Probabilidad previa y posterior a la prueba

La probabilidad pre-prueba y la probabilidad post-prueba (también escritas como probabilidad pretest y postest) son las probabilidades de que exista una afección (como una enfermedad ) antes y después de una prueba diagnóstica , respectivamente. La probabilidad post-prueba , a su vez, puede ser positiva o negativa , dependiendo de si la prueba resulta positiva o negativa , respectivamente. En algunos casos, se utiliza para calcular la probabilidad de desarrollar la afección de interés en el futuro.

En este contexto, el término «prueba» puede referirse a cualquier examen médico (aunque generalmente se refiere a pruebas diagnósticas) e, incluso, en sentido amplio, a preguntas e incluso suposiciones (como asumir que la persona examinada es mujer u hombre). La capacidad de diferenciar entre las probabilidades previas y posteriores a la prueba de diversas afecciones es un factor clave en la indicación de las pruebas médicas .

Probabilidad previa a la prueba

La probabilidad previa a la prueba de un individuo puede elegirse como una de las siguientes:

La prevalencia de la enfermedad, que puede ser necesario elegir si no se conoce ninguna otra característica del individuo, o puede elegirse para facilitar el cálculo incluso si se conocen otras características, aunque dicha omisión puede causar resultados inexactos.
La probabilidad posterior a la prueba de la condición resultante de una o más pruebas previas
Una estimación aproximada, que puede ser necesario elegir si no es posible o eficiente adoptar enfoques más sistemáticos.

Estimación de la probabilidad posterior a la prueba

En la práctica clínica, las probabilidades posteriores a la prueba a menudo se estiman o incluso se intuyen. Esto suele ser aceptable cuando se encuentra un signo o síntoma patognomónico , en cuyo caso es casi seguro que la afección objetivo está presente; o cuando no se encuentra un signo o síntoma indispensable , en cuyo caso es casi seguro que la afección objetivo está ausente.

En realidad, sin embargo, la probabilidad subjetiva de la presencia de una condición nunca es exactamente 0 o 100%. Aun así, existen varios métodos sistemáticos para estimar esa probabilidad. Estos métodos suelen basarse en haber realizado previamente la prueba en un grupo de referencia en el que se conoce la presencia o ausencia de la condición (o al menos se estima mediante otra prueba considerada de alta precisión, como el " estándar de oro "), con el fin de establecer datos de rendimiento de la prueba. Estos datos se utilizan posteriormente para interpretar el resultado de la prueba de cualquier individuo evaluado mediante el método. Una alternativa o complemento a los métodos basados en grupos de referencia es comparar el resultado de una prueba con una prueba previa realizada al mismo individuo, lo cual es más común en pruebas de seguimiento .

Los métodos sistemáticos más importantes basados en grupos de referencia para estimar la probabilidad posterior a la prueba incluyen los que se resumen y comparan en la siguiente tabla, y que se describen con más detalle en las secciones individuales que aparecen a continuación.

Por valores predictivos

Los valores predictivos pueden utilizarse para estimar la probabilidad posterior a la prueba de un individuo si se puede asumir que la probabilidad previa a la prueba de dicho individuo es aproximadamente igual a la prevalencia en un grupo de referencia en el que se dispone tanto de los resultados de las pruebas como del conocimiento sobre la presencia o ausencia de la afección (por ejemplo, una enfermedad, como la que se puede determinar mediante el " estándar de oro ").

Si el resultado de la prueba es una clasificación binaria en positiva o negativa , entonces se puede elaborar la siguiente tabla:

La probabilidad previa a la prueba se puede calcular a partir del diagrama de la siguiente manera:

Probabilidad previa a la prueba = (Verdaderos positivos + Falsos negativos) / Muestra total

Además, en este caso, la probabilidad post-prueba positiva (la probabilidad de tener la condición objetivo si la prueba resulta positiva) es numéricamente igual al valor predictivo positivo , y la probabilidad post-prueba negativa (la probabilidad de tener la condición objetivo si la prueba resulta negativa) es numéricamente complementaria al valor predictivo negativo ( [ probabilidad post-prueba negativa ] = 1 - [ valor predictivo negativo ] ), ^{[ 1 ]} nuevamente asumiendo que el individuo que se somete a la prueba no tiene otros factores de riesgo que resulten en que ese individuo tenga una probabilidad pre-prueba diferente a la del grupo de referencia utilizado para establecer los valores predictivos positivos y negativos de la prueba.

