Come calcolare sensibilità' e specificità di un test diagnostico: dalla tabella 2x2 (TP, FP, FN, TN) si ottengono Sensibilità' = TP/(TP+FN) (frazione malati correttamente identificati) e Specificita' = TN/(TN+FP) (frazione sani correttamente esclusi). PPV (valore predittivo positivo) = TP/(TP+FP) probabilità' che positivo sia realmente malato; NPV = TN/(TN+FN). Likelihood Ratios: LR+ = sens/(1-spec), LR- = (1-sens)/spec. Youden index = sens + spec - 1 (ottimizzazione cutoff ROC). Accuracy = (TP+TN)/N. Il PPV/NPV osservato dipende dalla prevalenza dello studio: per popolazioni con prevalenza diversa applicare Bayes PPV = sens*prev/(sens*prev + (1-spec)*(1-prev)). Strumento fondamentale in screening, radiologia, ML evaluation, USPSTF, AIFA HTA.

Formule diagnostiche

Sensibilità' e Specificita': Sensibilità' (true positive rate) = TP/(TP+FN). Test sensibile esclude la malattia quando negativo (regola SnNout). Specificita' (true negative rate) = TN/(TN+FP). Test specifico conferma quando positivo (regola SpPin). False Positive Rate FPR = 1 - spec, False Negative Rate FNR = 1 - sens.

Valori predittivi: PPV = TP/(TP+FP), probabilità' post-test che paziente positivo sia realmente malato. NPV = TN/(TN+FN). Variano con prevalenza: in popolazione con prevalenza bassa (1%) anche un test 95% sens/95% spec ha PPV = 16% (alta percentuale falsi positivi). Formula Bayes per aggiustamento: PPV = sens*prev / (sens*prev + (1-spec)*(1-prev)).

Likelihood Ratios (Jaeschke 1994 EBM): LR+ = sens/(1-spec) quanto un test positivo aumenta odds di malattia; LR- = (1-sens)/spec quanto un test negativo riduce odds. Soglie pratiche: LR+ > 10 forte conferma, 5-10 moderata, 2-5 lieve; LR- < 0,1 forte esclusione. Indipendenti da prevalenza, ideali per nomogramma Fagan applicabile a singolo paziente.

Indici di accuratezza: Accuracy = (TP+TN)/N misura globale, fuorviante con classi sbilanciate. Youden index J = sens + spec - 1, range [-1, +1], 0 = inutile, 1 = perfetto. Usato per identificare cutoff ottimale in curve ROC. F1-score = 2*PPV*sens/(PPV+sens) media armonica precision-recall, popolare in ML. DOR (Diagnostic Odds Ratio) = (TP*TN)/(FP*FN) = LR+/LR-, sintetico, usato in meta-analisi diagnostiche (HSROC).

Confidence Intervals: per proporzioni usare Wilson 1927 CI 95% (preferito al Wald in piccoli campioni): center = (p + z^2/2n)/(1 + z^2/n) con z = 1,96. STARD 2015 (Standards for Reporting Diagnostic accuracy studies) richiede CI per sens, spec, PPV, NPV.

Storia e contesto

I termini "sensitivity" e "specificity" furono introdotti da Jacob Yerushalmy del UC Berkeley nel 1947 ("Statistical Problems in Assessing Methods of Medical Diagnosis" Public Health Reports), in risposta alle limitazioni del semplice "accuracy" rate per valutare test tubercolosi nello screening militare. Yerushalmy noto' che un test può' avere alta accuracy ma sbagliare sistematicamente sui malati (bassa sensibilità') in popolazioni a bassa prevalenza, situazione comune nello screening. La curva ROC (Receiver Operating Characteristic) deriva dalla teoria del signal detection sviluppata durante la Seconda Guerra Mondiale per radar (Peterson-Birdsall-Fox 1954) e fu introdotta in medicina da Charles Metz (University of Chicago, 1978) per radiologia. William Youden (NIST) propose l'indice nel 1950 per ottimizzazione di cutoff. Likelihood ratios furono popolarizzate in EBM (Evidence-Based Medicine) da Jaeschke-Guyatt-Sackett (1994) JAMA "Users' guides to the medical literature III: How to use an article about a diagnostic test". Oggi STARD 2015 (Bossuyt et al, BMJ) e' standard reporting; QUADAS-2 (Whiting et al 2011) per quality assessment; PRISMA-DTA per meta-analisi. ICH E9, FDA Guidance for Industry on Statistical Approaches to Establishing Bioequivalence, EMA Reflection Papers usano questi indicatori. Cochrane Collaboration ha gruppo dedicato Diagnostic Test Accuracy.

