tester-tt: Manual

Manual para la versión Beta

1. Para que sirve tester-tt

Este programa se ha creado con el objetivo de obtener algunos criterios de evaluación de los test médicos binarios (es decir que tienen en salida solo dos opciones como + o - ). No tiene porque ser un test tal como lo entendemos. Puede tratarse de un diagnóstico simptomático desarrollado por el personal. Sin embargo puede tener aplicaciones mas amplias. Otros test binarios que no sean pruebas médicas también pueden ser evaluados.

Es importante entender que este programa no sirve para detectar enfermedades si no para evaluar eficacia de un test. Además el análisis que se proporciona siempre debe estar sujeto a otro test válido apriori. Todos los resultados obtenidos tienen la veracidad mientras el test "base" es válido. Estas condiciones pueden ayudar a entender la posible utilidad de este rpograma como en los siguientes ejemplos.

ejemplo 1: Evaluar eficacia de un test mas barato o mas rápido de aplicar respecto otro test válido a priori pero mas caro o mas lento de actuar.

ejemplo 2: desarrollar el conjunto de síntomas eficaces para detestar una cierta enfermedad basándose en otros síntomas u otro test válido a priori. (de momento estos síntomas pueden tener caracter binario pero en versiones "pro" se plantea aumentar las posibilidades)

ejemplo 3: evaluar el personal en cuanto a su eficacia para detectar ciertas enfermedades.

2. Como manejar el programa.

Este programa se ha creado con una de las finalidades de aligerar el trabajo con datos. Uso del programa se reduce a un simple "pulsar el botón" y no exige conocimiento de lenguajes de programación. Es cierto que existen otros programas mas complejos que pueden ofrecer estudios similares pero el objetivo de este soft es ofrecer un análisis concreto y simplificar el trabajo.

Al abrir el programa aparecen dos campos grandes. Azul (campo para añadir datos) y blanco (con resultados). En campo azul solo tenemos dos lines con dos opciones cada una. Primera linea corresponde al resultado de un test válido a priori. En la segunda linea - el resultado del test a probar. En el siguiente paso ahay que pulsar el boton "añadir". El programa compara los resultados de los test y como respuesta da su verdicto sobre eficacia del test a probar. Pero no es tan simple este estudio. Esta claro que con una solo muestra no es suficiente para obtener conclusión. El proceso anterior debe ser repitido bastantes veces. Mientras mas es la muestra, mas fiable es el verdicto. Los datos aportados se guardan en un archivo aparte. Utilizando este "almacen" se aplica el teorema de Laplace que calcula probabilidades de distintas posibilidades del verdicto usando simple proporción de datos.

ejemplo: De todos los 78 experimetos repetidos se obtiene 14 falsos negativos. Entonces podemos decir que Que el test a probar puede dar un falso negativo con probabilidad 14/78 que es aproximadamente 17,95 % de los casos.

Mas abajo hay dos botones. "info" abre la ventana con información básica que se cierra con el botón "cerrar " en la nueva ventana. Otro botón es "borrar" que se usa para borrar todos los datos almacenados. Esto si se quiere empezar el estudio de nuevo. Con esta opción se pierden de forma irreversible los datos por esto se aconseja antes de usar esta opción guardar copias de archivos que se encuentran en carpeta principal del programa "listanueva2" y "listanueva3". En la versión "pro" es espera dar posibilidad de hacer varios test en paralelo sin tener que borrar datos del primer estudio.

3. Resultado y su interpretación.

No hay que olvidar que los resultados proporcionados por el algoritmo están sujetos a un test que se considera válido a priori. No tiene sentido sacar conclusión alguna si el test principal no es fiable. Además, tal como se menciona mas arriba, todas las conclusiones posibles están sujetas a la ley de grandes números. Es decir, los resultados son mas fiables si más pruebas se efectúan.

