EPIDEMIOLOGIA CLINICA ROBERT Hi. ae Wolters *(uwer | Lipf Wi / KISEPIDEMIOLOGIA cuiFoo AGRADECIMIENTOS ——...ewnT}.———————————————————— Nuestro primer agradecimiento es para Ed Wagner, Revise, Grady More preva, Saad Pablo Comunicaria —_Palsr Tile e a, Unvesad eal de Barcelona del Serv Te rgnoma de Catan Departamento dé Sani ‘omisiones del texto ni de las sonic AG 8 ideriven asd mnsable de los errores UO publicacién contienc in| pees n general Ed ie a informacion Ue COREA ijgicos que ne deberla utilizarse en pacientes i nes farmacoldgeo® tl édico, Se insta al lector a consultar rote informacion referente a las indicaciones, firmacos par’ ves que deben tenerse en cuenta. mesa oer la procedencia del material que s© reproduce aor manysiin, se enmendard en cuanto sea posible, (GP.Ar 270) blicamente, cn todo en parte, i agit, dsb» obra te artistica 0 slenetics, osu ; nim de lucro y en perjuicio ¢ Fee eg fijada en Cualquier tipo de soporte o comunicada ee pein 0 Bae de {oe cotrespondientes derechos através de cualq me " a . Fed ceca 0 de sus cesionarios. 1 todos los derechos, oer os ; e te Rlaner Hea spat, S.A. Lippincott ee St Rees lesa Clinical epidemiology: the essentials, 4th edition, a | Gooey haasie Fletcher, publicada por Lippineort Williams & Wilkins. ms & Wilkins © 2007 Lippincott Williams 8 Wilkins Camden Street MD 21201 A Psyvana 19106-3621 10987654321 coautor de las tres primeras ediciones y un cola- borader excepcional en todo momento. En esta ocasién, no ha intervenido, pues su agenda profe- sional estaba demasiado lena como para permitirle participar en otra tanda de revisiones. Ed contri- buyd a desarrollar una gran parte del contenido original de este libro, mientras sodos nosotros ejer- cfamos de profesores en la University of North Ca- rolina. En esta edicién no hemos tenido la opor- tunidad de trabajar con Ed otra ver, aunque, al menos, seguimos colaborande juntos en programas de investigacidn, Somos afortunados al haber aprendide cpide- miologia clfnica de la mano de sus fundadores. Kert White, nuestro mentor durante los estudios de pos- grado en la Johns Hopkins University, nos cnsenis que Jo que realmente importa «son los beneficios de las incervenciones médieas en relacién con sus riesgas y sus costes», Alvan Feinstein mostré a toda una ge- neracion de jévenes especialistas clinicos La «arqui- rectura de la investigaci6n clinicay y la dignidad dela especialidad clinica, Archie Cochrane nos abrid los ‘ojos a «la eficacia y la eficiencian, David Sackett afir- ms que la epidemiologia clinica es una sciencia bi- sica para la medicina clinica», y contribuys a que el mundo comprendiera esta idea. Naturalmente, hubo mds como ellos. Estos fundadores, cada uno a su manera, crearon un entorno intelectual apasic nante cuando nosotros comenzabamos en la medix na. Gracias a ellos, crefmos que la epidemiologia cli- nica serfa algiin da una de las principales corrientes de pensamiento en la medicina, y actualmente lo es, Como todos los profesores, hemos aprendido cuanto hemos podido de nuestros alumnos, que han sido profesionales clinicos de todas las edades y especialidades con el deseo de aprender por si mis- mos la forma de juzgar la validez de las abservacio- nes ¢ investigaciones elfnicas, Recientemente, en- tre ellos s¢ han contado estudiantes de la Harvard Medical School y de la University of North Caroli- Pree PIS Ty bags Semanal mayen S uN reed oy na School of Public Health, miembros de \a red INCLEN (International Clinical Epidemiology Net- work), asi como participantes en el taller Eviden- ce-Based Health Care Workshop que se cclebra cada verano en Colorado (EE.UU,). En el pasado, los becarios del programa Kobere Wood Johnion Clini- eal Scholars Program y de la General Medicine Fee Uowship dela Harvard University constivuyeron par- tes importantes de nuesteas vidas, Nuestros amigos de la Society of General Internal Medicine ban halla do nuevas maneras de lograr que la epidemiologia clinica crezea. Los directores de UpToDate, compa feros de profesién, han unido sus esfuerzos para trasladar las mejores pruchas disponibles a los ata- reados profesionales clinicas. Seguimos siendo fuen- te de inspiracién para nuestros amigos de la WAME (World Association of Medical Editors), quienes pi- den alos aurores que, en sus articules, deseriban ex- plicitamente los puntos fuertes y las limitaciones de los métodos de investigacidén, a la ver que envian este mismo mensaje al mundo, Nuestros colaboradores de Lippincott Williams 8 Wilkins han levado a cabo una gran labor edito- rial. Betty Sun nos ayudé pacientemente con la or- ganizacin de esta edicién en un entomo editorial que cambia con gran rapidez. Las mejoras sugeridas por Emilie Linkins fueron notablemente intuitivas, especialmente para una ne6fita en epidemiologia clinica. Kathy Jaeger dibujé-y redibujé paciente- mente los diagramas, lo que contribuyé a clarificar nuestras ideas. Como muchas de las personas que intervienen hoy dia en el mundo editorial, todos ellos forman parte de una inmensa empresa inter nacional y, aun asi, han dedicado a este proyecto concreto una atencidén y un interés personalizados. Nos mostramos especialmente agradecidos com los lectores de todo el mundo, por sus alentadores: comentarios y por sus litiles sugerencias, pues nos han mantenido firmes a lo largo dela ardua prepa- racién de esta edicién, la cuarta de un libro de texto: que se publicé por primera ver hace 23 aftos..Cuando se publicé la primera ed en la década de 1980, la epidemiologia clinica se hallaba al margen de la medicina. La investigacién basada en el paciente, la que deberfa guiar las deci- siones relacionadas con su asistencia, apenas se ha- bia desarrollado, La epidemiologia se encontraba tan apartada de la medicina clinica que alguien nos dijo que incluir el término «epidemiologia» en el ti tulo de un libro para profesionales clinicos no era una buena idea. Actualmente, la epidemiologia clinica es una de las corrientes de pensamiento principales. Los pro- fesionales clinicos son consumidores mas sofistica- dos de informacién procedente de la investigacién. Tienen, por si mismos, conocimientos mucho mas amplios para poder buscar la mejor informacién y juzgar su