba diagnóstica es perfecta (sensibilidad y especificidad de 100%), el valor de J es 1, y cuando una prueba no tiene valor diagnóstico el valor de J es cero. No obstante, en algunos casos, como es el caso de las pruebas confirmatorias, es deseable contar con una prueba que tenga baja tasa de falsos positivos; en este caso se establece un punto de corte de la prueba que permita una alta especificidad.

Las curvas ROC son una representación gráfica de la relación directa entre sensibilidad y falsos positivos, y entre especificidad y falsos negativos; y también la relación inversa existente entre la sensibilidad y la especificidad; entre sensibilidad y falsos negativos, y entre especificidad y falsos positivos. Las curvas ROC permiten determinar, de forma gráfica, el punto de corte en el cual una prueba muestra la mejor relación sensibilidad/especificidad.

La gráfica abajo muestra una curva ROC de un estudio que ilustra los posibles puntos de corte para el diagnóstico de diabetes con base a la glucemia postprandial de 2 horas.

En el eje de las Y, del lado izquierdo, se encuentran los valores para la sensibilidad de la prueba, y en el eje de las abscisas (abajo), los valores de los falsos positivos (1 – especificidad). Nótese la relación directa entre sensibilidad y falsos positivos. Por otro lado, puede observarse la relación inversa entre la sensibilidad y la especificidad (eje de las abscisas arriba), y los falsos negativos (eje de las Y a la derecha).

Debajo de la curva ROC están contenidos todos los valores verdaderos positivos y verdaderos negativos, por lo que el cálculo del área debajo de la curva permite calcular la certeza diagnóstica de la prueba.

En el próximo artículo explicaremos la utilidad de la curva ROC mediante un ejemplo.
Dr. José Luis González F.
Médico ginecólogo-obstetra
joselufont3@gmail.com