e2-06: Razón de probabilidades en la toma de decisiones médicas

Capítulo adaptado y actualizado con autorización de Nicoll D et al. Guide to diagnostic tests, 7th ed. McGraw-Hill, 2017.

Una forma práctica de calcular la probabilidad de enfermedad posterior a la prueba consiste en usar el método de razón de probabilidades.

La razón de probabilidades (LR) combina la sensibilidad y especificidad de una prueba en una sola medición (una descripción matemática de la fuerza de la prueba diagnóstica), lo que ayuda a valorar e interpretar la prueba diagnóstica. La razón de probabilidades indica cuántas veces o más (o bien, menos) el resultado de una prueba se encontrará en una enfermedad en comparación con una persona no enferma. Hay dos tipos de razones de probabilidad, a saber: LR positiva y LR negativa, que se calcula de la siguiente forma

Cuando los resultados de una prueba se dicotomizan utilizando un sistema de negativo o positivo con base en un valor de referencia, cada prueba tiene dos razones de probabilidad (LR), una correspondiente a una prueba positiva (LR+) y otra correspondiente a una prueba negativa (LR–):

Para mediciones continuas pueden definirse razones de probabilidad de intervalos múltiples (iLR, Interval likelihood ratios) para que correspondan a intervalos de resultados de las pruebas. La iLR para un intervalo de resultado de la prueba es la probabilidad de un resultado en el mismo intervalo para un paciente positivo para la enfermedad dividido entre la probabilidad de un resultado en el mismo intervalo para un paciente que no padece la enfermedad. Dada la probabilidad antes de la prueba de la enfermedad y el resultado de la prueba, se utiliza la iLR para calcular la probabilidad después de la prueba (cuadro e2–5).

Las razones de probabilidad pueden calcularse mediante las fórmulas previas. También pueden encontrarse en algunos libros de texto, artículos de revistas y programas en línea (como www.thennt.com) (véase el cuadro e2–6 de valores de la muestra). Las razones de probabilidad proporcionan un cálculo de si habrá un cambio significativo de una enfermedad desde la probabilidad anterior a la posterior a la prueba con base en el resultado de una prueba, y si por consiguiente puede utilizarse para realizar cálculos rápidos de la utilidad de las pruebas diagnósticas previstas para situaciones determinadas. Una razón de probabilidad de 1 implica que no habrá diferencia entre las probabilidades antes y después de la prueba. Las razones de probabilidad > 10 o < 0.1 indican con frecuencia grandes diferencias con significancia clínica. Las razones 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 anterior a la prueba y de Las razones de probabilidad consiste en usar un nomograma (fig. e2–7). 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 en la cual la regla cruza la línea de probabilidad posterior a la prueba.

Una manera más formal de calcular las probabilidades posteriores a la prueba usa la razón de probabilidad como sigue:

Para usar esta fórmula, las probabilidades deben convertirse en posibilidades, y las posibilidades de tener una enfermedad se expresan como la probabilidad de tener la enfermedad dividida por la probabilidad de no tenerla. Por ejemplo, una probabilidad de 0.75 (75%) es lo mismo que 3:1 posibilidades (fig. e2–8).

La razón de momios se define como la probabilidad de que ocurra un evento dividido entre la probabilidad de que el evento no ocurra; se calcula con la fórmula Razón de momios= P/(1−P), donde P es la probabilidad de que ocurra un evento. La probabilidad, por otra parte, se calcula con la fórmula P= razón de momios/(1+razón de momios)

Para calcular el beneficio potencial de una prueba diagnóstica, el médico calcula en primer lugar la probabilidad de enfermedad previas a la prueba con base en toda la información clínica disponible y luego multiplica las probabilidades previas a la prueba por Las razones de probabilidad positivas y negativas. Los resultados representan las probabilidades 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 e2–8).

Por ejemplo, si el médico cree que el paciente tiene una probabilidad de 60% de sufrir un infarto del miocardio (probabilidades previas a la prueba de 3:2) y la prueba de la troponina I es positiva (LR+ = 24), las probabilidades de sufrir un infarto del miocardio posteriores a la prueba son:

Si la prueba de la troponina I es negativa (LR− = 0.01), entonces las posibilidades de sufrir un infarto del miocardio posteriores a la prueba son:

En relación con este punto, ya se explicó el efecto 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 calcular las probabilidades previas a la prueba y usar el cociente de probabilidad apropiado para cada 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 aspartato aminotransferasa (AST) y alanina aminotransferasa (ALT) pueden liberarse por el mismo proceso y, por lo tanto, no ser condicionalmente independientes. Si en este método secuencial se emplean pruebas condicionalmente dependientes, resulta una probabilidad posterior a la prueba inexacta.