En el diagrama anterior, esta probabilidad positiva posterior a la prueba , es decir, la probabilidad posterior a la prueba de una condición objetivo dado un resultado positivo en la prueba, se calcula de la siguiente manera:

Probabilidad de resultado positivo posterior a la prueba = Verdaderos positivos / (Verdaderos positivos + Falsos positivos)

Similarmente:

La probabilidad de padecer la enfermedad después de la prueba, dado un resultado negativo, se calcula de la siguiente manera:

Probabilidad de resultado negativo en la prueba posterior = 1 - (Verdaderos negativos / (Falsos negativos + Verdaderos negativos))

La validez de las ecuaciones anteriores también depende de que la muestra de la población no presente un sesgo de muestreo sustancial que provoque una desproporción significativa entre los grupos de personas con y sin la afección, en relación con la prevalencia y la ausencia de prevalencia en la población. En efecto, las ecuaciones anteriores no son válidas con un simple estudio de casos y controles que recoja por separado un grupo con la afección y otro sin ella.

Por razón de verosimilitud

Los métodos anteriores no son apropiados si la probabilidad previa a la prueba difiere de la prevalencia en el grupo de referencia utilizado para establecer, entre otros, el valor predictivo positivo de la prueba. Dicha diferencia puede ocurrir si se realizó otra prueba previamente, o si la persona involucrada en el diagnóstico considera que debe utilizarse otra probabilidad previa a la prueba debido al conocimiento de, por ejemplo, quejas específicas, otros elementos de la historia clínica o signos en el examen físico , ya sea calculando cada hallazgo como una prueba en sí misma con su propia sensibilidad y especificidad, o al menos realizando una estimación aproximada de la probabilidad previa a la prueba individual.

En estos casos, la prevalencia en el grupo de referencia no representa con total precisión la probabilidad previa a la prueba del individuo y, en consecuencia, el valor predictivo (ya sea positivo o negativo ) no representa con total precisión la probabilidad posterior a la prueba de que el individuo tenga la afección objetivo.

En estos casos, la probabilidad posterior a la prueba se puede estimar con mayor precisión utilizando la razón de verosimilitud de la prueba. La razón de verosimilitud se calcula a partir de la sensibilidad y la especificidad de la prueba, por lo que no depende de la prevalencia en el grupo de referencia ^{[ 2 ]} y, del mismo modo, no cambia con la probabilidad previa a la prueba , a diferencia de los valores predictivos positivos o negativos (que sí cambiarían). Además, la validez de la probabilidad posterior a la prueba determinada a partir de la razón de verosimilitud no es vulnerable al sesgo de muestreo con respecto a las personas con y sin la condición en la muestra poblacional, y se puede realizar como un estudio de casos y controles que reúne por separado a las personas con y sin la condición.

La estimación de la probabilidad posterior a la prueba a partir de la probabilidad previa a la prueba y la razón de verosimilitud se realiza de la siguiente manera: ^{[ 2 ]}

Probabilidad previa a la prueba = Probabilidad previa a la prueba / (1 - Probabilidad previa a la prueba)
Probabilidades posteriores a la prueba = Probabilidades previas a la prueba * Razón de verosimilitud

En la ecuación anterior, la probabilidad post-prueba positiva se calcula utilizando la razón de verosimilitud positiva , y la probabilidad post-prueba negativa se calcula utilizando la razón de verosimilitud negativa .

Probabilidad posterior a la prueba = Probabilidad posterior a la prueba / (Probabilidad posterior a la prueba + 1)

La relación también se puede estimar mediante un nomograma de Fagan (que se muestra a la derecha), trazando una línea recta desde el punto de la probabilidad previa a la prueba dada hasta la razón de verosimilitud dada en sus escalas, lo que, a su vez, estima la probabilidad posterior a la prueba en el punto donde esa línea recta cruza su escala.

