Un algoritmo de tamizaje sistemático de la TB debe combinar una o varias pruebas de detección y una evaluación diagnóstica independiente de la TB activa como lo recomienda la OMS (12). Un resultado negativo de la prueba de diagnóstico se puede continuar con una evaluación clínica complementaria si la presunción clínica de TB sigue siendo alta. Esto podría incluir la repetición de las pruebas con el mismo método de diagnóstico o uno diferente, un seguimiento cercano de los síntomas clínicos con o sin radiografías de tórax o ambos. Un resultado positivo de la prueba de diagnóstico podría necesitar nueva confirmación con pruebas complementarias y evaluación clínica si el valor predictivo de un resultado positivo de la prueba es bajo.
Diferentes configuraciones de pruebas de tamizaje tienen consecuencias distintas sobre la sensibilidad, la especificidad y los costos del algoritmo. Los algoritmos de tamizaje único comportan una prueba de detección y las personas con un resultado positivo requieren una evaluación diagnóstica de la TB. Ejemplos de algoritmos de tamizaje único son el tamizaje por cualquier tipo de tos que se aplica a todas las personas que acuden a un consultorio o una campaña de tamizaje en furgoneta móvil en la cual se realiza la radiografía de tórax a todos los miembros de la comunidad.
Los algoritmos de tamizaje en paralelo comportan un paso inicial de detección con dos pruebas de tamizaje (p. ej., tamizaje por síntomas y radiografía de tórax simultáneos). Un resultado positivo o anormal en cualquiera de las pruebas de tamizaje (o en ambas) es una indicación para derivación hacia una evaluación diagnóstica. Los algoritmos de tamizaje en paralelo son más sensibles, ya que captan un mayor número de personas, que se evalúan para detectar la TB. Este enfoque es ideal si los objetivos del tamizaje son maximizar la detección de casos o medir la prevalencia de la TB en la población que se examina. (La estrategia de tamizaje en paralelo se utiliza en las encuestas de prevalencia, en las cuales el tamizaje por síntomas se combina con la radiografía de tórax) (15). Sin embargo, los algoritmos de tamizaje en paralelo suelen ser menos específicos y, por lo tanto, implican costos más altos debido al mayor número de personas derivadas para evaluación diagnóstica y un mayor riesgo de resultados positivos falsos.
Los algoritmos de tamizaje en serie comprenden dos pruebas de detección realizadas de manera consecutiva, con derivación para una segunda prueba de detección en función del resultado de la primera prueba. En un algoritmo de tamizaje en serie secuencial positivo, un resultado positivo o anormal en la primera prueba exige la derivación para una segunda prueba de detección, seguida de una evaluación diagnóstica en las personas con un resultado positivo en ambas pruebas de detección. Un ejemplo de este enfoque es el tamizaje por cualquier síntoma de TB, seguido de tamizaje por radiografía de tórax en las personas sintomáticas. Esta estrategia de tamizaje aumenta la probabilidad preanalítica de TB en la población que se examina, antes de su derivación para evaluación diagnóstica, con lo cual se aumenta la eficiencia del programa de tamizaje y se disminuye el riesgo de diagnósticos positivos falsos. Sin embargo, este enfoque es menos sensible.
En un algoritmo de tamizaje en serie secuencial negativo, un resultado positivo o anormal en la primera prueba de detección lleva a la derivación para evaluación diagnóstica, pero un resultado negativo o normal en la primera prueba de detección da lugar a la derivación para una segunda prueba de detección y con derivación posterior para evaluación diagnóstica en las personas con un resultado positivo o anormal en la segunda prueba de detección. Un algoritmo de tamizaje en serie secuencial negativo tiene la misma sensibilidad y especificidad que un algoritmo de tamizaje en paralelo con las mismas pruebas (se derivará al mismo número de personas para evaluación diagnóstica), pero disminuye el costo, porque la segunda prueba de detección se restringe a las personas con un resultado negativo en la primera. Por ejemplo, un algoritmo que comienza con el tamizaje por síntomas y luego la radiografía de tórax en las personas que no presentan síntomas llevará a realizar menos radiografías, con la misma detección de casos que el tamizaje por radiografía más tamizaje por síntomas para todas las personas. Sin embargo, esto puede introducir retrasos, dado que las pruebas no se ejecutan de manera simultánea. La especificidad de una estrategia de tamizaje secuencial negativa será menor que la de un algoritmo secuencial positivo debido al mayor número de personas derivadas para evaluación diagnóstica y al mayor riesgo de resultados de tamizaje positivos falsos.