3.1 Datos principales. (dos filas superiores)

Proporción F-

Es la proporción de los falsos negativos respecto la totalidad de la muestra. Los falsos negativos se calculan como el número de todos los resultados que sean al mismo tiempo negativos según el test a probar y positivos según el test principal. Este valor se puede interpretar como la probabilidad de obtener un falso negativo con el test a probar. Obviamente mientras mas pequeño este valor, mas fiable es el test. Observen que este resultado varía al aumentar la cantidad de experimentos. Se supone que al aumentar esta cantidad se obtiene el resultado mas preciso. El valor ideal se obtiene con infinitos experimentos. Este programa no aporta un criterio para determinar el tamaño suficiente de la muestra sin embargo se plantea dotar la versión "pro" de esta opción.

Como todo en probabilidad este dato recorre el intervalo de 0 a 1. Con el cero la probabilidad es nula con 1 la probabilidad es plena.

Los conceptos descritos en este aportado son heredados para el resto de resultados.

Proporción F+

Estima la probabilidad de obtener un falso positivo. O sea, probabilidad de que el test a probar da positivo y al mismo tiempo el test "válido" da resultado negativo.

Sensibilidad p(P/E)

Aproxima el valor de la probabilidad de que un test a probar da positivo si se sabe que el test "válido" da resultado positivo. Como indica su nombre este valor porporciona la "sencibilidad" del test a probar para detectar el caso positivo. p(P/E) corresponde a la notación de los casos médicos con P - positivo (según el test a probar) y E - enfermo (realmente enfermo).

A veces este valor se calcula utilizando teorema de Bayes. Sin embargo en nuestro caso no es necesario ya que trabajamos con datos explícitos. Se calcula como probabilidad de positivos según test a probar respecto la muestra reducida únicamente a los enfermos reales.

Especificidad p(N/S)

Semejante al caso anterior pero esta vez se calcula la probabilidad de que el test a probar da un Negativo sabiendo que el test "válido" da Negativo.

+ Muestra

Este es la proporción de verdaderos positivos respecto el tamaño de la muestra. En caso ideal debe coincidir con la proporción de positivos en la población global. Este sería un indicador bueno de que el test principal es fiable. En práctica es muy raro que estos valores sean parecidos. La muestra que se escoge en ambos casos puede no ser "aleatoria" por lo cual tendría algunas influencias colaterales que impiden el estudio objetivo. Sin embargo mientras esto podría afectar la determinación de una persona enferma, no afecta al estudio de eficacia del test ya que no se basa en el estudio en la población total si no en eficacia de otro test válido a priori.

Esta proporción en medios oficiales muchas veces se entrega como cantidad de casos por mil, diez mil etc. Para comparar esta tasa com el dato anterior solo hace falta efectuar dicha división.

3.2 Gráficas

composición de casos.

Esta gráfica en forma de secores circulares se aporta para obtener una idea intuitiva de capacidad de cada opción posible en el experimento. Proporción de los verdaderos negativos (VN) falsos negativos (FN) verdaderos positivos (VP) y falsos positivos (FP).

Como el resto de datos, esta composición varía mientras aumenta cantidad de esperimentos repetidos. En caso ideal debe tener una tendencia a una circunferencia verde excluyendo de este modo los casos falsos.

desarrollo MD histórico.

Muestra la proporción de mal diagnosticados respecto el total de la muestra. Sin embargo el objetivo de esta gráfica no solo mostrar esta proporción en cada repetición. Con esta gráfica es mas fácil observar una cierta tendencia. Se apoya de cierto modo en ley de grandes números mencionado anteriormente. En caso ideal, al aumentar la muestra el resultado de esta proporción debe aproximarse al valor "exacto". Debería observarse un comportamiento asintótico de la gráfico y en el caso ideal esta asíntota debe coincidir con nivel cero o situarse cerca de este eje que indicaría proporción muy baja de los casos falsos.

tester-tt

Manual