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: instituir tratamiento cuando la enfermedad está presente; no tratar cuando la enfermedad está ausente; tratar cuando la enfermedad está en verdad ausente, o no tratar cuando la enfermedad en realidad está presente. La figura e2–9 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 tiene la posibilidad de cambiar la probabilidad de enfermedad a través del umbral de tratamiento. Por ejemplo, en un paciente con dolor faríngeo, un médico puede tomar la decisión de iniciar un tratamiento con antibióticos si la probabilidad de una faringitis estreptocócica es superior a 25% (figura e2–10A).

Si después de revisar la evidencia de la anamnesis y la exploración física el médico determina que la probabilidad anterior a la prueba de que exista una infección estreptocócica faríngea es de 15% (es decir, la valoración inicial del clínico), 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 mostrado en la figura e2–7 indica que la probabilidad posterior a la prueba debería ser de 55% (es decir, la nueva valoración del clínico) (fig. e2–10B); por consiguiente, la solicitud de la prueba estaría justificada, ya que afectaría el tratamiento del paciente. Por otro lado, si la anamnesis y la exploración física sugieren que la probabilidad anterior a la prueba de una infección estreptocócica faríngea 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% (fig. e2–10C). Por consiguiente, la solicitud de un cultivo faríngeo no se justificaría debido a que no modificaría el tratamiento del paciente.

Este método para la toma de decisiones ya se aplica en las publicaciones clínicas.

Hasta este momento, la descripción de las pruebas diagnósticas se enfoca en las características de la prueba y los métodos para usar esas características para calcular la probabilidad de enfermedad en diferentes situaciones clínicas. Aunque estos métodos son útiles, también son limitados porque no incorporan la mayor parte de los resultados que pueden producirse 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 regular, el enfoque del análisis de decisión puede ser de ayuda para formular preguntas relacionadas con decisiones clínicas que no pueden responderse con facilidad por medio de los estudios clínicos.

La idea básica del análisis de decisión es modelar 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) asignación de 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 usados para calcular las probabilidades y valores de los resultados.

La figura e2–11 muestra un árbol de decisión en el que la decisión a tomar es si tratar sin pruebas, efectuar una prueba y a continuación tratar con base 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 las probabilidades de las ramas pueden calcularse a partir de: 1) la probabilidad de enfermedad antes de la prueba (probabilidad anterior a la prueba); 2) la probabilidad 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 medidas terapéuticas.

Aunque consumen tiempo, los análisis de decisión pueden ayudar a estructurar problemas clínicos complejos, contribuir a tomar decisiones clínicas difíciles y mejorar la calidad de las decisiones clínicas. Esto es útil en particular en situaciones donde las pruebas diagnósticas son esotéricas, tienen un costo alto, o ambas situaciones (p.ej., panel de anticuerpos paraneoplásicos, secuenciación de DNA basada en el panel de mutación génica, etc.)

Se invierte una suma importante de recursos en las pruebas diagnósticas. Siempre se están desarrollando y comercializando nuevas pruebas diagnósticas, incluidas pruebas para el diagnóstico complementario (pruebas que están diseñadas para combinarse con un fármaco específico) y pruebas de análisis de mutaciones basadas en la secuenciación del DNA (pruebas que están diseñadas para combinarse con un fármaco específico). Las pruebas directas al consumidor están ganando popularidad entre pacientes y proveedores de atención médica. 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. Muchas veces, las revisiones sistemáticas usan metaanálisis: técnicas estadísticas que combinan la evidencia de diferentes estudios para producir un cálculo más preciso 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 tomar 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 ponerse en duda. 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 a 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 (p.ej. la prueba de dimero-D de alta sensibilidad en las guías para diagnóstico y tratamiento de la tromboembolia venosa). 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 tratan ahora 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 usarse como complemento del juicio clínico adaptado a pacientes individuales, no para reemplazarlo. Más aún, el tratamiento personalizado (es decir, con uso del diagnóstico avanzado o herramientas pronósticas y la incorporación de las preferencias de cada paciente para guiar su tratamiento) 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 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 de la información en dispositivo móviles y en computadoras personales, 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, junto con sistemas de comunicación para indicar pruebas, se usan de manera creciente para desarrollar, aplicar y depurar 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.