What does the formula VP (True Positives) / (VP (True Positives) + FN (False Negatives)) calculate?

Medical Advisory BoardAll articles are reviewed for accuracy by our Medical Advisory Board
Educational purpose only • Exercise caution as content is pending human review
Article Review Status
Submitted
Under Review
Approved

Last updated: July 27, 2025View editorial policy

Personalize

Help us tailor your experience

Which best describes you? Your choice helps us use language that's most understandable for you.

La fórmula VP/(VP+FN) calcula la sensibilidad de una prueba diagnóstica

La fórmula VP/(VP+FN) calcula la sensibilidad de una prueba diagnóstica, que representa el porcentaje de personas con la enfermedad que son correctamente identificadas por la prueba. 1

Explicación detallada

La sensibilidad es uno de los parámetros fundamentales para evaluar la fiabilidad de una prueba diagnóstica. Se define específicamente como:

  • Sensibilidad: El porcentaje de personas con la enfermedad que son detectadas por la prueba 1
  • Fórmula: Número de verdaderos positivos (VP) dividido por la suma de verdaderos positivos (VP) y falsos negativos (FN)

Componentes de la fórmula:

  • VP (Verdaderos Positivos): Pacientes que tienen la enfermedad y la prueba resulta positiva
  • FN (Falsos Negativos): Pacientes que tienen la enfermedad pero la prueba resulta negativa

Interpretación clínica

Una prueba con alta sensibilidad es especialmente útil cuando:

  • Se necesita descartar una enfermedad (pocos falsos negativos)
  • Las consecuencias de no detectar la enfermedad son graves
  • Se utiliza como prueba inicial de cribado

Ejemplos de sensibilidad en diferentes contextos:

  1. Cáncer de pulmón: La sensibilidad de la citología de esputo para lesiones centrales es aproximadamente 71%, mientras que para lesiones periféricas es aproximadamente 49% 1

  2. Candidiasis invasiva neonatal: La prueba de (1,3)-Beta-D-glucano tiene una sensibilidad del 89% con un umbral de 80 pg/mL 1

  3. Síndrome de ovario poliquístico: El recuento de folículos por ovario (FNPO) tiene una sensibilidad del 84.32% para el diagnóstico 1

Diferencia con otros parámetros diagnósticos

Es importante distinguir la sensibilidad de otros parámetros diagnósticos:

  • Especificidad: Porcentaje de personas sin la enfermedad que son correctamente identificadas como negativas por la prueba. Se calcula como VN/(VN+FP) 1

  • Valor Predictivo Positivo (VPP): Probabilidad de que un paciente con resultado positivo realmente tenga la enfermedad. Se calcula como VP/(VP+FP) 1

  • Valor Predictivo Negativo (VPN): Probabilidad de que un paciente con resultado negativo realmente no tenga la enfermedad. Se calcula como VN/(VN+FN) 1

Consideraciones importantes

  • La sensibilidad por sí sola no determina la utilidad clínica de una prueba; debe considerarse junto con la especificidad
  • A diferencia del VPP y VPN, la sensibilidad no se ve afectada por la prevalencia de la enfermedad en la población 1
  • En muchos casos clínicos, se busca un equilibrio entre sensibilidad y especificidad según el contexto específico

Aplicaciones prácticas

  • Pruebas de cribado: Se prefieren pruebas con alta sensibilidad para no perder casos
  • Pruebas confirmatorias: Se prefieren pruebas con alta especificidad para evitar falsos positivos
  • Evaluación de nuevas pruebas diagnósticas: La sensibilidad es un parámetro esencial para comparar con pruebas existentes

La comprensión adecuada de la sensibilidad es fundamental para la interpretación correcta de resultados diagnósticos y la toma de decisiones clínicas basadas en evidencia.

References

Guideline

Guideline Directed Topic Overview

Dr.Oracle Medical Advisory Board & Editors, 2025

Professional Medical Disclaimer

This information is intended for healthcare professionals. Any medical decision-making should rely on clinical judgment and independently verified information. The content provided herein does not replace professional discretion and should be considered supplementary to established clinical guidelines. Healthcare providers should verify all information against primary literature and current practice standards before application in patient care. Dr.Oracle assumes no liability for clinical decisions based on this content.

Have a follow-up question?

Our Medical A.I. is used by practicing medical doctors at top research institutions around the world. Ask any follow up question and get world-class guideline-backed answers instantly.