Qué hace esta calculadora
Esta herramienta mide el rendimiento de una prueba diagnóstica binaria o de un modelo de clasificación. A partir de las cuatro celdas de una matriz de confusión 2×2 —verdaderos positivos (VP), falsos negativos (FN), verdaderos negativos (VN) y falsos positivos (FP)— calcula la sensibilidad, la especificidad, los valores predictivos positivo y negativo (VPP/VPN) y la exactitud global. Son métricas muy utilizadas en medicina, epidemiología y aprendizaje automático.
Cómo usarla
Introduce el número de casos de cada resultado obtenido en tu estudio o modelo. Un resultado «positivo» suele significar que la condición está presente (o que el modelo predice la clase positiva). Los VP y los FP son los casos que la prueba clasificó como positivos; los VN y los FN son los que clasificó como negativos. Pulsa «calcular» para ver las cinco métricas expresadas en porcentaje.
Las fórmulas explicadas
Sensibilidad $$\text{Sensibilidad} = \frac{\text{VP}}{\text{VP} + \text{FN}} \times 100\%$$ indica con qué eficacia la prueba detecta los casos reales: un valor alto significa que se escapan pocos pacientes enfermos. Especificidad $$\text{Especificidad} = \frac{\text{VN}}{\text{VN} + \text{FP}} \times 100\%$$ indica con qué eficacia descarta a las personas sanas: un valor alto significa pocas falsas alarmas. El $$\text{VPP} = \frac{\text{VP}}{\text{VP} + \text{FP}} \times 100\%$$ es la probabilidad de que un resultado positivo sea real, y el $$\text{VPN} = \frac{\text{VN}}{\text{VN} + \text{FN}} \times 100\%$$ es la probabilidad de que un resultado negativo lo sea de verdad. La exactitud $$\text{Exactitud} = \frac{\text{VP} + \text{VN}}{\text{VP} + \text{FN} + \text{VN} + \text{FP}} \times 100\%$$ resume el acierto general.
Ejemplo resuelto
Imagina una prueba con VP = 90, FN = 10, VN = 80 y FP = 20.
$$\text{Sensibilidad} = \frac{90}{90 + 10} = 90\,\%$$ $$\text{Especificidad} = \frac{80}{80 + 20} = 80\,\%$$ $$\text{VPP} = \frac{90}{90 + 20} \approx 81{,}82\,\%$$ $$\text{VPN} = \frac{80}{80 + 10} \approx 88{,}89\,\%$$ $$\text{Exactitud} = \frac{90 + 80}{200} = 85\,\%$$Interpretación de la sensibilidad, la especificidad, el VPP y el VPN
Sensibilidad es la proporción de personas que realmente tienen la afección y que la prueba identifica correctamente como positivas: \(\text{TP}/(\text{TP}+\text{FN})\). Especificidad es la proporción de personas sin la afección que la prueba descarta correctamente: \(\text{TN}/(\text{TN}+\text{FP})\).
- Sensibilidad alta (SnNout): pocos falsos negativos, por lo que un resultado negativo ayuda a descartar la afección.
- Especificidad alta (SpPin): pocos falsos positivos, por lo que un resultado positivo ayuda a confirmar la afección.
- Sensibilidad baja: se pasan por alto muchos casos, por lo que un resultado negativo no es muy tranquilizador.
- Especificidad baja: muchas personas sanas dan positivo, por lo que un resultado positivo necesita confirmación.
El compromiso del punto de corte
La mayoría de las pruebas producen un valor continuo (una puntuación, una concentración, una probabilidad) que se convierte en positivo o negativo mediante un punto de corte. Bajar el punto de corte suele aumentar la sensibilidad pero reducir la especificidad. Subirlo hace lo contrario. Ningún umbral mejora ambas a la vez para una prueba dada, así que el punto de corte adecuado depende del costo relativo de los casos no detectados frente a las falsas alarmas. Una curva ROC representa este compromiso para todos los umbrales.
El VPP y el VPN dependen de la prevalencia
El VPP es \(\text{TP}/(\text{TP}+\text{FP})\) y el VPN es \(\text{TN}/(\text{TN}+\text{FN})\). A diferencia de la sensibilidad y la especificidad, cambian según lo común que sea la afección en el grupo evaluado. Cuando la prevalencia es baja, incluso una buena prueba produce muchos falsos positivos en comparación con los verdaderos positivos, así que el VPP baja y el VPN sube. Cuando la prevalencia es alta, ocurre lo contrario. El VPP y el VPN de un estudio solo se aplican a poblaciones con una prevalencia similar. Véase la tabla siguiente.
