Results of diagnostic test accuracy systematic reviews can be graphically represented through two different major ways.
As for systematic reviews of effectiveness, forest plots can be performed. In the case of diagnostic test accuracy, two forest plots are presented side by side: one for sensitivity and the other for specificity. These graphs thus show the means and confidence intervals for sensitivity/specificity for each of the selected primary studies. These values are also listed in numerical form. Moreover, the number of true positives, false positives, true negatives and false negatives are also reported, as well as, where appropriate, any covariates (for instance the type of diagnostic test used). Figure 9.2 shows a paired forest plot made using mock data (Campbell et al. 2015).
Figure 9.2: An example paired forest plot generated using mock data in RevMan5
Numerical values for sensitivity and specificity are presented alongside graphical representations where the boxes mark the values and the horizontal lines show the confidence intervals.
It is also possible to create Summary ROC (SROC) curves. They are graphs with 1-specificity on the x-axis and sensitivity on the y-axis, in which each primary study contributes to a unique point defined by its sensitivity and specificity for a given threshold. If several thresholds are reported in a single primary study, only one sensitivity/specificity pair for that study can be plotted on the SROC graph. Point size may vary according to sample size. To indicate more precisely the precision of the estimates, point height is proportional to the number of diseased patients, while point width is proportional to the number of control patients.
Following a rigorous meta-analysis, a curve can be added in the graph. A Summary ROC curve represents the expected ROC curve at many different positivity threshold levels. If the same positivity threshold has been used in each of the primary studies, it is appropriate to calculate and plot the summary sensitivity and specificity, and their confidence region. A prediction region can also be provided, corresponding to the area where the true sensitivity/specificity of a future study should be found in 95% of the cases. Figure 9.3 shows a SROC curve from made using mock data in Los resultados de las revisiones sistemáticas sobre la exactitud de las pruebas diagnósticas pueden representarse gráficamente de dos formas principales.
En cuanto a las revisiones sistemáticas de la eficacia, pueden realizarse diagramas de bosque. En el caso de la exactitud de las pruebas diagnósticas, se presentan dos diagramas de bosque uno al lado del otro: uno para la sensibilidad y otro para la especificidad. Así pues, estos gráficos muestran las medias y los intervalos de confianza para la sensibilidad/especificidad de cada uno de los estudios primarios seleccionados. Estos valores también figuran en forma numérica. Además, también se informa el número de verdaderos positivos, falsos positivos, verdaderos negativos y falsos negativos, así como, en su caso, de cualquier covariable (por ejemplo, el tipo de prueba diagnóstica utilizada). La Figura 9.2 muestra un diagrama de bosque realizado con datos simulados (Campbell et al. 2015).
Estudio | VP | FP | FN | VN | Sensibilidad | Especificidad | Sensibilidad (IC 95 %) | Especificidad (IC 95 %) |
Ejemplo 1 | 6 | 8 | 7 | 64 | 0.46 [0.19, 0.75] | 0.89 [0.79, 0.95] |  |  |
Ejemplo 2 | 13 | 4 | 6 | 16 | 0.68 [0.43, 0.87] | 0.80 [0.56, 0.94] | ||
Ejemplo 3 | 22 | 18 | 4 | 27 | 0.85 [0.65, 0.96] | 0.60 [0.44, 0.74] | ||
Ejemplo 4 | 18 | 12 | 7 | 30 | 0.72 [0.51, 0.88] | 0.71 [0.55, 0.84] | ||
Ejemplo 5 | 20 | 10 | 6 | 30 | 0.77 [0.56, 0.91] | 0.75 [0.59, 0.87] |
Figura 9.2: Ejemplo de diagrama de bosque generado con datos simulados en RevMan5
Los valores numéricos de sensibilidad y especificidad se presentan junto con representaciones gráficas en las que los recuadros marcan los valores, y las líneas horizontales muestran los intervalos de confianza.
También es posible crear curvas ROC resumidas (SROC). Se trata de gráficos con 1 -especificidad en el eje X y sensibilidad en el eje Y, en los que cada estudio primario contribuye a un punto único definido por su sensibilidad y especificidad para un umbral determinado. Si se presentan varios umbrales en un único estudio primario, solo puede representarse un par de sensibilidad/especificidad para ese estudio en el gráfico SROC. El tamaño del punto puede variar en función del tamaño de la muestra. Para indicar con mayor precisión las estimaciones, la altura del punto es proporcional al número de pacientes enfermos, mientras que la anchura del punto es proporcional al número de pacientes de control.
Tras un metaanálisis riguroso, se puede añadir una curva en el gráfico. Una curva ROC resumida representa la curva ROC esperada en muchos niveles diferentes de umbral de positividad. Si se ha utilizado el mismo umbral de positividad en cada uno de los estudios primarios, conviene calcular y trazar la sensibilidad y la especificidad resumidas, así como su región de confianza. También puede proporcionarse una región de predicción, correspondiente a la zona en la que debería encontrarse la verdadera sensibilidad/especificidad de un futuro estudio en el 95 % de los casos. La Figura 9.3 muestra una curva SROC realizada con datos simulados en RevMan5 (Campbell et al. 2015).
Figure Figura 9.3: An SROC curve generated using mock data in RevMan5. Sensitivity is shown on the y-axis, the x-axis shows inverted specificity Curva SROC generada con datos simulados en RevMan5. La sensibilidad se muestra en el eje Y, el eje X muestra la especificidad invertida (Campbell et al. 2015)