Ragionamento Sbagliato
"Il NIPT ha specificità 99,86% e il test è positivo per XXY. Questa donna ha 41 anni, quindi la probabilità che il feto abbia davvero XXY è elevatissima."
Errore: si ignora la prevalenza di partenza di XXY (~1/660 maschi nati) e si confonde la specificità del test con il valore predittivo positivo.
Ragionamento Corretto (Bayesiano)
La specificità dice quanti sani vengono correttamente classificati negativi. Su 10.000 sani testati, 14 risulteranno positivi per errore. Se la prevalenza è bassa, quei 14 falsi positivi possono superare i veri positivi.
PPV = TP / (TP + FP) — dipende dalla prevalenza. Per XXY, la prevalenza non cresce con l'età materna come la T21.
Calcolo del PPV — 47,XXY in una donna di 41 anni
Prevalenza XXY (maschi)
1/660
≈ 0.15% tra i nati maschi. NON aumenta significativamente con l'età materna, a differenza della Trisomia 21.
Su 10.000 gravidanze maschili testate
~15
feti XXY attesi. Il test a sensibilità 93% ne trova ≈ 14. Con spec. 99,86%: ~14 falsi positivi tra i 9985 sani.
PPV risultante
~50%
14 veri positivi / (14 veri + 14 falsi) ≈ 50%. Metà dei positivi sono falsi, malgrado specificità 99.86%.
PPV = (Sensibilità × Prevalenza) / [(Sensibilità × Prevalenza) + ((1−Specificità) × (1−Prevalenza))]
PPV ≈ (0.93 × 0.0015) / [(0.93 × 0.0015) + (0.0014 × 0.9985)] ≈ 50%
PPV ≈ (0.93 × 0.0015) / [(0.93 × 0.0015) + (0.0014 × 0.9985)] ≈ 50%
Il contrasto che svela la trappola: T21 vs XXY
Trisomia 21 — sensibile all'età
Il PPV cresce con l'età ✓
PPV sale: 48% → 93%
L'età materna aiuta il test.
L'età materna aiuta il test.
47,XXY — insensibile all'età
Il PPV rimane basso ✗
PPV a 40 anni: 52% (SMFM) → ancora insufficiente.
L'età materna non aiuta il PPV per XXY.
L'età materna non aiuta il PPV per XXY.
La trappola in una frase: il clinico matura un'aspettativa di alta accuratezza predittiva dal NIPT basandosi sull'esperienza con T21 in età avanzata (PPV 93%). Applica mentalmente la stessa logica a XXY in una donna di 41 anni — e si sbaglia. La specificità 99,86% suona come "quasi impossibile che sia falso", ma quando la prevalenza di base non cresce, metà dei positivi rimangono falsi. È la legge di Bayes, non un difetto del test.