Valore predittivo positivo e negativo: guida SSM
24 Settembre 2026 · Mario Lomele
Il paziente ha appena ricevuto un referto positivo e pone la domanda più naturale del mondo: “quindi ho la malattia?”. La risposta corretta non è nella sensibilità del test, ma nel suo valore predittivo, cioè nella probabilità che un risultato, positivo o negativo, corrisponda davvero allo stato di malattia o di salute. È il concetto che porta la statistica dentro l’ambulatorio e, proprio per questo, uno dei più chiesti al Concorso Nazionale SSM, quasi sempre in combinazione con la prevalenza. Qui lo definiamo, lo calcoliamo su numeri didattici e mettiamo in fila i ragionamenti che permettono di rispondere senza esitazioni.
Che cos’è il valore predittivo
Il valore predittivo positivo (VPP) è la proporzione di soggetti realmente malati fra tutti quelli che risultano positivi al test. Il valore predittivo negativo (VPN) è la proporzione di soggetti realmente sani fra tutti quelli che risultano negativi. In entrambi i casi il punto di partenza è il risultato del test, non lo stato di malattia: è questa la differenza concettuale con sensibilità e specificità, che partono invece dalla malattia e chiedono come si comporta il test.
Il valore predittivo è quindi una probabilità post-test. Risponde alla domanda clinica, non a quella tecnica: dato che il test ha detto “positivo”, quanto devo credergli? Dato che ha detto “negativo”, quanto posso stare tranquillo? Poiché la risposta dipende da quante persone erano malate prima ancora di fare il test, il valore predittivo non è una caratteristica fissa del test ma varia con la prevalenza della malattia nella popolazione esaminata.
Le formule spiegate a parole
Nella tabella 2×2, con il risultato del test sulle righe e la malattia sulle colonne, il VPP si calcola dividendo i veri positivi per il totale della riga dei positivi, cioè veri positivi più falsi positivi. Il VPN si calcola dividendo i veri negativi per il totale della riga dei negativi, cioè veri negativi più falsi negativi. Il denominatore è sempre una riga: chi ricorda che sensibilità e specificità si leggono “per colonna” e i valori predittivi “per riga” ha già evitato l’errore più frequente.
Esiste anche una forma che non richiede la tabella e che nasce dal teorema di Bayes. Il VPP è uguale alla sensibilità moltiplicata per la prevalenza, diviso la somma di quel prodotto con il prodotto fra uno meno la specificità e uno meno la prevalenza. In parole: al numeratore ci sono i veri positivi attesi, al denominatore tutti i positivi attesi, veri e falsi. Il VPN si costruisce specularmente: specificità per uno meno prevalenza, diviso la somma di quel prodotto con uno meno la sensibilità per la prevalenza. Non serve memorizzare la formula come una sequenza di simboli: basta costruire una popolazione ipotetica di 1.000 persone e contare.
Esempio numerico svolto
Riprendiamo un test didattico con sensibilità 90% e specificità 90% e applichiamolo a 1.000 persone in un contesto ad alta prevalenza, dove 200 sono malate. I veri positivi sono 180 (il 90% di 200), i falsi negativi 20, i veri negativi 720 (il 90% di 800), i falsi positivi 80. I positivi al test sono in totale 260: il VPP è 180 diviso 260, circa 0,69, cioè il 69%. I negativi sono 740: il VPN è 720 diviso 740, circa 0,97, cioè il 97%.
Ora lo stesso identico test viene usato in un contesto a bassa prevalenza, con 20 malati su 1.000. I veri positivi sono 18, i falsi negativi 2, i veri negativi 882, i falsi positivi 98. I positivi al test sono 116: il VPP scende a 18 diviso 116, circa 0,16, cioè il 16%. I negativi sono 884: il VPN sale a 882 diviso 884, circa 0,998, cioè quasi il 100%.
Il messaggio è netto. Con un test di buona qualità, in una popolazione dove la malattia è rara, la maggior parte dei positivi è costituita da falsi positivi; nel nostro esempio 98 su 116. Un risultato negativo, al contrario, è estremamente rassicurante, ma lo sarebbe stato quasi altrettanto senza fare il test, perché il 98% delle persone era sano in partenza. Il valore predittivo negativo elevato in questo caso è merito della prevalenza bassa più che del test.
Come si interpreta
Il valore predittivo va sempre letto insieme alla probabilità pre-test. In pronto soccorso, davanti a un paziente con dolore toracico tipico, la probabilità di sindrome coronarica è alta e un dosaggio positivo della troponina ha un VPP elevato; lo stesso valore, riscontrato per caso in un soggetto asintomatico, va interpretato con molta più cautela. Il test non è cambiato, è cambiato il contesto.
Questa è anche la ragione per cui gli screening di popolazione, rivolti per definizione a persone asintomatiche in cui la prevalenza è bassa, generano una quota importante di falsi positivi e prevedono sempre un test di secondo livello. Chi legge un programma di screening oncologici deve aspettarsi un VPP del primo test modesto e un VPN molto alto: non è un difetto del programma, è aritmetica.
Nella pratica, il clinico alza la probabilità pre-test selezionando i pazienti da testare in base ad anamnesi ed esame obiettivo. Chiedere un esame a chi ha già una probabilità ragionevole di malattia è il modo più efficace per aumentare il valore predittivo positivo del risultato, molto più che cercare un test “migliore”.
