LA LOGICA DIAGNOSTICA NEL LABORATORIO

Al fine di formulare una corretta diagnosi il medico adotta tutta una serie di strategie che prevedono la analisi di tutti i rilievi clinici che vengono ricercati in prima istanza nella fase dell’ anamnesi di un paziente fino all’esame obiettivo Dall’insieme delle valutazioni di tali risultati il medico clinico estrapola i sintomi guida che possono essere assemblati in complessi sindromici o possono essere messi in relazione a quadri morbosi noti, al fine di arrivare ad una preliminare ma importante ipotesi diagnostica

Per confermare o smentire tale ipotesi occorre che il clinico adotti una strategia fatta di: impiego di tests di laboratorio, una indagine radiologica, ove necessaria, un consulto con un collega specialista nella branca dove la malattia e fortemente sospettiva A proposito delle indagini di laboratorio i tests devono essere richiesti in maniera sequenziale, in quanto ogni test è la diretta conseguenza di un dato precedente, oppure richiedere in contemporanea più tests tutti eseguibili in maniera omogenea e automatizzata

Tale ultimo modo riduce sicuramente i tempi diagnostici, anche se comporta spesso la esecuzione di esami non strettamente legati alle esigenze diagnostiche del paziente Spesso la valutazione di un dato di laboratorio comporta problemi interpretativi di vario genere : Anche pochi risultati immediati possono gia essere discriminanti per una rapida e corretta diagnosi, senza per forza andare alla ricerca di risultati analitici spesso fuorvianti La non chiarezza interpretativa di più risultati di laboratorio spesso porta il medico alla ricerca di analiti diversi e magari di scarsa richiesta che impegnano giorni di lavoro prima di avere un risultato che può a volte non essere del tutto liberatorio da dubbi diagnostici Il più delle volte anche un solo risultato può dare al clinico una risposta talmente esaudiente da consentire un approccio terapeutico rapido ed efficace (vedi la determinazione di un farmaco in circolo)

Per una corretta valutazione di un test è necessario conoscere alcune caratteristiche peculiari del risultato del test, quali sensibilità, specificità, diagnostica, incidenza e prevalenza della malattia nella popolazione osservata (valore predittivo) Per sensibilità si intende la incidenza di risposte positive che si ottengono applicando il test a pazienti affetti da malattia e si esprime come rapporto percentuale tra veri positivi e totali (veri positivi + falsi negativi): un test con il 100 % di sensibilità vuol dire che fornisce 100 risposte positive quando applicato a 100 pazienti affetti da malattia

Sensibilità = --------------------- X 100 Oggi si parla di positività in corso di malattia e può essere espresso con la seguente formula: VP Sensibilità = --------------------- X 100 VP + FN Dove VP indica la proporzione dei risultati correttamente classificati dal test come veri positivi e FN la proporzione dei soggetti ammalati classificati invece erroneamente come negativi dal test

Specificità = ------------------- X 100 Con il termine di specificità diagnostica o clinica di un test si intende l’incidenza di risultati negativi che si ottengono applicando il test a pazienti non portatori della malattia e viene espressa come rapporto percentuale tra veri negativi e totali (veri negativi + falsi positivi): ciò vuol dire che se il test applicato a 100 persone sane dà 100 risultati negativi, la sua specificità è del 100 % Per dare un senso con l’ altra definizione oggi si parla di negatività nello stato di salute e viene anch’essa espresso dalla formula: VN Specificità = ------------------- X 100 VN + FP

Dove VN indica la proporzione dei risultati classificati correttamente dal test come veri negativi e FP la proporzione dei soggetti sani classificati erroneamente dal test come positivi Quindi un buon test deve essere molto sensibile e molto specifico, cioè deve dare risultati positivi nei soggetti malati e negativi nei soggetti sani Un test di laboratorio ideale dovrebbe avere il 100 % di sensibilità diagnostica ed il 100 % di specificità diagnostica, cioè i risultati non normali dovrebbero individuare infallibilmente i soggetti portatori della malattia indagata

Sensibilità e specificità sono comunque interdipendenti, cioè non è possibile aumentare la specificità di un test se non abbassiamo la sua sensibilità e viceversa A tal proposito si introduce il concetto del cosiddetto cut off point o valore di normalità: la possibilità di poter variare questo effetto discriminante è tanto maggiore quanto più ampia è la sovrapposizione tra le distribuzioni dei valori ottenuti nella popolazione di soggetti sani e nei soggetti malati E’ quindi logico pensare come ogni sforzo è diretto a restringere la zona grigia di sovrapposizione delle due curve di distribuzione, migliorando la sensibilità e la specificità del test

