Curvas ROC: características generales y su uso en la práctica clínica / ROC curves: general characteristics and their usefulness in clinical practice

Resumen

Resumen

El uso de pruebas diagnósticas para determinar la presencia o ausencia de una enfermedad es esencial en la práctica clínica. Los resultados de una prueba diagnóstica pueden corresponder a estimaciones numéricas que requieren parámetros cuantitativos de referencia para trasladarse a una interpretación dicotómica como normal o anormal y así, implementar acciones para la atención de una condición o una enfermedad. Por ejemplo, en el diagnóstico de anemia es necesario definir un punto de corte para la variable hemoglobina y crear dos categorías que distingan la presencia o no de anemia. El método utilizado para este proceso es la elaboración de curvas de rendimiento diagnóstico, mejor conocidas por sus siglas en inglés como ROC (Receiver Operating Characteristic). La curva ROC además es útil como marcador pronóstico, ya que permite definir el punto de corte de una variable cuantitativa que se asocia a mayor mortalidad o riesgo de complicaciones. Se han usado en distintos marcadores pronósticos en COVID-19, como el índice neutrófilos/linfocitos y dímero D, en los que se identificaron puntos de corte asociados a mortalidad y/o riesgo de ventilación mecánica. La curva ROC se utiliza para evaluar el rendimiento diagnóstico de una prueba de forma aislada, pero también se puede usar para comparar el rendimiento de dos o más pruebas diagnósticas y definir aquella que es más precisa. En este artículo se describen los conceptos básicos para el uso e interpretación de la curva ROC, la interpretación de un área bajo la curva (ABC) y la comparación de dos o más pruebas diagnósticas.

Abstract

The use of diagnostic tests to determine the presence or absence of a disease is essential in clinical practice. The results of a diagnostic test may correspond to numerical estimates that require quantitative reference parameters to be transferred to a dichotomous interpretation as normal or abnormal and thus implement actions for the care of a condition or disease. For example, in the diagnosis of anemia it is necessary to define a cut-off point for the hemoglobin variable and create two categories that distinguish the presence or absence of anemia. The method used for this process is the preparation of diagnostic performance curves, better known by their acronym in English as ROC (Receiver Operating Characteristic). The ROC curve is also useful as a prognostic marker, since it allows defining the cut-off point of a quantitative variable that is associated with greater mortality or risk of complications. They have been used in different prognostic markers in COVID-19, such as the neutrophil/lymphocyte ratio and D-dimer, in which cut-off points associated with mortality and/or risk of mechanical ventilation were identified. The ROC curve is used to evaluate the diagnostic performance of a test in isolation, but it can also be used to compare the performance of two or more diagnostic tests and define which one is more accurate. This article describes the basic concepts for the use and interpretation of the ROC curve, the interpretation of an area under the curve (AUC) and the comparison of two or more diagnostic tests.