Errori e trappole tipiche
La confusione più comune è fra VPP e sensibilità. La sensibilità è la probabilità di un test positivo nei malati; il VPP è la probabilità di malattia nei positivi. Sono probabilità condizionate con condizione invertita, e i quiz sfruttano proprio questa simmetria per costruire distrattori credibili. L’articolo su sensibilità e specificità approfondisce la direzione di lettura della tabella.
Il secondo errore è trattare il valore predittivo come una proprietà fissa del test, riportandolo da un contesto all’altro. Un VPP calcolato in una casistica ospedaliera selezionata non vale in medicina generale, dove la prevalenza è più bassa. Il terzo è pensare che un VPN vicino al 100% dimostri che il test è eccellente: se la malattia è rara, quel valore è quasi interamente dovuto alla prevalenza.
Il quarto errore è aritmetico: dividere per la colonna anziché per la riga. Il quinto è dimenticare che, se il quiz fornisce sensibilità, specificità e prevalenza senza tabella, occorre costruirla su una popolazione fittizia (1.000 o 10.000 soggetti) prima di calcolare. Chi prova a fare il conto a mente con le percentuali sbaglia spesso il denominatore.
Confronto con sensibilità, specificità e rapporti di verosimiglianza
Sensibilità e specificità sono indici di validità intrinseca del test: non cambiano con la prevalenza, servono a scegliere il test. I valori predittivi sono indici di utilità clinica del risultato: cambiano con la prevalenza, servono a interpretare il referto. Al crescere della prevalenza il VPP aumenta e il VPN diminuisce; al diminuire della prevalenza accade l’opposto. Queste due frasi da sole risolvono buona parte dei quesiti.
I rapporti di verosimiglianza sono il ponte fra i due mondi. Il rapporto di verosimiglianza positivo (sensibilità diviso uno meno specificità) e quello negativo (uno meno sensibilità diviso specificità) non dipendono dalla prevalenza e, moltiplicati per l’odds pre-test, danno l’odds post-test, da cui si ricava la probabilità post-test, cioè il valore predittivo. Nell’esempio con prevalenza 2% l’odds pre-test è 20 diviso 980, circa 0,0204; moltiplicato per il rapporto di verosimiglianza positivo, che vale 9, dà un odds post-test di circa 0,184, corrispondente a una probabilità del 15,5%, coerente con il VPP calcolato dalla tabella. Il nomogramma di Fagan fa la stessa operazione graficamente.
Un cenno merita anche la distinzione con l’accuratezza diagnostica, che è la quota di risultati corretti sul totale: nel primo esempio 900 su 1.000, nel secondo anch’essa 900 su 1.000. L’accuratezza è identica nei due scenari, mentre il VPP passa dal 69% al 16%: è la dimostrazione che un indice riassuntivo può nascondere differenze cliniche enormi.
Il legame con la prevalenza e con gli screening
Poiché tutto ruota intorno alla prevalenza, vale la pena ricordare che cosa la fa variare. La prevalenza dipende dall’incidenza e dalla durata media della malattia, come spiegato nell’articolo su incidenza e prevalenza, ma nel contesto diagnostico conta soprattutto la prevalenza “locale”: quella della popolazione che arriva a fare il test. Un pronto soccorso, un ambulatorio specialistico e un programma di screening hanno prevalenze molto diverse per la stessa malattia, e quindi valori predittivi molto diversi per lo stesso test.
Negli screening la strategia sequenziale, con un primo test sensibile e un secondo test specifico applicato solo ai positivi, ha esattamente lo scopo di aumentare la prevalenza nel gruppo che arriva al secondo livello: fra i positivi al primo test la malattia è più frequente che nella popolazione generale, e il VPP del test di conferma diventa accettabile.
Come cade il valore predittivo al concorso
Nei quesiti di statistica medica il valore predittivo compare in forme che si ripetono di anno in anno; riconoscerle a colpo d’occhio fa risparmiare tempo prezioso.
- Calcolo dalla tabella. Vengono forniti veri e falsi positivi e negativi e si chiede il VPP o il VPN: si divide per il totale della riga corrispondente.
- Calcolo da sensibilità, specificità e prevalenza. È la forma più temuta: si costruisce la popolazione fittizia, si riempiono le quattro caselle e si divide.
- Effetto della prevalenza. “Se la prevalenza aumenta, il valore predittivo positivo…” aumenta; “…il valore predittivo negativo…” diminuisce; “…la sensibilità…” non cambia.
- Definizione a parole. Si chiede quale affermazione descrive il VPP, con la sensibilità come distrattore principale.
- Scenario di screening. Un test applicato a una popolazione a bassa prevalenza: la risposta corretta sottolinea l’abbondanza di falsi positivi e il VPP basso nonostante buone sensibilità e specificità.
Le simulazioni commentate della Piattaforma Accademia ricostruiscono per ogni quesito la popolazione fittizia e mostrano i passaggi, così che il metodo della tabella diventi automatico anche sotto la pressione del tempo.
In sintesi
Il valore predittivo positivo è la probabilità di essere malato dato un test positivo; il valore predittivo negativo è la probabilità di essere sano dato un test negativo. Si calcolano per riga nella tabella 2×2 e dipendono dalla prevalenza: più la malattia è frequente, più un positivo è credibile e meno un negativo è rassicurante. Sensibilità e specificità descrivono il test, i valori predittivi descrivono il risultato nel contesto in cui è stato ottenuto. Per rispondere ai quiz, costruire una popolazione fittizia e contare le caselle è il metodo più sicuro.
Articolo a cura della redazione di Test Ammissione, che dal 2016 prepara medici al Concorso Nazionale SSM con manuali, simulazioni commentate e lezioni online.