Conference in XXVIII Simposio Nacional AVEDILA

October 21^st, 2025

Gómez-Buendía A., Salgadu A., Cheung A., Stevenson M. and Firestone S.

Introducción y objetivos
Los modelos estadísticos que permiten estimar la sensibilidad y especificidad de las pruebas diagnósticas en la ausencia de una prueba de referencia perfecta son esenciales. En este contexto, los modelos Bayesianos de clase latente (BLCM) son una herramienta que permite la evaluación del rendimiento de estas pruebas si se dispone de datos de campo de un número suficiente de individuos. Sin embargo, su implementación suele ser compleja y requiere de conocimientos avanzados de estadística y programación lo que solo limita su uso a una audiencia especializada y favorece que se sigan utilizando pruebas de referencia imperfectas para la estimación del rendimiento de pruebas diagnósticas. El objetivo de este trabajo fue desarrollar una herramienta accesible que facilite la aplicación de BLCM a profesionales de la sanidad animal y la epidemiología.
Metodología
Se diseñó una aplicación web utilizando el paquete Shiny en R, con el fin de ofrecer una interfaz visual intuitiva que permita implementar análisis basados en BLCM utilizando el software JAGS sin necesidad de experiencia en programación.
Resultados y discusión
La herramienta puede estimar la sensibilidad, especificidad y prevalencia de una a cuatro pruebas diagnósticas en hasta diez poblaciones. Así mismo, contempla la posibilidad de modelar correlaciones entre pruebas basadas en principios biológicos similares como ocurre con los ensayos serológicos o moleculares, e incorporar la posibilidad de incluir poblaciones libres de enfermedad. La aplicación está disponible en la página web de la Universidad de Melbourne y se puede acceder con el link: https://shiny.vet.unimelb.edu.au/epi/blcm/
Conclusiones
Esta herramienta web ofrece una forma sencilla y accesible de evaluar el rendimiento diagnóstico de pruebas en ausencia de pruebas de referencia perfecta, contribuyendo a mejorar la toma de decisiones en programas de vigilancia y control sanitario.

	Servicio de Micobacterias (MYC). Centro de Vigilancia Sanitaria Veterinaria (VISAVET). Universidad Complutense (UCM).
	Departamento de Sanidad Animal. Facultad de Veterinaria. Universidad Complutense (UCM).
	University of Melbourne.
	World Organisation for Animal Health (WOAH).