La probabilidad posterior a la prueba puede, a su vez, utilizarse como probabilidad previa a la prueba para pruebas adicionales si se sigue calculando de la misma manera. ^{[ 2 ]}

Diagrama que relaciona las probabilidades pre y post-prueba, donde la curva verde (mitad superior izquierda) representa una prueba positiva y la curva roja (mitad inferior derecha) representa una prueba negativa, para el caso de una sensibilidad del 90 % y una especificidad del 90 %, correspondiente a una razón de verosimilitud positiva de 9 y una razón de verosimilitud negativa de 0,111. La longitud de las flechas verdes representa el cambio en la probabilidad absoluta (en lugar de relativa) dado un resultado positivo, y las flechas rojas representan el cambio en la probabilidad absoluta dado un resultado negativo. Se puede observar en la longitud de las flechas que, con bajas probabilidades pre-prueba, una prueba positiva produce un mayor cambio en la probabilidad absoluta que una prueba negativa (una propiedad que generalmente es válida siempre que la especificidad no sea mucho mayor que la sensibilidad). De manera similar, con altas probabilidades pre-prueba, una prueba negativa produce un mayor cambio en la probabilidad absoluta que una prueba positiva (una propiedad que generalmente es válida siempre que la sensibilidad no sea mucho mayor que la especificidad).
Relación entre las probabilidades previas y posteriores a la prueba para diversos resultados positivos según la razón de verosimilitud (mitad superior izquierda) y diversos resultados negativos según la razón de verosimilitud (mitad inferior derecha).

Es posible calcular las razones de verosimilitud para pruebas con valores continuos o más de dos resultados, de forma similar al cálculo para resultados dicotómicos. Para ello, se calcula una razón de verosimilitud independiente para cada nivel del resultado de la prueba, denominada razón de verosimilitud específica de intervalo o estrato. ^{[ 4 ]}

Ejemplo

Se le realizó a un individuo la prueba de sangre oculta en heces (FOB, por sus siglas en inglés) para estimar la probabilidad de que padeciera cáncer de intestino, y el resultado fue positivo (se detectó sangre en las heces). Antes de la prueba, dicho individuo tenía una probabilidad pre-test de padecer cáncer de intestino de, por ejemplo, un 3 % (0,03), según se podría haber estimado mediante la evaluación de, por ejemplo, su historial médico, examen físico y pruebas previas.

La sensibilidad, especificidad, etc. de la prueba FOB se establecieron con una muestra de población de 203 personas (sin dicha herencia) y resultaron ser las siguientes:

A partir de esto, se pueden establecer las razones de verosimilitud de la prueba: ^{[ 2 ]}

Razón de verosimilitud positiva = sensibilidad / (1 − especificidad) = 66,67 % / (1 − 91 %) = 7,4
Razón de verosimilitud negativa = (1 − sensibilidad) / especificidad = (1 − 66,67%) / 91% = 0,37

Probabilidad previa a la prueba (en este ejemplo) = 0,03
Probabilidad previa a la prueba = 0,03 / (1 - 0,03) = 0,0309
Probabilidad de resultado positivo en la prueba posterior = 0,0309 * 7,4 = 0,229
Probabilidad de resultado positivo posterior a la prueba = 0,229 / (0,229 + 1) = 0,186 o 18,6 %

Por lo tanto, esa persona tiene una probabilidad posterior a la prueba (o "riesgo posterior a la prueba") del 18,6% de tener cáncer de intestino.

La prevalencia en la muestra de población se calcula de la siguiente manera:

Prevalencia = (2 + 1) / 203 = 0,0148 o 1,48 %

La probabilidad previa a la prueba del individuo fue más del doble que la de la muestra de la población, aunque la probabilidad posterior a la prueba del individuo fue menos del doble que la de la muestra de la población (que se estima mediante el valor predictivo positivo de la prueba del 10%), lo contrario de lo que resultaría con un método menos preciso de simplemente multiplicar los riesgos relativos.

Fuentes específicas de inexactitud

Entre las fuentes específicas de imprecisión al utilizar la razón de verosimilitud para determinar una probabilidad posterior a la prueba se incluyen la interferencia con determinantes o pruebas previas o la superposición de objetivos de prueba, como se explica a continuación:

Interferencia con la prueba

La probabilidad posterior a la prueba , estimada a partir de la probabilidad previa a la prueba con razón de verosimilitud , debe manejarse con precaución en individuos con otros determinantes (como factores de riesgo) que la población general, así como en individuos que se han sometido a pruebas previas, porque dichos determinantes o pruebas también pueden influir en la prueba misma de maneras impredecibles, causando aún resultados inexactos. Un ejemplo con el factor de riesgo de obesidad es que la grasa abdominal adicional puede dificultar la palpación de los órganos abdominales y disminuir la resolución de la ecografía abdominal , y de manera similar, el contraste de bario residual de una radiografía previa puede interferir con exámenes abdominales posteriores, ^{[ 5 ]} en efecto disminuyendo la sensibilidad y especificidad de dichas pruebas posteriores. Por otro lado, el efecto de interferencia puede potencialmente mejorar la eficacia de las pruebas posteriores en comparación con el uso en el grupo de referencia, como algunos exámenes abdominales que son más fáciles cuando se realizan en personas con bajo peso.

