++
Otra forma de calcular la probabilidad de enfermedad posterior a la prueba es usar el método de posibilidad probabilidad (o posibilidades-probabilidades). La sensibilidad y especificidad se combinan dentro de una entidad que se denomina cociente de probabilidad (LR):
++
LR = Probabilidad del resultado en las personas enfermas/Probabilidad del resultado en las personas no enfermas.
++
Cuando los resultados de la prueba se dicotomizan, cada prueba tiene dos cocientes de probabilidad, uno correspondiente a una prueba positiva (LR+) y otro correspondiente a una prueba negativa (LR–):
++
LR+ = Probabilidad de que la prueba sea positiva en las personas enfermas/ Probabilidad de que la prueba sea positiva en las personas no enfermas
++
= Sensibilidad/ 1 – Especificidad
++
LR- = Probabilidad de que la prueba sea negativa en las personas enfermas/ Probabilidad de que la prueba sea negativa en las personas no enfermas
++
= 1 – Sensibilidad/ Especificidad
++
En las mediciones continuas, puede definirse que los cocientes de probabilidades múltiples corresponden a espectros o intervalos de resultados de la prueba. (Véase cuadro E3-5 para un ejemplo.)
++
++
Los cocientes de probabilidad pueden calcularse mediante las fórmulas previas. También pueden encontrarse en algunos libros de texto, artículos de revistas y programas en línea (véase el cuadro E3-6 de valores de la muestra). Los cocientes de probabilidad proporcionan una estimación de si habrá un cambio significativo de una enfermedad desde la probabilidad previa a la posterior a la prueba con base en el resultado de una prueba, y si por consiguiente puede utilizarse para realizar estimaciones rápidas de la utilidad de las pruebas diagnósticas contempladas para situaciones determinadas. Un cociente de probabilidad de 1 implica que no habrá diferencia entre las probabilidades previa a la prueba y posterior a la prueba. Los cocientes de probabilidad > 10 o < 0.1 indican con frecuencia grandes diferencias con significancia clínica. Los cocientes de probabilidad entre 1 y 2 y entre 0.5 y 1 indican pequeñas diferencias (rara vez de significancia clínica).
++
++
El método más simple para calcular la probabilidad posterior a la prueba a partir de la probabilidad previa a la prueba y de los cocientes de probabilidad es usar un nomograma (figura E3-7). El médico coloca una regla a través de los puntos que representan la probabilidad previa a la prueba y el cociente de probabilidad y luego lee la probabilidad posterior a la prueba donde la regla cruza la línea de probabilidad posterior a la prueba.
++
++
Una manera más formal de calcular las probabilidades posteriores a la prueba usa el cociente de probabilidad como sigue:
++
Disparidad previa a la prueba × cociente de probabilidad = disparidad posterior a la prueba
++
Para usar esta fórmula, las probabilidades deben convertirse en posibilidades, donde las posibilidades de tener una enfermedad se expresan como la posibilidad de tener la enfermedad dividida por la posibilidad de no tener la enfermedad. Por ejemplo, una probabilidad de 0.75 es lo mismo que 3:1 posibilidades (figura E3-8).
++
++
Para estimar el beneficio potencial de una prueba diagnóstica, el médico estima en primer lugar las posibilidades de enfermedad previas a la prueba con base en toda la información clínica disponible y luego multiplica las posibilidades previas a la prueba por los cocientes de probabilidad positivos y negativos. Los resultados representan las posibilidades posteriores a la prueba, o las posibilidades de que el paciente sufra la enfermedad si la prueba es positiva o negativa. Para obtener la probabilidad posterior a la prueba, las posibilidades se convierten en probabilidad (figura E3-8).