validez, asi como su capacidad de genera- lizacién. Hoy, sus esfuerzos se sustentan en un con- junto extraordinario de bases de datos clectrénicas clinicamente titiles, guias de prictica clinica, tevi- siones sistematicas, articulos seleccionadas por su lez cientifica y aplicabilidad clinica, y cursos sobre métodos de investigacién y gestidn del cono- cimiento. Muchas guias de prictica clinica se basan em rigurosas reglas de prucba, y proporcionan una justificacién para sus recomendaciones, incluyendo grados de validez cientifica. Los directores editoria- les de libros de texto como UpToDate y ACP Medi- cine ya exigen que los autores incluyan en los capi- tulos evaluaciones criticas sobre los datos, asi como descripciones modernas y cuantitativas sobre los beneficios y los riesgos de los tratamientos. La comunidad de investigadores clinicos ha in- tegrado la epidemiologia clinica en todas las etapas de su trabajo. La concesiin de becas es evaluada por comisiones de estudio guiadas en gran parte por los principios que se describen en este libra. Investi- gadores clinicos formales procedentes de muchas especialidades distintas buscan una formacién de posgrado seria en métodos de investigacién, a me- nudo en departamentos de epidemiologia. Los equi- pos de investigacién van incluyendo progresivamen- te toda la gama de conocimicntos técnicos en dise- fo, medicién y anilisis que precisan sus trabajos, La epidemiologia cliniea es el lenguaje de los re: visotes externos de las revistas y de los comités de cribado, en los que se decide si los resultados de las investigaciones deben publicarse o.no, y cémo pue- de mejorarse la integridad y el equilibrio de los ar- uiculos. La National Library of Medicine de EE.UU, ya incluye (en las bisquedas en Medline) términos que aportan un fundamento metodolégico, como ensayo controlado alcatorizado y sensibilidad/es- pecificidad. En resumen, la medicina clinica y la spidemiologia estan uniendo esfuerzos. Kerr White lo denominé «Healing the schism» (Consolidacidn del cisma), Por todas estas razones, las expectativas de los lectores sobre esta guia bisica de epidemiologia di- nica son superiores a las expectativas de ediciones anteriores. En esta nueva edicién hemos realizado cambios, a fin de sarisfacer todos estos deseas. Mu- chos temas se abordan con mis profundidad, como la credibilidad de los estudios observacionales sobre los efectos de un tratamiento, los patrones de refc- rencia de los estudios sobre la precision de las prue- bas de deteccidn, los razonamientos bayesianos y los megacnsayos. Los anilisis sistematicos (y lox meta- anilisis, cuando estan justificados) se han converti- do en una forma especialmente cficaz de resumir los resultados de los estudios individuales, que a me- nudo parecen estar en desacuerdo unos con otros, En esta edicién, se abordan los anilisis sistemiticos de forma mas completa. Asimismo, hemos afadido un nuevo capitulo sobre administracin y gestién del conocimiento (cap. 13), para que a los profesio- nales clinicos les resulte mas facil mangjar cl inmen- so conjunto de resultados de investigaciones de una forma mis eficaz y cficiente. En dicho capitulo, he- mos tenido en cuenta las necesidades pricticas de un rapido acceso a la informacién y de delegar, en otros, una parte de la responsabilidad de encontrar infor-Jaumedicina basada en la evidene,, B som gucra reconoce 12 IMPOTTANCA, ade 4 im Tider y In espaciad de generaiy clos de las Investigaciones, de c-tiOh informaeién disponible y apkioay”™ mee empre hemos consicerade a a prdetie ficionales eran importance, pabilidod jn del libro les prestamos y en ost grencion- Aunque miologi ¢! Oe ello ga miento Pr nates clfnicos se hayan tomadg gus Jos profes eho, Acepeados a ciegas no es algy aulos # Fes Freeuencias para ello hace falta tap suceda cof TMA pesar de todo, los principigs 4 L much? pia clinica se han convertido en yy epidemio ee sncia en la investigacion clinica «160 de to elinico. Conforme los profey Fy han ido interiorizando el mensaj goncarios la epidemiologia clinica, em muchos acyen Hlegado a considerar estos conceptos cga sos han de una buena direccion ¢ interpretacign in anaes acién clinica. Los docentes clinicos h la es Oa disciplina en las actividades forms. ae exisventés, como la residencia y la formactéy, pe Ja, los planes de estudios formalese informe bee facultades de Medicina, y en la formacigs médica concinuada de los profesionales que siguey tursos de posgrado. Sus principios estén can ay, fiamente ineegrados en la medicina que la epige. jologia clinica estd empezando a perder un, m de su propia ide eva et ar fa mejor ue estan Ss as ASE Que Ha mayo, afirmamos que actualmente | nica es una de las corrientes q cipales, no queremos decir con A eDide. le Pensa. api. ML Yeh el onal ey las an Parte nntidad. gExiste otro signo de éxig a se idence. 4054 ‘Algunos especialisas que apoyo acen a see ROBERT H. FLetcHen “ban con epidemiologic? SUZANNE W. FLETCHER CAPITULO 1 Introduccion 1 BASES CIENTIFICAS PARA LA MEDICINA CLINICA 2 EPIDEMIOLOGIACLINICA 3 PRINCIPIOS BASICOS 4 Preguntas clinicas 5 Variables 5 Resultados en salud 5 Numeros y probabilidad 6 Poblaciones y muestras 6 Sesgo (error sistematico) 7 Azar 10 Los efectos del sesgo y del azarson acumulatives 11 Validez interna y externa 12 INFORMACION Y DECISIONES 13, ORGANIZACION DEESTE LIBRO 14 CAPITULO 2 Anormalidad 19 TIPOS DEDATOS 21 Datos nominales 21 Datos ordinales 21 Datos de intervalo 21 RENDIMIENTO DE LAS MEDICIONES 21 Validez 21 Validez del contenido 22 Validez del constructo 22 Validez de criterio 22 Fiabilidad 23 Amplitud 24 Sensibilidad 24 Interpretabilidad 24 INDICE DE CAPITULOS SSN VARIACION 24 Variacion derivada de la medicin 24, Variacién derivada de las diferencias Diologicas 25, Variacién total 26 Efectos de lavariacion 27 DISTRIBUCIONES 27 Descripcin de las distribuciones 28 Distribuciones reales 28 Distribucién normal 30. CRITERIOS DE ANORMALIDAD 30 Anormal = Infrecuente 31 Anormal = Asociado aenfermedad 33 Anormal = Tratable 33 REGRESIONALAMEDIA 34 CAPITULO 3 Diagnostico 39 SIMPLIFICACION DELOS DATOS 39 EXACTITUD DEL RESULTADO DEUNAPRUEBA 40 El método de referencia 41 Falta de informacién sobre las pruebas negativas 41 Falta de informacion sobre los resultados de las pruebas en pacientes sanos 42 Falta de patrones objetivos para las enfermedades 42 ‘Consecuencias de los patrones imperfectos 42 ‘SENSIBILIDAD Y ESPECIFICIDAD 43 Definiciones 44 Utilizacion de pruebas sensibles 44 Utilizacion de pruebas especificas 44 Balance entre sensibilidad y especificidad 45. LacurvaROC 45ene ES 69 ae sas 0 INDICI 5 or VALENCIA EINCIDENCIA & ESTUDIOS Ye prevatencia 69 ios de incide ‘ Maas (afos-personas) 7) le ETACION DE LAS ‘MEDIDAS Rl 2 aE FRECUENCIA 7 definicion de numerador 7) qouees tr pable ign?: definicion . la oi dena inador 79 juestreo pisTRIBUC! ON DE LA ENFERMEDAD N uiecit DEL TIEMPO, EL LUGAR El LAS PERSONAS Tiempo _75 Lugar 76 nas 76 on LIMITACIONES DELOS ESTUDIOS cia 76 - ee utilidad de los estudios a lencia? 