La incapacidad para hacer pruebas masivas a la población y la falta de una muestra representativa son dos de los grandes problemas para contener el covid-19. Pero existe una dificultad añadida: ¿son los tests que detectan el virus lo suficientemente precisos?
Para poder responder esta pregunta primero tenemos que ponernos de acuerdo acerca de qué significa “precisión”.
Precisión
El concepto de precisión se maneja con cierta ligereza por parte de cualquier persona, con o sin conocimientos estadísticos. Es parte de nuestro vocabulario ordinario. La precisión es una medida de la capacidad de acertar en algo. Decimos que hemos medido con precisión la altura de una persona si el dato que hemos obtenido se acerca mucho a la realidad.
En la detección de una enfermedad, no medimos una cantidad (como los centímetros de altura), sino un resultado binario: positivo (tiene el virus) o negativo (no tiene el virus). En estos casos definimos la precisión como
PRECISIÓN = Nº DE CASOS CORRECTAMENTE CLASIFICADOS / TOTAL DE CASOS
Es decir, la precisión es el porcentaje de personas que hemos diagnosticado correctamente, ya sea porque tienen el virus y hemos diagnosticado un caso positivo, o porque no lo tienen y hemos diagnosticado un caso negativo.
Cuanto más preciso es un método de diagnóstico (o test) del virus, mejor. Pero ¿qué nivel de precisión necesitamos? ¿Es suficiente el hecho de que un test sea preciso para que podamos confiar en los resultados que obtenemos? ¿Un test altamente preciso nos ayuda a tomar medidas contra el covid-19?
Sensibilidad y especificidad
El problema de la precisión como medida es que depende de la prevalencia de la enfermedad: el porcentaje de la población que padece la enfermedad.
Veamos el siguiente ejemplo. Supongamos que el covid-19 solo ha afectado a 1 de cada 1,000 personas, una prevalencia de 0,1% (lamentablemente, no es así). Un fabricante crea un test rápido que siempre da el mismo resultado: negativo. Estés o no estés infectado, el test siempre dice que no estás infectado. ¿Qué precisión tiene este test?
Intuitivamente, el test parece malo. Pero si calculamos la precisión nos llevaremos una sorpresa. Supongamos que hacemos el test a una muestra de 1,000 personas y que ésta representa perfectamente a la población, es decir, realmente hay 1 infectado y 999 no infectados. El test indica que los 1,000 casos son negativos (no infectados). Los 999 no infectados los hemos diagnosticado bien (son verdaderos negativos) y el único infectado lo hemos diagnosticado mal (es un falso negativo).
La precisión resultante es
PRECISIÓN = 999 ACIERTOS / 1,000 CASOS = 99,9%
Increíble, ¿verdad? Tenemos un test que no hace absolutamente nada, pero tiene una precisión del 99,9%.
Esto es así porque la precisión depende de la prevalencia de la enfermedad en la población, no solo de lo bueno que sea el test. Por eso los fabricantes nunca hablan de precisión, hablan de sensibilidad y especificidad, que se definen como sigue:
La sensibilidad es el porcentaje de aciertos de la prueba sobre personas realmente infectadas. Es decir, la precisión sobre los infectados.
La especificidad es el porcentaje de aciertos de la prueba sobre personas no infectadas, es decir, la precisión sobre no infectados.
Estos dos números ya no dependen de la prevalencia de la enfermedad. Haya mucha o poca población infectada, la sensibilidad y la especificidad no cambian, son propiedades del test y no de la población.
En el ejemplo anterior (el test que siempre da negativo), la sensibilidad es 0% y la especificidad es 100%. Nadie quiere usar un test con sensibilidad 0%, porque no detecta a ningún enfermo.
El caso del covid-19
No sabemos qué porcentaje de la población está infectada, justamente es lo que queremos medir. Hay autores que hablan de un 1% de la población, otros del 5% y otros llegan hasta el 15%. Tomemos el primer caso, una prevalencia del 1%.
