El clínico tiende a su alcance herramientas que le permiten cuantificar la incertidumbre acerca de la probabilidad de padecer o no una enfermedad. Con la obtención de datos clínicos y paraclinicos podemos saber si la probabilidad se ha modificado hacia un valor alto o uno bajo, entre mas se acerque al 0 o al 1 será de mayor utilidad para diagnosticar al paciente como enfermo, como sano o saber si es necesario utilizar pruebas complementarias.
Una herramienta de utilidad para calcular la probabilidad de un evento y saber cómo se modifica después de una prueba fue desarrollada en el siglo VIII por un clérigo ingles, llamado Thomas Bayes.
Revisión teórica
Las proporciones o probabilidades nos permiten cuantificar en qué proporción nuestras predicciones se escapan de lo ideal; dicho de otra forma: nos permiten “reducir la incertidumbre acerca de la incertidumbre”
Probabilidad condicional: cuando un evento está ligado a que suceda otro; la probabilidad de que el evento “A” sea verdadero dado que el evento “B” sea verdadero. En la medicina clínica se dice así: la probabilidad de padecer la enfermedad “A” aumenta o disminuye si la prueba (hallazgo clínico o paraclinico) “B” está presente.
Notación de la probabilidad condicional: p[A I B]…. Donde la letra p es la probabilidad y la línea vertical quiere decir “condicionado a”; por lo tanto la expresión se lee como “ la probabilidad de que el evento A suceda está condicionada a que suceda el evento B”
Expresión completa de la probabilidad condicional: p[A I B]= p [A I B] u p[B]
Lo que se lee como “la razón de la probabilidad de que A y B sean ciertas, dividida por la probabilidad de que B sea cierta”
Para calcular la probabilidad posterior de una enfermedad con el Teorema de
Bayes, se necesita saber:
1) La probabilidad previa de la enfermedad
2) La probabilidad del resultado de la prueba, condicional con que el paciente tenga la enfermedad
3) La probabilidad del resultado de la prueba, condicional con que el paciente no tenga la enfermedad
REPRESENTACIÓN GRAFICA DEL TEOREMA DE BAYES.
ÁRBOL
Tomar en cuenta la población de la cual se inicia
Al final del árbol tenemos el número total de nuestros paciente clasificados según padecen la enfermedad y la positividad de la prueba en verdaderos positivos, falsos negativos, falsos positivos y verdaderos negativos
TABLAS DE 2x2
Es otra forma de ordenar los datos para un análisis bayesiano . en las columnas se tiene el encabezado de los datos reales que se harán corresponder con los datos de la prueba diagnóstica que están en las filas.
Los valores obtenidos por el teorema de bayes son los mismos que suelen denominarse valor predictivo positivo y valor predictivo negativo en una prueba diagnóstica, lo cual, como ahora vemos, tienen origen en el trabajo original de Bayes.
USO DEL TEOREMA DE BAYES CON NOMOGRAMA
Este instrumento requiere que conozcamos la probabilidad previa a la prueba y el cociente de probabilidad.
La forma + del cociente de probabilidad se obtiene mediante la división de la probabilidad de que la prueba sea positiva en la persona enferma (sensibilidad) entre la probabilidad de que la prueba sea + en personas sin la enfermedad (proporción de falsos positivos o la resta de 1 menos la especificidad.
La forma – se obtiene con la división de la probabilidad de que la prueba este ausente en personas enfermas (proporción de falsos negativos) entre la probabilidad de que este ausente en personas sin la enfermedad (verdaderos negativos)
Para el LR- en el numerador, la probabilidad de que la prueba este ausente en las personas enfermas es de 34%, ya que es poco común que este valor se reporte, lo ´podemos obtener al restar de la sensibilidad total (100-54%). En el denominador se pone la especificidad de la prueba. El resultado es 0.36 . Si rl calculo de los LR parece engorroso, le reconfortara saber que su reporte es cada dia mas frecuente en los artículos originales, pero hay que ser caustos con la aplicabilidad en nuestros pacientes.
VENTAJAS Y DESVENTAJAS DEL USO CLINICO DEL TEOREMA DE BAYES
· VENTAJAS
Define conductas diagnosticas o terapéuticas cuyo resultado es complicado anticipar empíricamente, arroja luz en decisiones controversiales y estrategias a nivel poblacional, es de utilidad al momento de individualizar problemas clínicos a nivel poblacional, individualiza problemas precisos.
· DESVENTAJAS
Para su cálculo requiere datos de las enfermedades que no siempre están disponibles y pierde fortaleza en casos en los que existe más de un factor relevante para la toma de decisiones. Al final de todos los cálculos se requiere del juicio clínico.
ANALISIS DE DECISIONES
El análisis de decisiones aporta elementos para la resolución de un problema. Sus ventajas son que permite asignar valores a cada posibilidad, compara de forma objetiva diversos desenlaces, incorpora al paciente a las decisiones y posibilita el cálculo ante diversos escenarios. Sus desventajas incluyen que pierden utilidad en problemas desconocidos del todo, obliga a definir de manera precisa un problema, lo cual no siempre es posible, una persona sin experiencia pasa por alto desenlaces relevantes.
La herramienta más popular para realizar un análisis de decisiones es el árbol de decisiones.
Los pasos son los siguientes:
A) Definición del problema: Definir bien el problema= claras alternativas y las opciones entre las que se decidirá
B) Identificar alternativas de acción: Las más importantes
C) Asignar probabilidades a cada desenlace: Esa probabilidad se obtiene de las fuentes más confiables, a menudo la bibliografía médica
En el ramo quirúrgico la probabilidad de resolución es de 92% (0.92); de esa rama se desprende la probabilidad de resolución sin complicaciones 26% (0.26). La probabilidad de muerte al elegir el ramo quirúrgico es de 8% (0.08)
D) Asigne valores (también llamadas utilidades): Es la parte subjetiva del proceso; los valores van de 0 a 1 y representan el juicio que el paciente, el médico o ambos otorgan al desenlace. En términos médicos la muerte tiene un valor de 0 y la resolución completa con el mínimo de incomodidades se acerca al 1.
E) Estime el valor esperado. Calcular las probabilidades de cada rama en sentido inverso, multiplicando la probabilidad de las ramas desde la derecha hacia el origen del árbol (fold back) y anotándolo a la derecha de cada nodo de decisión.
F) Realizar el análisis de la sensibilidad. El parámetro de valor nos da un amplio margen de acción. La variación del valor y su efecto en el cálculo final para las distintas ramas se llama análisis de sensibilidad.
G) Tomar la decisión: Después del análisis de sensibilidad y el conteo de la utilidad esperada, decidir por el que tenga mayor utilidad esperada.
Fuente: http://computacionaplicadaalamedicina404.blogspot.mx/2016/05/informatica-biomedica-capitulo-22.html
Todo fué sacado de ahí
.jpg)
.jpg)