77 ‘coon las iitacones de los estudios i de prevalencia? 77 NOTA 78 CAPITULO 5 iesgo: i enfoque prospectivo 81 FACTORES DE RIESGO 82 RECONOCER EL Bee ce ia prolongada ; en habitual a factores de riesgo 83 Baja incidencia de enfermedad 83 Riesgo escaso e. Riesgo habitual Miltiples causas y efectos 84 RIESGO 85 on de riesgo predicen enfermedades 85 ; ae de riesgo pueden ser 0 no ser ¥ nt i 86 Los factores de riesgo. contribuyen a establecer la probabilidad preprueba de enfermedad en las pruebas diagndsticas 26 Estratificacin del riesgo en los programas de cribado 87 La eliminacién de los factares de riesgo puede evitarlaenfermedad 87 ESTUDIOS SOBRE ELRIESGO 87 Cuando no es posible realizar experimentos 87 Cohortes 88 Estudios de cohartes 38 Estudios de cohartes prospectivos y de cohortes historicos 89 Estudios de casos y cohortes 99 Ventajas e inconvenientes de los estudios de cohortes 91 FORMAS DE EXPRESAR Y COMPARAR ELRIESGO 92 Riesgo absoluto 93 Riesgo atribuible 93 Riesgo relativa 94 Interpretacin de las estimaciones de unriesgoconcreto 94 Riesgo de la poblacion 95, carituco & Riesgo: enfoque retrospectivo 99 ESTUDIOS DE CASOS Y CONTROLES 101 DISENO DE LOS ESTUDIOS DE CASOS YCONTROLES 102 Seleccién de casos 102 Seleccién de controles 103 El método poblacional 103 Controfes intrahospitalarios ydela comunidad 104 Varios grupos de control 104 Varios controles por caso 104 Emparejamiento 105 Medida dela exposicién 105 RAZON DE POSIBILIDADES (ODDS RATIO): UNA ESTIMACION DEL RIESGO RELATIVO 106 INDICE DE cAPiTULOS vii CONTROL DE LAS VARIABLES EXTRANAS 108 'NVESTIGACION DEUN BROTE EPIDEMICO \og PATRONES CIENTIFICOS PARA LAINVESTIGACION CON CASOS YCONTROLES 109 COMUNICACION DEL RIESGO. 109 capituco 7 Prondéstico DIFERENCIAS ENTRE LOS FACTORES. PRONOSTICOSY DERIESGO 114 Los pacientes son diferentes 114 ‘Los resultados son diferentes 114 Las tasas son diferentes 114 Los factores prondsticos y de riesgo son diferentes 114 CURSO CLINICO Y EVOLUCION NATURAL DELAENFERMEDAD 115 ELEMENTOS DE LOS ESTUDIOS SOBRE PRONOSTICO 115 La muestra de pacientes. 116 Tiempo cero 116 Seguimiento 117 Resultados delaentermedad 117 DESCRIPCION DEL PRONOSTICO 118 Balance: sencillez frente a mayor informacion 118 Analisis de supervivencia 118 Supervivencia de una cohorte 119 Curvas de supervivencia 120 Curvas de supervivencia que incluyen otro tipo de informacian 120 Interpretacin de las curvas de supervivencia 121 FALSAS COHORTES 122 IDENTIFICACION DE FACTORES PRONOSTICO 123 REGLAS DEPREDICCION 124 SESGO EN LOS ESTUDIOS DE COHORTES 121 Sesgo de susceptibilidad 126 Sesgo de migracién 126 113105 RESULTADOS DE Los ENSAYos 149 ADAPTAN CONCRETOS AFeubgrupos 149 deN=1 149 Ffectividad en pacientes concretos 150 yyuTacIONES DE LOS ENSAYOS ttpaToRIZADOS 150 ALTERNATIVAS A LOS: Bios DOs coer) Pe ate eneltiempo y lugar 151 } pbiided Br 132 Ensayos NO controlados 152 de par el cotrl delsese0 | sero ciico impredecible 152 | oss ySESGO. grectos sin especificar 152 ! 132 ssiinalamedia 152 i ; ic sible 153 i sesco? 132 ‘ejora prevsil ale pios OBSERVACIONALES H DEINTERVENCIONES 153 MMUNICAR LOS ENSAYOs CRITERIOS PARA CO! 4 i 8 (ALEATORIZADOS Y CONTROLADOS = 154 b Tratamiento 135 aces DE LOS ESTUDIOS SOBRE S TRATAMIENTO 155 IDEAS Y EVIDENCIA ‘Ideas 136 . ‘Evaluar ideas 13 eaupyos solos PE CAPITULO 9 oe ry mervaconaes y xperimetaes Prevencion 159 POBLACION Y PREVENCION CLINICA 160 Tipos de prevencion clinica 160 Vacunacién 160 Cribada 160 Orientacién conductual (cambios del estilo de vida) 160 Quimioprevencién 160 NIVELES DE PREVENCION 161 Prevencién primaria 161 Prevencidn secundaria 161 Prevencionterciaria 162 ENFOQUE DELAPREVENCION CLINICA 162 MAGNITUD DEL SUFRIMIENTO 163 PRUEBAS DE DETECCION EN LA ATENCION PREVENTIVA 164 Cribados de incidencia y de prevalencia 164 Sesgos especiales en el cribado 165 Sesgo de anticipacién diagndstica 165 Sesgo de duracién 166 Sesgo de cumplimiento 167 CRITERIOS PARA REALIZAR UNA BUENA PRUEBA DECRIBADO 168 Sensibilidad y especificidad elevadas 168 Metodos de deteccién e incidencia para calcular lasensibilidad 169 Valor predictivo positive muy elevado 170 Simplicidad y bajo coste 170 Seguridad 171 Aceptable para médicos y pacientes 172 Etiquetado 172 POSIBLES EFECTOS ADVERSOS DELCRIBADO 173 Riesgo de un resultado positivo falso 173 Riesgo de seudoenfermedad (sobrediagnostica) en el cribado (deteccién sistemética) del cancer 174 EFECTIVIDAD DEL TRATAMIENTO 175, RECOMENDACIONES ACTUALES 177 capituco 10 Azar 181 DOS ENFOQUES DEL AZAR 182 VERIFICACION DELAHIPOTESIS 182 Resultados negativos falsos y positivos falsos 182 Concluyendo sobre el buen funcionamiento de un tratamiento 183 Valores de P dicotémicos y exactos 183 Significacion estadistica e importancia clinica 184 Pruebas estadisticas 184 Conclusién sabre el mal funcionamiento de un tratamiento 186 ESTIMACIONES PUNTUALES E INTERVALOS DE CONFIANZA 187 ACUANTOS PACIENTES SE NECESITAN PARA UN ESTUDIO? 188, Requisitos para calcular el tamafio delamuestra 189 INDICE DE CaptruLas Magnitud del efecto 189 Error de tipo! 139 Error detipoll 189 Caracteristicas de los datos. 189 Interrelaciones 199 Eltamano muestral depende del conteto 199) ‘Tamafio muestral basade en intervalos de confianza 192 Potencia estadistica tras finalizar el estudio 192 ENSAYOS DE EQUIVALENCIA 192 DETECCION DE EPISODIOS RAROS 192 COMPARACIONES MULTIPLES 193, ANALISIS DE SUBGRUPOS 194 ANAUISIS SECUNDARIOS 195, DESCRIPCION DE ASOCIACIONES 195 METODOS MULTIVARIABLES. 