Existen 3 tipos de pruebas:
1. El PCR, considerada la prueba más fiable, pero más lenta y costosa. Se habla de una sensibilidad y una especificidad por encima del 90%, pongamos del 98% para nuestro ejemplo.
2. TEST RÁPIDOS 1 (TR1), que a partir de muestras sanguíneas detectan anticuerpos creados por el organismo para combatir el virus. Tienen menos sensibilidad y especificidad. Se habla de un máximo en condiciones de laboratorio del 90% y 88% respectivamente. Aunque en entornos reales seguro que estos valores son menores, los tomaremos para nuestro ejemplo.
3. TESTS RÁPIDOS 2 (TR2), que a partir de muestras respiratorias detectan proteínas generadas por el virus. Muchos de estos test han generado gran polémica porque algunos estudios han mostrado una sensibilidad muy baja, entre el 30% y el 50%. Para nuestro ejemplo, consideraremos una sensibilidad del 50% y una especificidad del 88%, como los test sanguíneos.
Si la enfermedad tiene una prevalencia del 1%, ¿qué precisión nos daría cada test?
Precisión PCR = 1% x 98% + 99% x 98% = 98.0%
Precisión TR1 = 1% x 90% + 99% x 88% = 88.0%
Precisión TR2 = 1% x 50% + 99% x 88% = 87.6%
El PCR, al tener igual sensibilidad y especificidad, resulta también en la misma precisión. El PCR acierta en un 98% de los casos, siempre. La sorpresa está en los test rápidos: el primero es mucho mejor que el segundo detectando positivos, pero como la prevalencia de la enfermedad es baja, la precisión global es casi la misma.
Supongamos que la enfermedad realmente está mucho más extendida, la padece un 15% de la población. La precisión de cada método resultaría
Precisión PCR = 15% x 98% + 85% x 98% = 98.0%
Precisión TR1 = 15% x 90% + 85% x 88% = 88.3%
Precisión TR2 = 15% x 50% + 85% x 88% = 82.3%
Confirmamos que la precisión del PCR no se ve alterada. Y ahora sí, el test rápido 1 se muestra mejor que el 2.
¿Cómo deben ser los tests, sensibles o específicos?
El ejemplo anterior nos muestra que la precisión en sí misma no es tan importante. La pregunta fundamental que nos debemos plantear es: en caso de que una prueba falle, ¿qué preferimos, dar como negativo a un infectado, o dar como positivo a un no infectado?
La respuesta impulsiva nos inclina a la primera opción: mejor fallar con un sano pensando que está enfermo. Esto no siempre es cierto.
Imagina que hablamos de una enfermedad incurable severa en la que el tratamiento paliativo produce graves efectos al paciente. Dar como positivo a alguien sano tiene dos efectos terribles: además del estrés psicológico de anunciar a un paciente sano que está enfermo, podemos deteriorar su estado de salud con un tratamiento agresivo que no necesitaba.
Sin embargo, en el caso del covid-19, no estamos en esa situación. Veamos el daño que produce cada tipo de error.
Si diagnóstico como negativo a una persona infectada: Si la persona se encuentra bien, se irá a su casa y pensará que no puede infectar a nadie. Sin embargo, estará infectando a familiares, amigos, personal sanitario… Si además empieza a encontrarse mal, tardará en ir al hospital porque piensa que está sano, poniendo en peligro su salud.
Si diagnóstico como positivo a una persona no infectada: Esa persona se aislará para no transmitir un virus que realmente no tiene. Estará pendiente de sus síntomas, pero estos nos aparecerán salvo que sea hipocondriaca. Y poco más.
La respuesta parece obvia. Preferimos test con alta sensibilidad, aunque sea a costa de una menor especificidad. El riesgo de falsos positivos es mayor que el de falsos negativos. Es por esta razón que noticias como esta deberían preocuparnos. El daño que hacen los test con baja sensibilidad es muy serio.