Tabella valori benchmark per test clinici

• Test ottimo: sens > 0,90, spec > 0,90 (es. RT-PCR SARS-CoV-2 95%/99%)
• Test adeguato screening: sens > 0,85 (priorità sensibilità' per non perdere malati)
• Test conferma: spec > 0,95 (priorità specificità per evitare falsi positivi)
• Mammografia (50-69 anni): sens 80-90%, spec 90-95% (USPSTF 2024)
• Pap test cervice: sens 60-80% (basso, ripetuto ogni 3 anni), spec 95%
• HPV-DNA cervice: sens 95%, spec 90% (AIFA Linee Guida 2023)
• Test rapido SARS-CoV-2: sens 70-90%, spec 95-99% (sintomi vs asintomatici)
• D-dimero embolia polmonare: sens 95%, spec 50% (rule-out test)
• Test rapido HIV: sens 99%, spec 99,7% (richiede conferma Western blot)
• Cohen kappa 0,4 inter-rater fairness, 0,6 buono, 0,8 eccellente

Esempi numerici dettagliati

Esempio 1 - test rapido SARS-CoV-2 antigenico. Studio AIFA: 200 soggetti sintomatici sospetti, 95 positivi RT-PCR (gold standard). Tabella 2x2: TP=85, FN=10, FP=5, TN=100. Sensibilità' = 85/95 = 89,5% (CI 95% 81,5-94,4%). Specificita' = 100/105 = 95,2% (CI 89,3-98,0%). PPV osservato = 85/90 = 94,4%. NPV = 100/110 = 90,9%. LR+ = 18,8 (forte conferma); LR- = 0,11 (rule-out moderato). Youden = 0,847. Test adeguato per triage sintomatici, ma in screening asintomatici prevalenza 1% PPV crollerebbe a 16% applicando Bayes.

Esempio 2 - mammografia 60enni. Studio AIRC 10.000 donne 60-69 anni, prevalenza tumore 0,6%. Tabella: TP=51, FN=9, FP=940, TN=9000. Sens = 51/60 = 85%, spec = 9000/9940 = 90,5%. PPV osservato = 51/991 = 5,1% (alta % falsi positivi). LR+ = 8,9 (moderata conferma), LR- = 0,17. AIRC raccomanda biennale 50-69 anni; USPSTF 2024 esteso 40-74.

Esempio 3 - troponina ad alta sensibilità' infarto. ESC Guidelines 2023: hs-cTnT cutoff 14 ng/L. Validazione 1.200 pazienti dolore toracico, prevalenza IMA NSTEMI 18%. Sens 95%, spec 80%. LR+ 4,75, LR- 0,06. NPV = 99% supporta rule-out rapido (1h algoritmo). Tempo decisionale ridotto del 40%, conformita' SIAARTI emergency, AHA 2025 chest pain pathway.

Esempio 4 - test HPV vs Pap test cervice. Studio HTA AGENAS: 50.000 donne 30-64 anni screening primario. HPV-DNA: sens 95%, spec 90%, prevalenza neoplasia precancerosa 0,8%. PPV Bayes = 0,95*0,008 / (0,95*0,008 + 0,1*0,992) = 7,1%. Pap test: sens 70%, spec 95%, PPV = 10,1%. HPV più' sensibile (riduce intervalli), Pap più' specifico. AIFA Linee Guida 2023 raccomanda HPV primario 30-64.

