Cómo entender sensibilidad y falsos positivos

La sensibilidad indica qué proporción de los casos realmente presentes detecta una prueba. La especificidad indica qué proporción de quienes no tienen la condición clasifica correctamente. El valor predictivo positivo responde otra pregunta: entre quienes reciben una alerta, cuántos tienen realmente la condición. La AUC evalúa discriminación a diferentes umbrales y no equivale a un porcentaje de diagnósticos correctos.

Un ejemplo ilustrativo, no tomado de MedTek: si entre mil personas diez tienen una condición y una prueba ofrece 90 % de sensibilidad y 90 % de especificidad, detectaría nueve casos y generaría aproximadamente 99 falsos positivos. Solo nueve de 108 alertas serían verdaderas. La frecuencia de la enfermedad y la selección de pacientes cambian el significado de un resultado. Por eso, una sola cifra de “precisión” resulta insuficiente.