195 RAZONAMIENTO BAYESIANO = 197 capituco V1 Causa 201 CONCEPTOS DE CAUSA 202 Causa Unica y multiples causas 202 Proximidad de causay efecto 205 Interaccién de multiples causas 205 Modificacion del efecto 206 BUSQUEDA DE LACAUSA 207 Asociacién y causa 207 Jerarquia de los disenos de investigacion 208 ESTUDIOS ECOLOGICOS 208 Estudios de series temporales 209 Estudios de multiples series temporales 209 EVIDENCIAS A FAVOR ¥ EN CONTRA. DELA CAUSA 210 Relaciones temporales entre causay efecto 210 Solidez dela asociacién 211 Relaciones dosis-respuesta 211 Asociaciones reversibles 212 Consistencia 212 Plausibilidad biologica 213 Especificidad 9213 Analogia 214ae TENGO QUEUTILIZAR? 238 ique ST espuesTAS ACUESTIONES NCS ra ents ots de informacion en funci6n de la validez ss (240 a 41 “ones modernas. 2 eo s de texto electronicos 241 ‘reatrices de practica clinica 24] ree datas de reisonessstemelicas de Cochrane 247 Evidencia dinica 242 MEDLINE 242 OBSERVACION DE PROGRESOS = 243 243 eee delaciencia 244 La diversidad de la medicina 244 y sobre Lectura» de revistas 244 PONER EN PRACTICA LA ADMINISTRACION DELOS CONOCIMIENTOS 246 APENDICE A Respuestas a las preguntas para la revision 249 APENDICE B Bibliografia adicional 259 263 ABRAS CLAVE Ciencias biolégicas Ciencias clinicas Ciencias demograticas Epidemiologia Investigacion en servicios de salud Toma de decisiones cuantitativa Andlisis de coste-efectividad Variables Variables extranias Poblaciones Analisis de decision Muestra Ciencias saciales Inferencia Epidemiologia clinica Medicina basada en la evidencia Variable independiente Variable dependiente Introduccion Sesgo Sesgo de seleccion Sesgo de medicién Sesgo de confusion Variacién aleatoria Validez intema Validez externa Capacidad de generalizacion Toma de decisiones compartida Debemos estudiar «los beneficios de las intervenciones médicas en relacién con sus riesgos y costes» EJEMPLO Un varén de 51 afios de edad solicta su asist causa de un dolor tordcic hace dos semanas, cuan centro del pecho mientras opresién ces6 al cabo de 2a 3 minut Desde entonces, se han prod Ss simila Fes, unas veces durante el ejercicio y otras estan reposo, El paciente fuma un paquete de cigarril dia y se le ha comentado que su tensidn arteria «un poco alas, Por lo demas, se siente bien y no toma medicamentos, si bien est preocupado por su salud, especialmente por si sufre alguna enfermedad cardia- ca, La exploracion fisica completa y el electrocardio- gfama €n teposo son normales, excepto la tensién arterial, que es de 150/96. — Kerr L. White Es probable que este paciente se haga muchas pre- guntas. {Estey enfermo? Con qué seguridad lo afirma? Si estoy enfermo, ;cudl es la causa de mi enfermedad? ;Cémo me afectaré? Qué debo ha- . eva a costar econdmicamente? Como médico que atiende a este paciente, usted se hace el mismo tipo de preguntas, pero las suyas reflejan una mayor comprensién de sus po sibilidades, {Es lo bastante clevada la probabilidad de que exista una enfermedad grave, pero tratable, como para ir de inmediato mis alld de dar una simple explicaci6n y de tratar de tranquilizar al pa- ciente, y pasar a las pruebas diagnésticas? Hasta qué punto las diferentes pruebas distinguen en- tre las posibles causas del dolor roricico: angi pecho, espasmo esofigico, distensiénOBJETO PRINCIPAL — Sistoma do Btonclén primayg Poblaciones Pacientes concretos Modelos animales Gélulas y transmisiones ‘Moléculas: Genes Desarrollo de farmacos van desde las cardiopatias comunes y el cincep asta metabolopatias congénitas rara, como lyf. nifeetonuria y la fibrosis Sin embargo, la comprensidn de la biologia de Ja enfermedad no suele ser, por si misma, una base sélida para Ix prediccién en los seres humanos «- hos, Existen demasiados factores que contribuy tla salud y a la enfermedad, En primer lugar, puede que los mecanismos de la enfermedad no se tniiendan complecamente. Por ejemplo, i idea de que la glucemia en los pacientes diabéticos se ve mas afectada por Ia ingestién de azuicares sim. ples (sacarosa 0 azticar de mesa) que por aziicares complejos como el almidén (presente en las pa- tats y fa pasta) ha sido disipada por rigurosos estudios que han comparado los respectivos efec- tos de ambos azticares. Asimismo, cada vex est: ‘mas claro que los efectos de las anomalias genéti ras puntuales s¢ ven a menudo modificados por el ‘entorno genético y por un entorno fisico y social iplejo, en el que se incluye la alimentacién de | a@ agentes quimicos ¢ in- si como las formas predominantes de d que se observan. Fe epidemiologia clinica es una de las ciencias Es ae gus pan lx mc asistencia a los pacientes, aunque también existe otras ciencias que son parte integrante de esta asis- ———fenciay y que se resumen en la figura 1-1. _ Las ciencias bioldgieas, que cstudian la se- © et la comunidad. El gen de la fenil- por ciemplo, silo se expresa en los ni- alimentaci6n incluye fenilalanina (que, en realidad, se e1 ‘nera en la dieta de todas los nifios, salvo que este aminodcide se exeluya inten- adamente), Por lo tanto, el conocimienta de jologla de la enfermedad produce hips menudo muy buenas, sobre qué podefa ocurri a los pacientes. Sin embargo, dichas hipdtesis tie- nen que ser demostradas mediante sélidos estudios con seres humanos sanos, antes de aceptarlas como hechos elinic Lay ciencias clinicas proporcionan informacién que puede utilizarse en la asistencia de pacientes coneretos, y la mas importante de ellas es la epi- demiologia clinica (que se describe a continuacién) Algunas ciencias bioldgicas, como la anatomia y la fisiologia, mencionadas anteriormente, son cas» en la medida en que ofrecen informacién s6- lida sobre la que basar las decisiones clinicas. Las diferencias entre estas ciencias no estdin claras en absolut, De hecho, puede resultar enormemente provechoso establecer pucntes entre las distintas disciplinas, tal como se hace en epidemiologia clinica. Las ciencias demogrdficas cstudian grandes grupos de personas. La epidemiologia es cl «es- tudio de la aparicién de enfermedades en pobla- ciones humanas» (1), a partir del reeuento de los episodios relacionados con la salud «elini- que presemtan las personas en