Concetto di prevalenza : corrisponde alla frequenza della malattia in una popolazione in un determinato momento espressa come numero di pazienti su 100000 persone Concetto di incidenza: è il numero di pazienti su 100000 individui che nel corso di un anno contraggono la malattia E’ logico pensare che le forme acute di malattia hanno una bassa prevalenza ed un alta incidenza, e viceversa per le forme croniche Prevalenza = incidenza x durata della malattia

Il valore predittivo invece è inteso come una probabilità di presenza di una specifica malattia nel gruppo considerato che influenza grandemente la predittività dei tests diagnostici Si intende valore predittivo positivo la frequenza dei soggetti portatori della malattia che, indagati con il test in questione, hanno presentato risultati positivi che si ottengono quando il test è applicato ad una popolazione mista di soggetti sani e malati:

VP = --------------------- x 100 VP+FP dove VP si intendono i veri positivi e FP i falsi positivi

VN = --------------------- x 100 e valore predittivo negativo, ovvero la frequenza dei soggetti non portatori della malattia che, indagati con il test, hanno presentato risultati negativi VN VN = --------------------- x 100 VN+FN Dove VN si intendono i veri negativi e FN i falsi negativi

Concetto di efficienza: viene rappresentata come il rapporto percentuale fra risultati veri (positivi + negativi) e risultati totali Per avere un quadro più chiaro di questi concetti bisogna rifarsi all’ esempio della Tabella 9.1 E’ chiaro pensare che il concetto di prevalenza ed incidenza sono strettamente correlate e dipendenti dalla sensibilità e dalla specificità e come la prevalenza abbia un forte impatto sul valore predittivo di un test

TEOREMA DI BAYES Il calcolo del valore predittivo di un test viene impiegato utilizzando il cosiddetto Teorema di Bayes (prevalenza) (sensibilità) VP= ----------------------------------------------------------- (prevalenza)(sensibilità)+(1-prevalenza)(1-specificità)

Questa formula sta ad indicare che il valore predittivo di un test varia non solo in funzione della specificità e delle sensibilità, ma anche in funzione della prevalenza della malattia nella popolazione esaminata e ciò riveste particolare importanza sia nello screening di medicina preventiva sia nelle diagnosi di malattie allo stato iniziale, che nelle malattie metaboliche (diabete, gotta)

Grande importanza riveste il costo clinico che può derivare da una diagnosi errata: occorre tenere in considerazione la pericolosità della malattia, la sua curabilità Sarà infatti accettabile un numero anche elevato di falsi positivi nello screening di una malattia potenzialmentre mortale che contempli una terapia sicura e senza controindicazioni In questo caso è difficile la scelta più opportuna del valore discriminante A tal proposito è utile applicare la cosiddetta curva ROC espressa nella Fig. 9.5 Da tale curva si evince che il valore discriminante che minimizza la frequenza degli errori diagnostici nella curva ROC corrisponde al punto C in cui la tangente alla curva presenta un coefficiente angolare di 1

Il Teorema di Bayes riveste grande importanza nella diagnostica clinica in quanto chiarifica il passaggio che esiste tra patologia e clinica, dimostra la centralità della frequenza di una malattia nella valutazione di un risultato di un test, e può darci un quadro probabilistico della sequenza di un processo diagnostico Vantaggi: è essenziale per capire come si modifica un test e la probabilità a priori di una malattia Svantaggi: non risolve complessi quesiti diagnostici al letto del malato, situazione nella quale il ragionamento clinico è di fondamentale importanza

LIVELLI DECISIONALI Nell’ambito di una ampia gamma di possibilità di scelta di valori di riferimento normali e patologici è possibile evidenziare tutta una serie di valori che saranno utili al medico nella valutazione delle scelte cliniche Tali valori non sono evidenziabili con la tecnica statistico-matematica, ma vengono individuati in base a conoscenze fisiopatologiche e al bisogno del medico di decidere tutte le volte che quel test si colloca al di sopra o al di sotto del valore di soglia prefissato secondo la teoria di Barnett

Si tratta in fondo di un modo nuovo e aggiuntivo di valutare il risultato di un test al fine di una più corretta prevenzione, diagnosi, prognosi e controllo terapeutico Il risultato sotteso al Teorema di Bayes pur con la sua fondamentale importanza interpretativa è troppo discriminante (positivo o negativo) e spesso poco chiarificativo della reale interpretazione del test stesso Una dato di laboratorio non assume nessuna importanza clinica se non è rapportato alla reale condizione del malato: un test può avere un senso in un malato e un altro su un malato affetto dalla stessa malattia ma con atteggiamenti patologici diversi

Il senso dei livelli decisionali è dato dalla capacità che ha il clinico nel creare, se è il caso, il proprio valore soglia e dare una interpretazione del risultato di laboratorio differente al di sopra o al di sotto dell’inquadramento di un evento morboso con consequenziale atteggiamento diagnostico, prognostico e terapeutico anche completamente diverso da quello che potrebbe suggerire il valore stesso di laboratorio