Esempio 5 - ML classificatore deep learning radiologia. CNN TC torace per noduli polmonari, validation set 5.000 immagini, prevalenza nodulo 12%. Output modello: sens 92%, spec 85%, PPV 45%, F1 = 0,605. AUC ROC 0,94. Cohen kappa con radiologi 0,78. Conformita' MDR EU 2017/745 dispositivo medico software classe IIa, validation studies preliminari per CE mark.

Limiti e considerazioni

1. Sens/spec sono caratteristiche intrinseche del test (indipendenti da prevalenza), PPV/NPV no.
2. Per popolazioni diverse dallo studio applicare Bayes con prevalenza locale (USPSTF, AIFA HTA).
3. Spettro bias (Ransohoff-Feinstein 1978): sens/spec dipendono dalla gravità della popolazione studiata.
4. Verification bias: gold standard non applicato a tutti i sospetti, distorce stime.
5. Interpretation bias: chi legge il test conosce stato malattia, distorce lettura.
6. Per cutoff continui (biomarcatori) ROC analysis e' superiore a singola tabella 2x2.
7. Reporting STARD 2015 (Bossuyt BMJ): obbligatorio CI 95%, flowchart, gold standard chiaro.
8. QUADAS-2 (Whiting 2011) tool standard per quality assessment in revisioni sistematiche.
9. Per ML: F1-score robusto a sbilanciamento; AUC ROC misura globale; Matthews Correlation Coefficient (MCC) preferito da Chicco-Jurman 2020.
10. USPSTF, ECDC, AIFA HTA usano sens/spec per decisioni screening pubbliche.

Errori comuni

1. Confondere sensibilità' con PPV (errore frequente in studenti medicina).
2. Riportare PPV osservato senza specificare prevalenza dello studio.
3. Non aggiustare PPV con Bayes quando applicato a popolazione diversa.
4. Usare accuracy come singola metrica con classi sbilanciate (es. 99% accuracy per malattia 1%).
5. Confondere Youden index con AUC (Youden e' un punto, AUC e' integrale).
6. Non riportare CI 95% per sens/spec (non conforme STARD 2015).
7. Calcolare LR+ con specificità = 1 (divisione per zero, usare metodo continuità').
8. Applicare cutoff "ottimale" del training set sul test set (overfitting).
9. Confondere sens con true positive count (sens e' rate, non count).
10. Non considerare verification bias quando gold standard non applicato a tutti.

Applicazioni numerate

1. Screening: USPSTF, AIRC mammografia, AIFA HPV, ECDC vaccini.
2. Radiologia: TC, RM, ecografia, AI computer-aided detection.
3. Cardiologia: troponina ESC, BNP scompenso, ECG sforzo.
4. Infettivologia: SARS-CoV-2, HIV, HCV, malaria, ECDC sorveglianza.
5. Oncologia: PSA prostata, biomarcatori liquid biopsy, AIFA cell free DNA.
6. Genetica: BRCA1/2, NIPT prenatale, panelli NGS.
7. Machine learning: classificatori binari, F1-score, AUC ROC, MCC.
8. Pubblicazioni: STARD 2015, QUADAS-2, PRISMA-DTA per meta-analisi.
9. Regulatory: FDA 510(k) IVD, EMA Reflection Paper, CE MDR EU 2017/745.
10. HTA: AGENAS, AIFA, NICE, IQWiG cost-effectiveness diagnostica.

Per supporto

Per domande tecniche o segnalazioni: info@calcoi.com. Strumento didattico per accuratezza diagnostica. Per applicazioni professionali consultare Pepe "Statistical Evaluation of Medical Tests for Classification and Prediction" (Oxford 2003), STARD 2015 checklist, R packages epiR/pROC/mada, Python sklearn.metrics.

Aggiornato a luglio 2026