Superposición de pruebas

Además, la validez de los cálculos basados en cualquier probabilidad previa a la prueba, que a su vez se deriva de una prueba anterior, depende de que las dos pruebas no se solapen significativamente con respecto al parámetro objetivo que se está analizando, como por ejemplo, los análisis de sangre de sustancias pertenecientes a una misma vía metabólica alterada . Un ejemplo extremo de tal solapamiento es cuando se ha establecido la sensibilidad y la especificidad para un análisis de sangre que detecta la "sustancia X", y de igual manera para uno que detecta la "sustancia Y". Si, de hecho, la "sustancia X" y la "sustancia Y" son la misma sustancia, entonces realizar dos pruebas consecutivas de la misma sustancia puede no tener ningún valor diagnóstico, aunque el cálculo parezca mostrar una diferencia. A diferencia de la interferencia descrita anteriormente, aumentar el solapamiento de las pruebas solo disminuye su eficacia. En el ámbito médico, la validez diagnóstica aumenta al combinar pruebas de diferentes modalidades para evitar un solapamiento sustancial, por ejemplo, al realizar una combinación de un análisis de sangre, una biopsia y una radiografía .

Métodos para superar la inexactitud

Para evitar tales fuentes de inexactitud mediante el uso de razones de verosimilitud, el método óptimo sería reunir un grupo de referencia amplio de individuos equivalentes, con el fin de establecer valores predictivos separados para el uso de la prueba en dichos individuos. Sin embargo, con un mayor conocimiento del historial médico, el examen físico y las pruebas previas de un individuo, etc., ese individuo se diferencia más, lo que dificulta cada vez más encontrar un grupo de referencia para establecer valores predictivos personalizados, invalidando así la estimación de la probabilidad posterior a la prueba mediante valores predictivos.

Otro método para superar estas imprecisiones consiste en evaluar el resultado de la prueba en el contexto de los criterios de diagnóstico, como se describe en la siguiente sección.

Por riesgo relativo

La probabilidad posterior a la prueba a veces se puede estimar multiplicando la probabilidad previa a la prueba por un riesgo relativo dado por la prueba. En la práctica clínica, esto se aplica generalmente en la evaluación del historial médico de un individuo, donde la "prueba" suele ser una pregunta (o incluso una suposición) sobre diversos factores de riesgo, por ejemplo, sexo, tabaquismo o peso, pero potencialmente puede ser una prueba sustancial como pesar al individuo . Cuando se utilizan riesgos relativos, la probabilidad resultante generalmente está más relacionada con que el individuo desarrolle la afección a lo largo del tiempo (de manera similar a la incidencia en una población), en lugar de ser la probabilidad de que un individuo tenga la afección en el presente, pero puede ser indirectamente una estimación de esta última.

El uso del cociente de riesgos puede ser similar al del riesgo relativo.

Un factor de riesgo

Para establecer un riesgo relativo, el riesgo en un grupo expuesto se divide por el riesgo en un grupo no expuesto.

Si solo se considera un factor de riesgo individual, la probabilidad posterior a la prueba se puede estimar multiplicando el riesgo relativo por el riesgo en el grupo de control. El grupo de control generalmente representa a la población no expuesta, pero si una fracción muy pequeña de la población está expuesta, entonces la prevalencia en la población general a menudo se puede asumir igual a la prevalencia en el grupo de control. En tales casos, la probabilidad posterior a la prueba se puede estimar multiplicando el riesgo relativo por el riesgo en la población general.