relacién con los grupos que existen de forma natural (poblaciones) y a los cuales per tenecen dichas personas, Los resultados de muchos de estos estudios pricden aplicarse directamente asistencia de pacientes coneretos, Por ¢) tos estudios se utilizan como base para acon: que deben evitarse comportamientos como el baquismo y la inactividad, ya que aumentan el ti go de los pacientes, Otros estudios epidemioldgi- cos, como los que muestran las efectos nocivos del tabaquismo pasivo y de otros riesgos ambientales y profesionales, sirven de base para las recomenda- ciones sanitatias, La epidemiologia clinica es un sub- grupo de las ciencias demogrsficas, debide a que no todos los estudiox epidemicldgicos tienen una tili- dad directa en la asistencia a pacientes concretos, La inyestigacién en servicios sanitarios es- tudia la forma en. que los factores no bioldgicos (como el personal y las instalaciones, la manera de INTRODUCCION 3 ar y financiar el cuidado asistencial, las sncias de lox médicos y La cooperacidn de los pa- ‘sientes) afectan a la salud de los pacientes. Estos ex- tudios han demoscrado, por ejemplo, que ta ais tencin médica difiere de forma sustancial de una Pequefia regién geografica a otra (ain las correspan- dlicntes diferencias en cuanto a la salud de lor pa lentes); que la cirugia levada a cabo en hospitales que practican un determinado procedimiento. a menudo sucle ofrecer mejores resultados que la ce ugfa en los hospitales en los que dicho procedi- miento se realiza con poca frecuencias y que un niimero relativamente pequenio de pacientes con cardiopatia toma dcido acctilsalicilico durante las. horas posteriorcs al inicio del dolor toricico, a pe- sar de que esta sencilla prictica ha demostrado re- dusir el mimero de episodios vasculares posteriores cerca de un 30%. Este tipo de estudios guia a los médicos en sus esfuerzos por aplicar el conocimien- to cxistente sobre las mejores pricticas clinicas. Existen otras ciencias que también orientan la asistencia a los pacientes, La toma de decisiones ‘suantitativa incluyc andlisis de coste-efectividad, que describen los costes econdmicos necesarios para lograr buenos resultados como evitar la muerte ola enfermedad, y andlisis de decisién, que exponen la base racional para las decisiones fayao que: silos hubiera, eerzan una gran ing, da sobre los resultados que interesan. Para gy iavesigador oun lector pueda abordar un ge, forma efica. primero nevesita saber dinde yg," fuscatlo, y si Io encuentra, debe saber gue 4. goa d.¥ ex no cs todo. También cs mecesarig jnar si realmente se ha Producido UN se6p0, cA son susposibles dimensiones, tas locust.” endl que decidir Si cs lo bastante grave como pary .,.) influen. mis de un 5° Iifcar las conclusiones del estudio de ung fon ‘A smenado, s prod ca el siguenee ejemplo bi i ‘importante. * hf mismo esadis, como linicamente ji ‘ ¢ Amr casepm cr Habirualmence, las observaciones sobre uns enfiy medad se realizan en una muestra de pacientes, Por. que resulta imposible estudiar a todos los pacicnta, condicha enfermedad. Estas muestras, incluso 4 < ha evitado el sesgo-en Ia seleccisn, pucden rep;.. ssenear deforma errénea la situaciin en la poblacisn como un todo a causa del azar. A pesar de io, los resultados ‘de una muestra sin sesgo tienden ; ‘apraximarse al valor real. Si se repiticran las obser vaciones en muchas muestras de pacientes de eie tipo, los resultados se concentrarian alrededor de} valor real, con la mayoria de dichos valores mis a : alejados del valor real, La diver. an hacret tiation lor real de la poblacién, causada tinicamente poe ‘azar, se denomina variaci6n aleatoria, Todos conocemos el azar como la ra20 que cv pica que, si se lanza una moneda al aite, supong amos, 100 veces, no salga cara exactamente el 50% de ellas. El mismo efecto, la variacién aleatoria, x aplica cuando se comparan los efectos de las reps faciones abierta y laparoscépica de la hernia in- guinal, comentada anteriormente. Supongamos que 4 climinan todos los sesgos de un estudio sobre los efectos de ambos procedimicntos. Supongamos. -addemds, que ambos procedimientos son, en realidad, , ficaces, y cada uno de ellos va seguido de sel 10% de los pacientes. Aun asi, debido mnt al azar, un solo estudio con un mimero El azar puede afectar a todas las etapas de una observacién clinica. En la evaluacidn de los des mé- todos de reparacién de la hernia inguinal, la varie i6n aleatoria se produce en el muestreo de los pa- lentes para el estudio, en la seleccisn de los grupos de tratamiento, y en las mediciones del dolor y del retorno al trabajo. Al comrrario que para con alguna referencia aceptada. Por ejemplo, €l sodio sérico puede medirse mediante un instnue eTaela . ‘Cuestionario CAGE para la detegcisn, del consumo excesivo 0 abusiva j dealcohol a ‘ia sentido alguna vez la necesidad de dejar de bebery ite ha molestado que la gente haya criticado su forma de beber? éSe ha sentido mal o culpable por sus forma de beber? {a bebido alguna ver a primera hora de la manana para calmar los nervios o evitar una resaca? Una respuesta safirmativas sugiere la necesidad de ung valoracién mas detenida Un minimo de dos respuestas safirmativas» expresan ung -estrecha relacién con el alcaholismo agudo, el alcoholismg crénico, 0 con ambos. lr , procedi el inseru- x Se atets cocied -realizada para de- Validez del constructo Existe validez del constructo cuando la medicié,, estd relacionada de forma coherente con otras me- diciones, que, al igual que ésta, no pueden compro- barse fisicamente, y que se consideran parte del mismo fenémeno. Asi, por ejemplo, seri mas fiable Ja validez del constructo de una escala que mide la depresién cuando ésta esté relacionada con la fatiga y la cefalea (otros constructos que se consideran di- ferenres pero relacionados con la depresién). sea, la disnea, la depresién y el miedo, en comprobarse de forma fisica. En las mnesis, aunque existen otros métodos sy normalizados que se utilizan en la como las entrevistas estructuradas y Validez de criterio Existe validez de criterio cuando las mediciones predicen un fendmeno que se puede observar di- rectamente. Por ejemplo, es posible verificar si las 2 stra una de estas escalas; setratade —_respuestas en una escala que mide el dolor guardan ‘utilizado para detectar el una relacién predecible con el dolor de una intensi- ; dad conocida: dolor leve producido por una abra- sién sin importancia, dolor moderado causado por tuna cefalea comin y una tilcera péptica, y dolor in- tenso debido a un célico nefritico. También es po- sible observar que las respuestas a una escala que mide el dolor estan relacionadas con otras manifes- [ in _taciones observables vinculadas a la intensidad del ye todas las di- dolor, como sudoracién, gemidos y el hecho de so- nde medir y _licitar firmacos contra el dolor. La validez de una scala no es algo que esté, ‘como se afirma a menudo, presente ide forma que se pucda convencer a lox demis de ue Ia escala es mas o menos vilida, Debido a su seleccién y formacién, los médicos tienden a preferir el tipo de mediciones precisa que petmiten las ciencias fisicas y biol6gicas,y pue- den evitar 0 descartar las otras, especialmente pata la investigacidn. A pesar de todo, el alivio de los sineomnas y el fomento de la satisfaccidn y dela sen- sacion de bienestar figuran entre los resultados mds importantes de la asistencia a las pacientes, y cons- tieuyen las preocupaciones centrales tanto de étos como de los médicos. La investigacién también debe incluir dichas preocupaciones, a fin de guiar las de- cisiones clinicas y evitar que la propia investigacién distorsione la imagen que ella misma ha dibujado dela medicina. Tal como Feinstein afirmé (1): El término «sélido» suele aplicarse a los datos que son fiables y preferiblemente dimensiona- les (p. ¢j.. dacos analiticos, datos demogrificos y costes econémicos). Pero el rendimiento cli- nico, la conveniencia, la anticipacién y los da- tos familiares son «débiles». Dependen de afir- maciones subjetivas, habitualmente expresadas con palabras y no con némeros, realizadas por las personas que actiian como observadoras y como observadas. Para evitar este tipo de datos débiles, los re- sultados del tratamiento suclen restringirse a la informacién analitica que pueda ser objetiva, dimensional y fiable, aunque también quede deshumanizada. Si nos dicen que el colesterol sérico es de 230 mg/100 ml, que la radiografia tordcica muestra una cardiomegalia y que el electrocardiograma presenta ondas Q, no sa- bremos si el objeto de que se trata es un perro. una persona. Si nos dijeran que se ha recupera- do la capacidad para trabajar, que el medica- mento tiene un sabor agradable y es facil de to- mar, y que la familia se muestra satisfecha con los resultados, reconoceriamos un grupo de tespuestas humanizadas. Fiabilidad La fiabilidad cs el grado en que mediciones repeti- das de un fenémeno estable, realizadas por perso- unas ¢ instrumentos diferentes, en momentos yluga- ANORMALIDAD Es sai cxpresan resultados similares, Repro oe ¥ precision son otros términos que lesignan la misma propiedad. La fiabilidad de las determinaciones analiticas se establece mediante mediciones repetidas (p. ej, del mismo suero o muestra tisular) levadas cabo, a veces, personas diferentes con instrumentos distintas. La fiabilidad de los sintomas puede com- probarse demostranda que diferentes observadares en condiciones diferentes los describen de forma similar, En Ja figura 2-1, se muestran de forma simpli- ficada las relaciones entre la fiabilidad y la vali- dez. Las mediciones pueden ser vilidas (exactas) de promedio, pero no fiables, puesto que se encuen- tran muy dispersas en torno al valor real, tal como muestra la grifica C. Por atro lado, las mediciones pueden ser muy fiables, pero inexactas, si se alejan sistematicamente del valor real, como sucede en la grifica B, Un niimero reducido de mediciones con tuna fiabilidad deficiente también tendrin poca va- lidez, ya que es muy posible que se alejen del valor real slo por efecto del azar. Por lo tanto, la fiabi- lidad y la validez no son conceptos del todo in- dependientes. La figura 2-1 constituye una aproxi- macién; en general, una medicién poco fiable no puede ser valida, y una medicién valida debe ser fiable, VALIDEZ Bawa ) pays i = A Elevada | s} FIABILIDAD = | (Precision) 3 = Baja FIGURA 2-1. m Validez y fabilidad. A Valdez elevada y fiabilidad elevada. B. Validez baie y fiabilidad: elevada, . Validez elevada y fiabiidad baja. D. Valdez baja y fable dad baja. Las lineas de puntos son los valores reales. he‘sintomas con esfuerzo ligero, con esfuerzo _moderadoy sintomas en repose), no es sensible alos ‘cambios suiles que se producen en una insuficien- cia cardiaca congestiva, precisamente aquellos que ser importantes para los pacientes. Por otro ado, las mediciones de la fraccién de eyecciéin real ios tan sutiles que no los perciben ni los pacientes. e : ‘Los médicos aprenden a interpretar el significado / dena PCO: de 50 mm Hg o dena glasemia de 460 mg/ 100 mila través de la experiencia, tras cali- _brar repetidamente las enfermedades actuales de los te mas fei neerpretar los valores de la escala, se gg rablece una correspondencia entre los niimeros y Jas descripeiones de las funciones cotidianas. Coy, tun valor de 60 en la escala, los pacientes precisan ayuda ocasional, pero son capaces de solventar por {i mismos la mayor parce de sus necesidades, VARIACION Las mediciones clinicas del mismo fendmeno puc. den adoptar rodo un intervalo de valores en fun. cién de las circunstancias en las que dichas medj- Giones se realicen. A fin de evitar conclusiones erréneas a partir de los datos, los médicos deben ser conscientes de las razones que producen variacio. nes en una situacién concreta, y saber cudles pue- den ejercer una gran influencia, poca influencia ninguna influencia en aquello que se ha observado, Esto no sélo es valido para la interpretacién de las investigaciones publicadas, sino también para Ia credibilidad de las mediciones elinicas del dia a dia. La variacién global es la suma de la variacién re- lacionada con el propio acto de la medicién, de las diferencias bioldgicas en el interior de las personas de un momento a otro y de las diferencias biolégi- cas entre las personas (v, tabla 2-3). Variacién derivada de la medicién Todas las observaciones estan sujetas a variaciones, debido al funcionamiento de los