Análises clínicas compostas: um estudo crítico via simulação

Abstract

Análises clínicas compostas podem ser aplicadas com o objetivo de economizar recursos quando se pretende classificar uma população (identificar todos os indivíduos infetados) na qual a taxa de prevalência é diminuta, apesar de reduzir a fiabilidade da classificação. Neste sentido, o presente trabalho tem como objetivo comparar o desempenho de várias metodologias de classificação (ensaios individuais, metodologia de Dorfman, algoritmos hierárquicos e testes baseados em arrays com e sem master pool), nomeadamente o custo relativo (número esperado de testes para a classificação de cada indivíduo) e a probabilidade de existência de erros de classificação (medida pela especificidade e pela sensibilidade de cada metodologia). Assim, as usuais técnicas de simulação (realizadas recorrendo ao software estatístico R) foram aplicadas a populações com distintos cenários, usando diferentes taxas de prevalência, várias dimensões do grupo, bem como diversos níveis de sensibilidade e de especificidade. Ao longo deste trabalho foi assumido que o agrupamento dos sangues (criação do sangue composto) não afeta a probabilidade de má classificação (ausência do efeito de diluição), como é comprovado por muitas análises qualitativas (presença ou ausência da infeção). As simulações realizadas mostram que os testes compostos só podem ser recomendados em casos com baixas taxas de prevalência e baixas probabilidades de erros de classificação, sendo possível identificar a metodologia mais adequada para cada caso em função da sua taxa de prevalência, sensibilidade e especificidade. Além disso, sempre que a taxa de prevalência, a sensibilidade e a especificidade são conhecidos (ou, pelo menos, estimativas razoáveis estão disponíveis), simulações podem ser realizadas para identificar a metodologia mais adequada, e, deste modo, encontrar um ponto de equilíbrio entre o custo e a fiabilidade da classificação.