Por ejemplo, la incidencia de cáncer de mama en una mujer en el Reino Unido de entre 55 y 59 años se estima en 280 casos por cada 100 000 por año, ^{[ 6 ]} y el factor de riesgo de haber estado expuesta a altas dosis de radiación ionizante en el tórax (por ejemplo, como tratamientos para otros tipos de cáncer) confiere un riesgo relativo de cáncer de mama de entre 2,1 y 4,0, ^[⁷^] en comparación con las no expuestas. Dado que una pequeña fracción de la población está expuesta, se puede asumir que la prevalencia en la población no expuesta es igual a la prevalencia en la población general. Posteriormente, se puede estimar que una mujer en el Reino Unido de entre 55 y 59 años que haya estado expuesta a altas dosis de radiación ionizante debería tener un riesgo de desarrollar cáncer de mama durante un período de un año de entre 588 y 1120 por cada 100 000 (es decir, entre el 0,6 % y el 1,1 %).

Múltiples factores de riesgo

Teóricamente, el riesgo total en presencia de múltiples factores de riesgo puede estimarse multiplicando por cada riesgo relativo, pero generalmente es mucho menos preciso que usar razones de verosimilitud, y suele hacerse solo porque es mucho más fácil de realizar cuando solo se proporcionan riesgos relativos, en comparación con, por ejemplo, convertir los datos de origen en sensibilidades y especificidades y calcular mediante razones de verosimilitud. Asimismo, en la literatura se suelen dar riesgos relativos en lugar de razones de verosimilitud porque los primeros son más intuitivos. Las fuentes de imprecisión al multiplicar riesgos relativos incluyen:

Los riesgos relativos se ven afectados por la prevalencia de la afección en el grupo de referencia (a diferencia de las razones de verosimilitud, que no lo están), y este problema conlleva que la validez de las probabilidades posteriores a la prueba disminuya a medida que aumenta la diferencia entre la prevalencia en el grupo de referencia y la probabilidad previa a la prueba para cualquier individuo. Cualquier factor de riesgo conocido o prueba previa de un individuo casi siempre genera dicha diferencia, lo que reduce la validez del uso de riesgos relativos para estimar el efecto total de múltiples factores de riesgo o pruebas. La mayoría de los médicos no tienen en cuenta adecuadamente estas diferencias de prevalencia al interpretar los resultados de las pruebas, lo que puede provocar pruebas innecesarias y errores de diagnóstico. ^{[ 8 ]}
Una fuente de inexactitud independiente al multiplicar varios riesgos relativos, considerando solo pruebas positivas, es que tiende a sobreestimar el riesgo total en comparación con el uso de razones de verosimilitud. Esta sobreestimación puede explicarse por la incapacidad del método para compensar el hecho de que el riesgo total no puede ser más del 100%. Esta sobreestimación es bastante pequeña para riesgos pequeños, pero se vuelve mayor para valores más altos. Por ejemplo, el riesgo de desarrollar cáncer de mama a una edad menor de 40 años en mujeres en el Reino Unido puede estimarse en un 2%. ^{[ 9 ]} Además, estudios en judíos asquenazíes han indicado que una mutación en BRCA1 confiere un riesgo relativo de 21,6 de desarrollar cáncer de mama en mujeres menores de 40 años, y una mutación en BRCA2 confiere un riesgo relativo de 3,3 de desarrollar cáncer de mama en mujeres menores de 40 años. ^{[ 10 ]} A partir de estos datos, se puede estimar que una mujer con una mutación BRCA1 tendría un riesgo aproximado del 40 % de desarrollar cáncer de mama antes de los 40 años, y una mujer con una mutación BRCA2 tendría un riesgo aproximado del 6 %. Sin embargo, en la situación bastante improbable de tener tanto una mutación BRCA1 como una BRCA2, simplemente multiplicar por ambos riesgos relativos daría como resultado un riesgo superior al 140 % de desarrollar cáncer de mama antes de los 40 años, lo cual no puede ser exacto en la realidad.

El efecto de sobreestimación (mencionado más adelante) puede compensarse convirtiendo los riesgos en probabilidades y los riesgos relativos en razones de probabilidades . Sin embargo, esto no compensa el efecto (mencionado anteriormente) de cualquier diferencia entre la probabilidad previa a la prueba de un individuo y la prevalencia en el grupo de referencia.

Un método para compensar ambas fuentes de imprecisión mencionadas anteriormente consiste en establecer los riesgos relativos mediante análisis de regresión multivariante . Sin embargo, para mantener su validez, los riesgos relativos establecidos de esta manera deben multiplicarse por todos los demás factores de riesgo en el mismo análisis de regresión, sin añadir ningún otro factor ajeno a dicho análisis.