Límites de la exactitud
La exactitud es \((\text{TP}+\text{TN})/\text{total}\). Con datos desequilibrados puede inducir a error. Si solo el 1 % de una muestra tiene la afección, una prueba que clasifique a todos como negativos tiene una exactitud del 99 % pero una sensibilidad del 0 %. Interprete siempre la exactitud junto con la sensibilidad, la especificidad y el VPP/VPN.
Estas cifras describen la muestra que usted introduce. Están sujetas a incertidumbre muestral y son información general, no consejo médico personal. Analice cualquier resultado individual con un profesional sanitario cualificado.
Cómo la prevalencia modifica el VPP y el VPN
La tabla supone una prueba con 90 % de sensibilidad y 90 % de especificidad aplicada a 10 000 personas. Solo cambia la prevalencia.
| Prevalencia | VP | FN | VN | FP | VPP | VPN | Exactitud |
|---|---|---|---|---|---|---|---|
| 1 % | 90 | 10 | 8.910 | 990 | 8,33 % | 99,89 % | 90 % |
| 5 % | 450 | 50 | 8.550 | 950 | 32,14 % | 99,42 % | 90 % |
| 10 % | 900 | 100 | 8.100 | 900 | 50,00 % | 98,78 % | 90 % |
| 25 % | 2.250 | 250 | 6.750 | 750 | 75,00 % | 96,43 % | 90 % |
| 50 % | 4.500 | 500 | 4.500 | 500 | 90,00 % | 90,00 % | 90 % |
Comprobación con una prevalencia del 1 %
Enfermos: 10 000 × 0,01 = 100, por lo que VP = 100 × 0,90 = 90 y FN = 10. Sanos: 9 900, por lo que VN = 9 900 × 0,90 = 8 910 y FP = 990.
$$\text{VPP} = \frac{90}{90+990} = \frac{90}{1080} \approx 8{,}33\%, \qquad \text{VPN} = \frac{8910}{8910+10} = \frac{8910}{8920} \approx 99{,}89\%$$
Conclusión: con la misma prueba, un resultado positivo es correcto solo unas 1 veces de cada 12 con una prevalencia del 1 %, pero 9 de cada 10 con una prevalencia del 50 %. La exactitud se mantiene en 90 % en todas las filas, lo que muestra por qué la exactitud por sí sola oculta este efecto.
Términos clave y glosario
- Matriz de confusión
- Una tabla de 2×2 que cruza los resultados de la prueba (positivo/negativo) con la afección real (presente/ausente). Sus cuatro celdas son VP, FP, FN y VN.
- Verdadero positivo (VP)
- Persona con la afección a la que la prueba etiqueta correctamente como positiva.
- Falso positivo (FP)
- Persona sin la afección a la que la prueba etiqueta erróneamente como positiva.
- Verdadero negativo (VN)
- Persona sin la afección a la que la prueba etiqueta correctamente como negativa.
- Falso negativo (FN)
- Persona con la afección a la que la prueba etiqueta erróneamente como negativa.
- Sensibilidad (exhaustividad, tasa de verdaderos positivos)
- VP / (VP + FN). La proporción de personas con la afección que dan positivo.
- Especificidad (tasa de verdaderos negativos)
- VN / (VN + FP). La proporción de personas sin la afección que dan negativo.
- Valor predictivo positivo (VPP, precisión)
- VP / (VP + FP). La proporción de resultados positivos que son verdaderos positivos.
- Valor predictivo negativo (VPN)
- VN / (VN + FN). La proporción de resultados negativos que son verdaderos negativos.
- Exactitud
- (VP + VN) / (VP + FP + VN + FN). La proporción de todos los resultados que son correctos.
- Prevalencia
- (VP + FN) / total. La proporción del grupo evaluado que tiene la afección.
- Tasa de falsos positivos
- FP / (FP + VN), que equivale a 1 − especificidad.
- Tasa de falsos negativos
- FN / (FN + VP), que equivale a 1 − sensibilidad.
Preguntas frecuentes
¿Cuál es la diferencia entre sensibilidad y especificidad? La sensibilidad mide hasta qué punto una prueba detecta a las personas que tienen la condición; la especificidad mide hasta qué punto identifica correctamente a quienes no la tienen.
¿Por qué el VPP y el VPN difieren de la sensibilidad y la especificidad? Los valores predictivos dependen de la prevalencia de la enfermedad en tu muestra, mientras que la sensibilidad y la especificidad son propiedades intrínsecas de la prueba.
¿Puede una prueba ser 100 % sensible y aun así inútil? Sí: una prueba que clasifica a todo el mundo como positivo es 100 % sensible pero 0 % específica, por lo que ambos valores deben interpretarse juntos.