instrumentos y a Fuente de variacion Definicién Variacién coma consecuencia de la medida instrument Medios utilizados para realizar la medicion Observador Persona que lleva a cabo la medicion Voriacion Dentro de cada persona Cambios que se praducen en.una persona con el tiempo y la situacion los ‘observadores que intervienen cn las mediciones, condiciones en que se tealiza la medicidn pue. den dar lugar a-un resultado sesgado (falta de va- fider) 0 sencillamente, aun error aleatoria (falta de fiabilidad). Esta fuente de variacién puede reducir- fe silas ediciones se realizan con sumo cuidado y sise siguen prorocolos normalizados, Sin embargo, cuando las mediciones dependen dd juicio humano, yyno de las maquinas, la variacién que se genera pue- jhe ser especialmente amplia y dificil de controlar, fesemeto La frecuencia cardiaca fetal suele determinarse por aus- cultacion, un acto sujeto al error del observadar. La mo- nitorizacién electronica proparciona la frecuencia real Las frecuencias cardiacas fetales anormalmente ele vyadas 0 bajas son signos de sufrimiento fetal, y sugieren la necesidad de un parto prematuro mediante cesarea. Day y cols. (2) comparaton las frecuencias cardiacss fetales obtenidas por el equipo del hospital mediante auscultacion con las frecuencias cbtenidas median- te monitorizacién electronica (fig. 2-2), Cuando la ire cuencia cardiaca fetal real se encontraba dentro del intervalo normal, las frecuencias obtenidas por auscul- tacién se distribufan uniformemente en toro at valor real (es decir, s6lo se producia un error aleatario}. Pero cuando la frecuencia cardiaca fetal real era anormal- mente elevada o baja, las frecuencias obtenidas por auscultacion quedaron desviadas hacia el intervalo nor mol, Las frecuencias bajas tendieron a notificarse como més elevadas que las frecuencias reales, y las frecuen- cias elevadas, como mas bajas que las frecuencias reales. Este estudio ilustra los errores aleatorios y siste- miaticos de las observaciones clinicas. En este caso, el sesgo hacia las frecuencias situadas dentro del in- tervalo normal podria deberse a que el equipo del hospital deseaba que el feto se encontrara en buen estado y se mostraba reacio a practicar una inter- vencién mayor, basandose sélo en las observaciones de una frecuencia cardiaca anormalmente elevada o baja. También pueden producirse variaciones en las mediciones porque se realizan en una sola muestra del fenémeno que se describe, lo que puede conlle- ‘var una representacidn errénea del conjunto. A me- nudo, la fraccién de muestreo (fraccin del con- junto incluida en la muestra) es muy pequeiia, Por una biopsia hepatica sélo representa apro- ANORMALIDAD as 15. ‘| Frecuencia cardiaca | fetal monitorizada 10 190-150 a oe 5-4 Frecuencia cardiac | {otal monitorizada <130 ol 104 Frecuencia cardiaca fetal monitorizada >150 Numero de observaciones 0 50 40 30 20 10 0 Infraestimacion 10 20 30 40 504 Sobreestimacion ERROR (latidos/minuto) FIGURA 2-2. = Varabilidad del observador. Errores en la notificacén de la frecuencia cardiaca fetal en funcién de si la frecuencia real, determinada por un monitor electro- nico, se sitha dentro deb intervalo normal, es baja 0 es elevada. (Reelaborado de Day E, Maddem L, Wood C. Auscultation of foetal heart rate: An assessment of its error and significance. Br Med J 1968;4:422-424). ximadamente 1/100.000 del higado. Puesto que se examina una parte tan mintiscula del conjunto, es posible que se produzca una variacién considerable entre una muestra y otra. las mediciones se realizan con métodos dife- rentes, como laboratorios, técnicos o instrumentos distintos, puede que algunas sean poco fiables y proporcionen resultados sistematicamente diferen- tes del valor correcto, lo que contribuiria a la dis- persidn de los valores obtenidos. Variacion derivada de las diferencias biolégicas Los cambios biolégicos en el interior de cada perso- nna alo largo del tiempo también pueden dar lugar a variaciones. La mayor parte de los fendmenas bio- ldgicos cambian de un momento actro, Una medi- cidn en un punto del tiempo constituys wna mues-— ahoras. Unos periodas de observacion mas cortos pe, [ela pate donde p representa la proparcidn observada, y NV, el numero de personas observadas. Para ser mds exactos, multiplicar por 1,96, DIAGNOSTICO 49 © 20 w “0 0 Numero de personas observadas FIGURA 3-7. @ Precisién de una estimacin de la sensi bilidad. intervalo de confianza del 95% para una sensibi- lidad observada del 75%, en funcién del numero de per- sonas observada Definiciones Dados los: revultades de ura: priseba;'la:pmubebilie dad de enfermedad se denomina valor predictive de la prueba (v. fig. 3-2). El valor predictivo positive es la probabilidad de una enfermedad en un pa- ciente con un resultado positive (anormal) en una prueba. El valor predictivo negative ex la pro- babilidad de mo sufrir la enfermedad cuando el re- sultado de la prueba ha sido negativo (normal) El valor predictivo responde la pregunta: «Si mi pa- cienre ha cenido un resultado positivo/negativo en, la prueba, zqué probabilidad hay de que sufra/no sufra la enfermedad?» En ocasiones al valor predic- tivo también se le llama probabilidad posterior (o posprueba), es decir, la probabilidad de enferme- dad tras conocerse el resultado. La figura 3-3 ilustea estos conceptos. De los 202 pacientes con un resul- tado positivo en los estudios de dimeros D, sélo el 17% sufiéa TVP (valor predictive positive). El va- lor predictivo negativo de la prucba fue mucho més clevade, casi del 100%. A veces, se emplea el término exactitud para tesumir el valor global de una prueba. La exactitud es la proporcidn de todos los resultados de la pruc~ ba, tanto positivos como negativos, que son correc- tos. En el ejemplo de la TVP de la figura 3-3, la exactitud de los estudios de dimeros D fue del 65%, (Calctilelo usted mismo.) El ire tala ae al_erpenno1 ola GUNA ae 3 sos, De forma similar, los pees Negativos, j,, ee dela it~ Fiveg de una prueba muy sensible, si proces media de eesuleado de une NO “econ una clevada probabildad de afi e proper Einedidas de reine Pofermedad, serin posiblemente negativos fa," een oe rade en, En resumen, la interpretaciGn del resultado de me demasiado