Además, multiplicar varios riesgos relativos conlleva el mismo riesgo de pasar por alto importantes coincidencias entre los factores de riesgo incluidos, de forma similar a cuando se utilizan razones de verosimilitud. Asimismo, diferentes factores de riesgo pueden actuar en sinergia , de modo que, por ejemplo, dos factores que individualmente tienen un riesgo relativo de 2, cuando ambos están presentes, pueden inhibirse mutuamente, de forma similar a la interferencia descrita para el uso de razones de verosimilitud.

Según criterios diagnósticos y reglas de predicción clínica

La mayoría de las enfermedades importantes cuentan con criterios diagnósticos y/o reglas de predicción clínica establecidos . El establecimiento de criterios diagnósticos o reglas de predicción clínica implica una evaluación exhaustiva de numerosas pruebas consideradas importantes para estimar la probabilidad de una afección de interés, incluyendo a veces la subdivisión de la misma y el momento y la forma de tratarla. Dicho establecimiento puede incluir el uso de valores predictivos, razones de verosimilitud y riesgos relativos.

Por ejemplo, los criterios del ACR para el lupus eritematoso sistémico definen el diagnóstico como la presencia de al menos 4 de 11 hallazgos, cada uno de los cuales puede considerarse un valor objetivo de una prueba con su propia sensibilidad y especificidad. En este caso, se han evaluado las pruebas para estos parámetros objetivo cuando se utilizan en combinación, considerando, por ejemplo, la interferencia entre ellas y la superposición de parámetros objetivo, con el fin de evitar imprecisiones que podrían surgir al intentar calcular la probabilidad de la enfermedad utilizando razones de verosimilitud de las pruebas individuales. Por lo tanto, si se han establecido criterios diagnósticos para una afección, generalmente es más apropiado interpretar cualquier probabilidad posterior a la prueba para esa afección en el contexto de dichos criterios.

Además, existen herramientas de evaluación de riesgos para estimar el riesgo combinado de varios factores de riesgo, como la herramienta en línea.Según el estudio Framingham Heart Study , la estimación del riesgo de resultados de enfermedad coronaria mediante múltiples factores de riesgo, como la edad, el sexo, los lípidos en sangre, la presión arterial y el tabaquismo, es mucho más precisa que multiplicar los riesgos relativos individuales de cada factor de riesgo.

Sin embargo, un médico experimentado puede estimar la probabilidad posterior a la prueba (y las acciones que esta motiva) mediante una consideración amplia que incluya criterios y reglas, además de otros métodos descritos anteriormente, incluyendo tanto los factores de riesgo individuales como el desempeño de las pruebas que se han realizado.

Uso clínico de las probabilidades pre y post-prueba

Un parámetro clínicamente útil es la diferencia absoluta (en lugar de relativa, y no negativa) entre la probabilidad pre y post-prueba, calculada como:

Diferencia absoluta = | (probabilidad previa a la prueba) - (probabilidad posterior a la prueba) |

Un factor importante para dicha diferencia absoluta es la potencia de la prueba en sí, que puede describirse en términos de sensibilidad y especificidad o razón de verosimilitud, por ejemplo. Otro factor es la probabilidad previa a la prueba: una menor probabilidad previa a la prueba resulta en una menor diferencia absoluta, lo que implica que incluso las pruebas muy potentes logran una diferencia absoluta baja para afecciones muy improbables en un individuo (como enfermedades raras en ausencia de cualquier otro signo indicativo). Por otro lado, incluso las pruebas con baja potencia pueden marcar una gran diferencia para afecciones altamente sospechadas.

Las probabilidades en este sentido también pueden tener que considerarse en el contexto de condiciones que no son objetivos primarios de la prueba, como las probabilidades relativas al perfil en un procedimiento de diagnóstico diferencial .

La diferencia absoluta puede expresarse en relación con el beneficio que una prueba médica aporta a un individuo, que puede estimarse aproximadamente de la siguiente manera:

$b_{n}=\Delta p\times r_{i}\times (b_{i}-h_{i})-h_{t}$ , dónde:

b _n es el beneficio neto de realizar una prueba médica.
Λp es la diferencia absoluta entre la probabilidad previa y posterior a la prueba de las condiciones (como enfermedades) que se espera que logre la prueba.
r _i es la tasa de cuántas diferencias de probabilidad se espera que resulten en cambios en las intervenciones (como un cambio de "ningún tratamiento" a "administración de tratamiento médico de dosis baja").
b _i es el beneficio de los cambios en las intervenciones para el individuo
es el daño de los cambios en las intervenciones para el individuo, como los efectos secundarios del tratamiento médico _.
h _t es el daño causado por la prueba en sí misma

En esta fórmula, lo que constituye un beneficio o un daño varía en gran medida según los valores personales y culturales , pero aun así se pueden extraer conclusiones generales. Por ejemplo, si el único efecto esperado de una prueba médica es aumentar la probabilidad de padecer una enfermedad en comparación con otra, pero ambas enfermedades tienen el mismo tratamiento (o ninguna es curable), entonces r _i = 0 y la prueba carece esencialmente de beneficio para el individuo.