++
Por ejemplo, si el médico cree que el paciente tiene una probabilidad de 60% de sufrir un infarto del miocardio (posibilidades previas a la prueba de 3:2) y la prueba de la troponina I es positiva (LR+ = 24), las posibilidades de sufrir un infarto del miocardio posteriores a la prueba son:
++
3/2 × 24 =72/2 o 36:1 posibilidades
++
36/1 / (36/1) + 1 = 36/37= probabilidad de 97%
++
Si la prueba de la troponina I es negativa (LR– = 0.01), las posibilidades de sufrir un infarto del miocardio posteriores a la prueba son:
++
3/2 × 0.01 = 0.03/2 posibilidades
++
0.03/2 / (0.03/2) + 1 = 0.015 / 0.015 + 1 = probabilidad de 1.5%
++
Por lo que se refiere a este asunto, ya se explicó el impacto de una sola prueba en la probabilidad de enfermedad, mientras que durante la mayor parte de los estudios diagnósticos los médicos obtienen la información clínica en una forma secuencial. Para calcular las posibilidades posteriores a la prueba después de tres pruebas, por ejemplo, el médico puede estimar las posibilidades previas a la prueba y usar el cociente de probabilidad apropiado para cada prueba:
++
Posibilidades previas a la prueba × LR1 × LR2 × LR3 = posibilidades posteriores a la prueba
++
No obstante, cuando usa este método, el médico debe tener presente una premisa principal: las pruebas o herramientas elegidas deben ser condicionalmente independientes. Por ejemplo, ante el daño de la célula hepática, las enzimas aminotransferasa de aspartato (AST) y aminotransferasa de alanina (ALT) pueden ser liberadas por el mismo proceso y, por tanto, no ser condicionalmente independientes. Si en este método secuencial se emplean pruebas condicionalmente dependientes, resultará una probabilidad posterior a la prueba inexacta.
+
Linnet
K
et al. Quantifying the accuracy of a diagnostic test or marker. Clin Chem. 2012 Sep;58(9):1292–301.
[PubMed: 22829313]
CrossRef +
Vikse
J
et al. The role of serum procalcitonin in the diagnosis of bacterial meningitis in adults: a systematic review and meta-analysis. Int J Infect Dis. 2015 Sep;38:68–76.
[PubMed: 26188130]
CrossRef
+++
Método del umbral para la toma de decisiones
++
Un aspecto clave de la toma de decisiones médicas se refiere a la selección de un umbral de tratamiento, es decir, la probabilidad de enfermedad a la cual se indica tratamiento. El umbral de tratamiento se determina por las consecuencias relativas de diferentes acciones: realizar tratamiento cuando la enfermedad está presente; no efectuar tratamiento cuando la enfermedad está ausente; tratar cuando la enfermedad está realmente ausente, o no tratar cuando la enfermedad en realidad está presente. La figura E3-9 muestra una forma posible de identificar un umbral de tratamiento al considerar el valor (utilidad) de estos cuatro resultados posibles.
++
++
El uso de una prueba diagnóstica se justifica cuando su resultado encierra la posibilidad de cambiar la probabilidad de enfermedad a través del umbral de tratamiento. Por ejemplo, en un paciente con dolor de garganta, un médico puede tomar la decisión de iniciar un tratamiento con antibióticos si la probabilidad de una faringitis estreptocócica es superior a 25% (figura E3-10A).
++
++
Si después de revisar la evidencia del interrogatorio y de la exploración física el médico estima que la probabilidad previa a la prueba de que exista una infección estreptocócica de la garganta es de 15%, una prueba diagnóstica como un cultivo faríngeo (LR+ = 7) sólo sería útil si un resultado positivo de la prueba pudiera modificar la probabilidad posterior a la prueba por encima de 25%. El uso del nomograma que se muestra en la figura E3-7 indica que la probabilidad posterior a la prueba debería ser de 55% (figura E3- 10B); por consiguiente, la solicitud de la prueba estaría justificada, ya que afectaría el manejo del paciente. Por otro lado, si el interrogatorio y la exploración física sugieren que la probabilidad previa a la prueba de una infección estreptocócica de la garganta ronda el 60%, el cultivo faríngeo (LR– = 0.33) debería indicarse sólo si una prueba negativa haría reducir la probabilidad posterior a la prueba por abajo de 25%. Mediante el mismo nomograma, la probabilidad posterior a la prueba después de una prueba negativa sería de 33% (figura E3- 10C). Por consiguiente, la solicitud de un cultivo faríngeo no se justificaría debido a que no modificaría el manejo del paciente.
++
Este método para la toma de decisiones ya se aplica en la bibliografía clínica.
++
Hasta este momento, la discusión de las pruebas diagnósticas se enfocó en las características de la prueba y los métodos para usar esas características para calcular la probabilidad de enfermedad en diferentes situaciones clínicas. Aunque útiles, estos métodos son limitados porque no incorporan la mayoría de los resultados que se pueden producir en la medicina clínica o los valores que pacientes y médicos proyectan en tales resultados. Para incorporar resultados y valores con características de pruebas, pueden utilizarse los análisis de decisión.