element te a que is ae prueba diagndstica, ya sea positivo o negativg, variy ee integra osde de un entorno a otro, en funcién de la Prevalencia wafor predictiv0 2 PU de ta enfermedad en el entorno concreto " J verde cuando ¥e expresat I mative de por qué la prevalencia debe af. geet E le por q Afectag em ala interpretacién de un resultado no resulta intuj. del valor predictivo prueba propie- alr pei ee i ed determina bee ire de la prueba, puss < dad incr dad y la especificidad dea mis ee ia prevalencia de la enfermedad a latn ober de eco, cuando ele 9996). La mayoria de los grupos de expertos recomiendan que los médi- 0s offezcan la prueba del VIH a personas en situacién de alto riesgo (como toxicémanos por via intravenosa, en los que la prevalencia de VIH es de aproximada- mente el 159) (11). Cuando se utilizan en estos gru- P05, se producen relativamente muy pocos resultados Positivos falsos. Sin embargo, la prevalencia del VIH en la poblacién general estadounidense es mucho me- nor, del 0,01 al 0,05%. Debido a esta reducida preva- lencia, la mayoria de las pruebas positivas serian posi- tivos falsos, (Calctilelo usted mismo.) Por lo tanto, la mayoria de los grupos de expertos recomiendan te Concentracién en grupos de alta riesgo, en lugar de rea lizar cribados en la poblacién general. (Como excep- Gi6n, muches grupos sugieren que todas las mujeres embatazadas se sometan ala prueba, ya que el trata- de las mujeres seropasitivas puede impedir la infecci6n perinatal por el VIH de los recién nacidos) ES En general, a la hora de determinar 8,0 lig/dl) no se detectaron en dicts a Ee es enhireron ue ses posible lograr un s Sin perder exactitud diagndstica on una sola medicion de T, total en la evaluation int ial de! presunto hipoti fades, hipotiroidismo en pacientes seteccio eee __ [ei tarin de verosimilicudes presenta otras ven- tajas sobre la sensib lad y la especificidad a la hora de describir el rendimiento de una prueba. La in. formacién aportada por ésta se resume en forma de un-ntimero que corresponde a cada nivel del resul- tado de la prueba. Asimismo, las razones de verosi. militudes son especialmente idéncos para describir las. posibilidades slobales de enfermedad cuando se utilizan diferentes prucbas diagndsticas (v. a conti- Muacidn). ® ae Técnicas para utilizar las razones de verosimilitudes Las figuras 3-10 y 3-11, que se re 1 alchanter aussie doi felis de ebieient 1 bilidad posprucha: a través del edlculo mage ¥ con un nomograma. En la figura 3-11, Jog los se realizan a partir del ejemplo de la ero! venosa profunda de la figura 3-3, y muestra probabilidad posprucba obtenida (169%) <2 8 al valor predictivo positivo del 179% calcula figura 3-3. Si bien el proceso es conceptual en? sencillo y no hay célculo alguno que, por Sabu, te entrafe dificultad, el esfuerzo global revulta ge desalentador. El nomograma simplifica el po $0, pero requiere disponer de un nomogram. Estos eleulos muestran un inconvenience de razones de verosimilitudes, Hay que utilizar pox lidades, no probabilidades, y ala mayoria de ee tos nos resulta mas dificultoso trabajar con posthy lidadles que trabajar con probabilidades, Aden” conyersién de probabilidad a posibilidades y y,, versa precisa cilewlos mateméticos o el uso dey, theo, (porcentaje) (porcen verosimilitudes <1,0 2 (7A) t 1,1-2,0 21-30 3,1-4,0 4,1-5,0 5,1-6,0 61-70 7,1-80 81-90 91-10 10,1-11 MI-12 3(11,1) 1@7) 8 (29,6) 4(148) 4(148) 3(111) 2 (7,4) 27 (100) Nommitied Razén de Contirmado 11) 138 6 (6,5) 23 11 (11,8) rt) 19 (20,4) o4 17 (18,3) 20 (21,5) | 11:(11,8) Descartado 4 (4,3) 4 (4,3) 93 (100) ymaticr 1 nde mate sroabiad preprucba(orevalens) 3 po- " iptdsdos Pre?" 5 pasibilidades jg) Sise utilaa un nomograms de razones d¢ verosimili- provalen ‘al des ra diene probablidad sipiniades preprueba = prevalenciay(1-prevalencia) Pore obtener las posibildades pospnicba, rmuliplicar 2) Pata Glas prepruota por la razon de verosimltudes a % razén de verosimiltudes ~ Jades posprucba las posiblidades posprusba a probabild Convertir las_posibil Pe lad 3 pa (valor prediclivo) lidad posprueba = posibildades posprucba Propapli“({ + posiblidades posprueta} siidades prepruab: osibidades prep tudes wavar una linea recta entre el valor que corresponda a la cia y el que correspanda a la razén de verosimilit rotongar la linea hacia la probabilidad posprueba se oy 02. os ‘ 20 2 20 70 4 so 10 50 % 40% 20 0 30 20 40 is 10 cy Pr 0 80 i %0 1 95 os a2 99 o1 Probablidad Razin Prcbabiad prepruena da osprucba {breveincia) vercsimitudes. (alo predict) FIGURA 3-10, & Formula y nomograma para determinar la prababilidad posprueba de enfermedad mediante razo nes de verosimilitudes. (Corregido de Fagan TJ. Nomo- gram for Bayes’s theorem, N Eng J Med 1975;293:257.) nomograma, lo que puede complicar el cilculo de las posibilidades posprucha y de los valores predic- tivos durante la prictica sistematica de asistencia al pacienre, En la tabla 3-3, se muestra una forma mas fieil, tin modo de utilizar las razones de verosimilitudes para que proporcionen una aproximacién elemen- A) Método matematica 41) Convertir ta probat staisedes 2 Obabiad propusba (prevalenca) an po- 2) Mullica las posbidades pre verosimitudes de una pusbe pads ht = ON. 38 2) Conv as powtndedes pospeueba. on pr Posprucba (valor predictive positive) tee 8) Si se utiliza un nemograma ve razones de verotimit a probablias praprucba es dl 7 os del 7% y la AVS 08 26 Trazar na tines de rrsecsen era eit dot valron ma que cruce latina de probabidad pospruaba ene alot aproximade del 16-17%, oes Re DIAGNOSTICO ST 8.0713 — 0.07) ~ 0:75 0.075 «2,6 = 0.195 1495i(1 + 0,195) = 0.16 = 16% Probeblidad Razin Probabiidad preprueba de osprueoa. {prevalencia) yerosimifudes, (valor predichwo} FIGURA 3-11. @ Calculo de la probabilidad posprueba en un estudio de dimeros B positive para trombasis ve- nosa profunda (fig. 33). tal del efecto que ejerce el resultado de una prueba sobre la probabilidad de que un paciente con un re+ sultado dererminado sufta la enfermedad (valor predictivo) (16). Las razones de verosimilitudes 2, 5 y 10 inctemencan la probabilidad de enfermedad. aproximadamente un 15, un 30y un 45%, respec tivamente, mientras que los cocientes inversos (ra-