Entre los factores que influyen en la decisión de realizar o no una prueba médica se incluyen: el costo de la prueba, la disponibilidad de pruebas complementarias, la posible interferencia con pruebas posteriores (como una palpación abdominal que podría inducir actividad intestinal cuyos sonidos interfieran con una auscultación abdominal posterior ), el tiempo que requiere la prueba u otros aspectos prácticos o administrativos. Asimismo, aunque no resulten beneficiosos para la persona examinada, los resultados pueden ser útiles para elaborar estadísticas que permitan mejorar la atención médica de otras personas.

Subjetividad

Las probabilidades previas y posteriores a la prueba son subjetivas, ya que, en realidad, un individuo tiene la afección o no la tiene (con una probabilidad siempre del 100%), por lo que las probabilidades previas y posteriores a la prueba para los individuos pueden considerarse más bien fenómenos psicológicos en la mente de quienes participan en el diagnóstico en cuestión.

Véase también

Interpretación de pruebas diagnósticas , incluyendo fuentes generales de inexactitud e imprecisión.

Referencias

↑ Curso en línea sobre práctica basada en la evidencia, impartido por Mark Ebell. Facultad de Salud Pública, Universidad de Georgia. Consultado en agosto de 2011.
1 2 3 4 Razones de verosimilitud Archivado el 22 de diciembre de 2010 en Wayback Machine , del CEBM (Centro de Medicina Basada en la Evidencia). Última edición de la página: 1 de febrero de 2009. Cuando se utilizan en ejemplos, las fórmulas generales se toman de la referencia, mientras que los números de ejemplo son diferentes.
↑ Parámetros tomados de la imagen en: Zhang W, Doherty M, Pascual E, et al. (octubre de 2006). "Recomendaciones basadas en la evidencia de EULAR para la gota. Parte I: Diagnóstico. Informe de un grupo de trabajo del Comité Permanente de Estudios Clínicos Internacionales que Incluyen Terapéutica (ESCISIT)" . Ann . Rheum. Dis . 65 (10): 1301–11 . doi : 10.1136/ard.2006.055251 . PMC 1798330. PMID 16707533 .
↑ Brown MD, Reeves MJ (2003). "Medicina de urgencias basada en la evidencia/habilidades para la atención de urgencias basada en la evidencia. Razones de probabilidad de intervalo: otra ventaja para el diagnosticador basado en la evidencia" . Ann Emerg Med . 42 (2): 292– 297. doi : 10.1067/mem.2003.274 . PMID 12883521 .
↑ Página 750 (Capítulo 10) en: Dunning, Marshall Barnett; Fischbach, Frances Talaska (2009). Manual de pruebas de laboratorio y diagnóstico [recurso electrónico] . Filadelfia: Wolters Kluwer Health/Lippincott Williams & Wilkins. ISBN 978-0-7817-7194-8.
↑ Gráfico de Excel para la Figura 1.1: Cáncer de mama (C50), número promedio de casos nuevos por año y tasas de incidencia específicas por edad, Reino Unido, 2006-2008 en Estadísticas de incidencia de cáncer de mama en el Reino Unido. Archivado el 14 de mayo de 2012 en Wayback Machine de Cancer Research UK. Sección actualizada el 18 de julio de 2011.
↑ ACS (2005). "Datos y cifras sobre el cáncer de mama 2005-2006" (PDF) . Archivado del original (PDF) el 13 de junio de 2007. Consultado el 26 de abril de 2007 .
↑ Agoritsas, T.; Courvoisier, DS; Combescure, C.; Deom, M.; Perneger, TV (2010). "¿Importa la prevalencia para los médicos al estimar la probabilidad posterior a la prueba de enfermedad? Un ensayo aleatorizado" . Journal of General Internal Medicine . 26 (4): 373– 378. doi : 10.1007/s11606-010-1540-5 . PMC 3055966. PMID 21053091 .
↑ 2% dado de una incidencia acumulada de 2,075 casos por 100.000 en mujeres menores de 39 años, de la referencia de Cancer Research UK mencionada anteriormente.
↑ Satagopan, JM; Offit, K.; Foulkes, W.; Robson, ME; Wacholder, S.; Eng, CM; Karp, SE; Begg, CB (2001). "Los riesgos de por vida de cáncer de mama en portadoras judías asquenazíes de mutaciones BRCA1 y BRCA2". Cancer Epidemiology, Biomarkers & Prevention . 10 (5): 467– 473. PMID 11352856 .