++
Un análisis de decisión es una evaluación cuantitativa de los resultados que se originan de un conjunto de elecciones en una situación clínica específica. Aunque se usa poco en la práctica clínica de rutina, el enfoque del análisis de decisión puede ser de ayuda para realizar preguntas relacionadas con decisiones clínicas que no pueden responderse con facilidad por medio de los ensayos clínicos.
++
La idea básica del análisis de decisión es moldear las opciones de una decisión médica, asignar probabilidades a las acciones alternativas, asignar valores (utilidades) (p. ej., tasas de sobrevida, años de vida ajustados a la calidad, o costos) a los diversos resultados, y después calcular qué decisión otorgarle al máximo valor esperado (utilidad esperada). Para completar un análisis de decisión, el médico procedería en la siguiente forma: 1) delinear un árbol de decisión que exhiba los elementos de la decisión médica; 2) asignarle probabilidades a diferentes ramas; 3) asignarle valores (utilidades) a los resultados; 4) determinar el valor esperado (utilidad esperada) (el producto de la probabilidad y valor [utilidad]) de cada rama; 5) seleccionar la decisión con el valor esperado más alto (utilidad esperada). Los resultados que se obtienen de un análisis de decisión dependen de la exactitud de los datos que se usen para estimar las probabilidades y valores de los resultados.
++
La figura E3-11 muestra un árbol de decisión en el que la decisión a tomar pasa por tratar sin pruebas, efectuar una prueba y a continuación tratar basado en el resultado de la prueba, o no realizar pruebas ni administrar tratamiento. El médico comienza el análisis con la construcción del árbol de decisión, en el que destaca los elementos importantes de ésta. Después de construir el árbol, el médico asigna probabilidades a todas las ramas. En este caso, todas la probabilidades de las ramas pueden calcularse a partir de: 1) la probabilidad de enfermedad antes de la prueba (probabilidad previa a la prueba); 2) la posibilidad de resultado positivo de la prueba si la enfermedad está presente (sensibilidad), y 3) la posibilidad de resultado negativo de la prueba si la enfermedad está ausente (especificidad). A continuación, el médico asigna valores (utilidad) a cada uno de los resultados.
++
++
Después de calcular el valor esperado (utilidad esperada) de cada rama del árbol de decisión mediante la multiplicación del valor del resultado (utilidad) por la probabilidad del resultado, el médico puede identificar la alternativa con el valor esperado más alto (utilidad esperada). Cuando se incluyen los costos, es posible determinar el costo por unidad de salud lograda de cada método comparado con el de una alternativa (análisis de costo-efectividad). Esta información puede contribuir a evaluar la eficiencia de diferentes pruebas o estrategias de tratamiento.
++
Aunque insumen tiempo, los análisis de decisión pueden ayudar a estructurar problemas clínicos complejos, contribuir en la toma de decisiones clínicas difíciles y mejorar la calidad del diagnóstico clínico.
+
Bossuyt
PM
et al. Beyond diagnostic accuracy: the clinical utility of diagnostic tests. Clin Chem. 2012 Dec;58(12):1636–43.
[PubMed: 22730450]
CrossRef +
Cox
CE
et al. A universal decision support system. Addressing the decision-making needs of patients, families, and clinicians in the setting of critical illness. Am J Respir Crit Care Med. 2014 Aug 15;190(4):366–73.
[PubMed: 25019639]
CrossRef +
Joaquim
AF
et al. Thoracolumbar spine trauma: evaluation and surgical decision-making. J Craniovertebr Junction Spine. 2013 Jan;4(1):3–9.
[PubMed: 24381449]
CrossRef
+++
Medicina basada en evidencias
++
En pruebas diagnósticas se gastan vastos recursos. Todo el tiempo se desarrollan y comercializan nuevas pruebas diagnósticas. Los médicos necesitan saber cómo evaluar los estudios publicados sobre nuevas pruebas diagnósticas (p. ej., características de su desempeño) y cómo determinar si una nueva prueba es superior a la(s) prueba(s) existente(s) en términos de utilidad clínica y efectividad para el costo. En este sentido, el examen cuidadoso de la mejor evidencia disponible es esencial.