[ebell-1] Curso en línea sobre práctica basada en la evidencia, impartido por Mark Ebell. Facultad de Salud Pública, Universidad de Georgia. Consultado en agosto de 2011.

[cebm-2] 1 2 3 4 Razones de verosimilitud Archivado el 22 de diciembre de 2010 en Wayback Machine , del CEBM (Centro de Medicina Basada en la Evidencia). Última edición de la página: 1 de febrero de 2009. Cuando se utilizan en ejemplos, las fórmulas generales se toman de la referencia, mientras que los números de ejemplo son diferentes.

[3] Parámetros tomados de la imagen en: Zhang W, Doherty M, Pascual E, et al. (octubre de 2006). "Recomendaciones basadas en la evidencia de EULAR para la gota. Parte I: Diagnóstico. Informe de un grupo de trabajo del Comité Permanente de Estudios Clínicos Internacionales que Incluyen Terapéutica (ESCISIT)" . Ann . Rheum. Dis . 65 (10): 1301–11 . doi : 10.1136/ard.2006.055251 . PMC 1798330. PMID 16707533 .

[4] Brown MD, Reeves MJ (2003). "Medicina de urgencias basada en la evidencia/habilidades para la atención de urgencias basada en la evidencia. Razones de probabilidad de intervalo: otra ventaja para el diagnosticador basado en la evidencia" . Ann Emerg Med . 42 (2): 292– 297. doi : 10.1067/mem.2003.274 . PMID 12883521 .

[5] Página 750 (Capítulo 10) en: Dunning, Marshall Barnett; Fischbach, Frances Talaska (2009). Manual de pruebas de laboratorio y diagnóstico [recurso electrónico] . Filadelfia: Wolters Kluwer Health/Lippincott Williams & Wilkins. ISBN 978-0-7817-7194-8.

[cancerresearchuk-6] Gráfico de Excel para la Figura 1.1: Cáncer de mama (C50), número promedio de casos nuevos por año y tasas de incidencia específicas por edad, Reino Unido, 2006-2008 en Estadísticas de incidencia de cáncer de mama en el Reino Unido. Archivado el 14 de mayo de 2012 en Wayback Machine de Cancer Research UK. Sección actualizada el 18 de julio de 2011.

[acs_bc_facts_2005-6-7] ACS (2005). "Datos y cifras sobre el cáncer de mama 2005-2006" (PDF) . Archivado del original (PDF) el 13 de junio de 2007. Consultado el 26 de abril de 2007 .

[8] Agoritsas, T.; Courvoisier, DS; Combescure, C.; Deom, M.; Perneger, TV (2010). "¿Importa la prevalencia para los médicos al estimar la probabilidad posterior a la prueba de enfermedad? Un ensayo aleatorizado" . Journal of General Internal Medicine . 26 (4): 373– 378. doi : 10.1007/s11606-010-1540-5 . PMC 3055966. PMID 21053091 .

[9] 2% dado de una incidencia acumulada de 2,075 casos por 100.000 en mujeres menores de 39 años, de la referencia de Cancer Research UK mencionada anteriormente.

[10] Satagopan, JM; Offit, K.; Foulkes, W.; Robson, ME; Wacholder, S.; Eng, CM; Karp, SE; Begg, CB (2001). "Los riesgos de por vida de cáncer de mama en portadoras judías asquenazíes de mutaciones BRCA1 y BRCA2". Cancer Epidemiology, Biomarkers & Prevention . 10 (5): 467– 473. PMID 11352856 .

[ 1 ]

[ 2 ]

[ 3 ]

[ 4 ]

[ 5 ]

[ 6 ]

[

[ 8 ]

[ 9 ]

[ 10 ]