++
La medicina basada en evidencias consiste en el cuidado de los pacientes mediante la mejor evidencia disponible para orientar la toma de decisiones clínicas. Confía en la identificación de la evidencia más sólida desde el punto de vista metodológico, la evaluación crítica de los estudios de investigación con validez interna (libre de sesgo) y externa (aplicabilidad y generalización), y en la distribución de resúmenes de evidencia exacta y útil para respaldar la toma de decisiones clínicas. Las revisiones sistemáticas pueden usarse para resumir la evidencia de los resúmenes de distribución, así como sinopsis basadas en la evidencia de la investigación actual. A menudo, las revisiones sistemáticas usan metaanálisis: técnicas estadísticas que combinan la evidencia de diferentes estudios para producir una estimación más precisa del efecto de una intervención o la exactitud de una prueba. El concepto de medicina basada en la evidencia puede aplicarse con facilidad a las pruebas diagnósticas, ya que el uso adecuado de una prueba diagnóstica es parte del proceso de toma de decisiones.
++
La campaña Choosing Wisely ("elegir con sabiduría"), lanzada por el American Board of Internal Medicine en 2012, alienta a los médicos y sus pacientes a examinar la utilidad de ciertas pruebas de laboratorio y procedimientos médicos, y promueve la elección del cuidado que es necesario, basado en la evidencia, y que no perjudica. Más de 50 sociedades de especialidades se sumaron a la campaña e identificaron pruebas y procedimientos que se emplean de manera habitual en sus campos específicos que se consideran innecesarios o que deben cuestionarse. Tales pruebas y procedimientos innecesarios están disponibles en línea en el sitio web Choosing Wisely (www.choosingwisely.org).
++
Las guías de práctica clínica han desarrollado de manera sistemática declaraciones cuya intención es apoyar a los practicantes en la toma de decisiones relativas al cuidado de la salud. Las guías de algoritmos y práctica clínica son ahora ubicuas en medicina, desarrolladas por diversas sociedades profesionales o paneles de expertos independientes. Las pruebas diagnósticas son una parte integral de esos algoritmos y guías. Su utilidad y validez dependen de la calidad de la evidencia que conforman las recomendaciones, de su acatamiento actual, y de su aceptación y aplicación apropiadas por los médicos. Aunque algunos médicos están preocupados acerca del efecto de las guías en la autonomía profesional y en la toma de decisión individual, varias organizaciones están tratando de usar el cumplimiento de las guías prácticas como una medida de la calidad del cuidado. Es importante destacar que, pese a todo, estas guías basadas en la evidencia son para usar como complemento, no para reemplazar, del juicio clínico adaptado a pacientes individuales. Más aún, el tratamiento personalizado (es decir, utilizando el diagnóstico avanzado o herramientas pronósticas y la incorporación de las preferencias del paciente para guiar el tratamiento de cada paciente) se incrementa cada vez más como parte de las guías de práctica clínica. Este método tiene por objetivo la evolución rápida del campo de la medicina personalizada (o de precisión) en la cual las pruebas diagnósticas desempeñan una función importante para elegir el mejor tratamiento posible que se ajuste a las características individuales de cada paciente.
++
Las tecnologías computarizadas y de información móviles proporcionan a los médicos información de laboratorio, imagen, sistemas de vigilancia fisiológica y muchos otros recursos.
++
Los sistemas de apoyo computarizados para la toma de decisiones clínicas, junto con sistemas de comunicación para ordenar pruebas, se usan de manera creciente para desarrollar, implementar y refinar protocolos computarizados para procesos específicos de cuidado derivados de guías de la práctica clínica basadas en la evidencia. Es importante que los médicos usen la tecnología de la información moderna para ofrecer un cuidado médico estándar en su práctica profesional.
+
Bright
TJ
et al. Effect of clinical decision-support systems: a systematic review. Ann Intern Med. 2012 Jul;157(1):29–43.
[PubMed: 22751758]
CrossRef +
Mickan
S
et al. Use of handheld computers in clinical practice: a systematic review. BMC Med Inform Decis Mak. 2014 Jul 6;14:56.
[PubMed: 24998515]
CrossRef +
Rouster-Rouster-Stevens
KA
et al. Choosing Wisely: the American College of Rheumatology's Top 5 for pediatric rheumatology. Arthritis Care Res (Hoboken). 2014 May;66(5):649–57.
[PubMed: 24756998]
CrossRef +
Savel
TG
et al. PTT Advisor: a CDC-supported initiative to develop a mobile clinical laboratory decision support application for the iOS platform. Online J Public Health Inform. 2013 Jul 1;5(2):215.
[PubMed: 23923100]