Empleo del razonamiento probabilístico en la práctica médica

0

Se emplea cuando consideramos la certeza de las pruebas de diagnóstico en las decisiones clínicas.

Introducción

¿Qué es el razonamiento probabilístico?

El razonamiento probabilístico se emplea cuando consideramos la certeza de las pruebas de diagnóstico en las decisiones clínicas. También se lo llama razonamiento Bayesiano, basado en el teorema de Bayes, donde la probabilidad de una hipótesis es modificada por información futura. Como médicos de atención primaria, utilizamos pruebas de diagnóstico diariamente para decidir el tipo de enfermedad de nuestros pacientes, pero a menudo ignoramos el grado de certeza de los resultados de las pruebas. Con escasa frecuencia podemos confirmar o descartar una enfermedad sobre la base de las pruebas diagnósticas. ¿Qué importancia tiene esto?

Ejemplo de razonamiento probabilístico

Podemos combinar cuales son las posibilidades de una determinada enfermedad en el paciente antes de realizar las pruebas (probabilidad preestudio), con la certeza de la prueba diagnóstica (sensibilidad y especificidad) y calcular la probabilidad de que un paciente tiene una enfermedad después de obtenidas las pruebas (probabilidad post estudio).

Supongamos una mujer de 35 años que se presenta con síntomas de disuria. Las probabilidades de que tenga una infección urinaria son del 55%. La sensibilidad de la prueba de la tirilla positiva para nitritos o estearasa de los leucocitos es del 90%. La especificidad de esta prueba es del 60%. Con esta información podemos calcular la probabilidad de que la mujer tiene una infección urinaria utilizando el siguiente cálculo matemático: De 1000 mujeres, el 55% o sea 550 tendrán una infección de las vías urinarias y 450 mujeres no la tendrán. De las 550 mujeres con la enfermedad, hay 495 verdaderos positivos (sensibilidad 550×90%) y de las 450 mujeres sin la enfermedad, hay 270 verdaderos positivos (especificidad 450×60%). Completando la tabla, el número de falsos negativos es 550−495 = 55 y el número de falsos positivos es 450−270 = 180.

En la práctica clínica, necesitamos estar en condiciones de calcular las posibilidades si un paciente tiene o no una enfermedad ante una prueba positiva o negativa. Con una probabilidad preestudio del 55%, si alguna de las tirillas es positiva, las posibilidades de que la paciente tenga una infección urinaria (valor predictivo positivo) es la proporción de los verdaderos positivos ante todos los resultados positivos, es decir 495 dividido 675, o 73%. Usted puede considerar que este porcentaje no es suficiente para determinar la presencia de infección y por lo tanto puede ordenar un cultivo de orina. Por otro lado, si ambas pruebas son negativas, la probabilidad de que la paciente no tenga una infección urinaria (valor predictivo negativo), es la proporción de los verdaderos negativos con todas las pruebas negativas, o sea 270 dividido por 325, o 83%. La probabilidad de infección urinaria en este caso es del %. Este valor no es lo suficientemente bajo como para descartar infección y puede ser necesario recurrir al cultivo de orina.

Si bien los valores predictivos positivos y negativos son útiles en la práctica médica, habitualmente no se incluyen en los estudios de certeza de las pruebas diagnósticas.

Para ilustrar en que forma la probabilidad preprueba afecta la probabilidad postprueba, podemos calcular las probabilidades postprueba para el mismo estudio en una mujer embarazada asintomática (la prevalencia de infección urinaria en estos casos es del 2,4%). Si consideramos la misma sensibilidad y especificidad que la anterior, pero una probabilidad preprueba del 2,4% y completamos los cálculos de la misma forma, el valor predictivo positivo es ahora 22 dividido 413, o 5%; el 95% de todos los resultados positivos son falsos positivos. El valor predictivo negativo es ahora 585/587, es decir cercano al 100%.

La mujeres con infección urinaria recidivante tienen una probabilidad preestudio alta, del 84%. Teniendo en cuenta la misma sensibilidad y especificidad, pero utilizando ahora una probabilidad preprueba del 84%, una mujer con un estudio positivo tiene una probabilidad postestudio de 756/820 o 92%. Sin embargo, si ambas pruebas son negativas, el valor predictivo negativo es 96/180 o 53%, por lo tanto, la probabilidad de que la mujer tenga una infección de las vías urinarias aún con un resultado negativo es ahora del 47%.
¿Cuando se emplea el razonamiento probabilístico?

Utilizamos el razonamiento probabilístico siempre que consideramos la posibilidad de que el/la paciente tenga una infección a la luz de un nuevo dato de información. En las etapas diagnósticas previamente descritas, el razonamiento probabilístico se realiza durante la revisión del diagnóstico. En el siguiente artículo sobre dolor torácico los autores describen cómo los diferentes tipos de dolor torácico y los resultados del electrocardiograma de esfuerzo, obligan a rever la probabilidad de que un paciente tiene enfermedad coronaria. El razonamiento probabilístico también se emplea cuando se decide si es conveniente solicitar nuevos estudios.
¿Cuando el razonamiento probabilístico es erróneo?

Cometemos errores dando fe a estudios con resultados falsos positivos y negativos y ordenando pruebas diagnósticas innecesarias. Para evitar estos errores debemos conocer tanto las probabilidades del preestudio de la enfermedad como la certeza diagnóstica del resultado de la prueba. No necesitamos hacer estos cálculos con exactitud, necesitamos decidir si se justifica tratar a un paciente y si se justifica solicitar un estudio.

Cuando la probabilidad de un preestudio es baja, la posibilidad de que una prueba resulte positiva sea falsa es relativamente alta. Esto es frecuente en la práctica médica y mucho más frecuente cuando se realiza una detección sistemática como la mamografía para el cáncer de mama donde sólo 1 de cada 7 estudios diagnostica el tumor.
¿Cómo podemos mejorar?

En la práctica clínica debemos tener en cuenta tanto los falsos positivos como los falsos negativos para tomar decisiones.

Un método para determinar la certeza diagnóstica es la tasa de posibilidades. La tasa de posibilidades positiva es la probabilidad de una prueba de resultado positivo en pacientes con la enfermedad dividida por la probabilidad de un resultado positivo en pacientes sin la enfermedad, sensibilidad/(1−especificidad).Un estudio es moderadamente bueno cuando la tasa de posibilidades positivas es > 2 y muy bueno cuando la tasa de posibilidades positivas es > 10, de tal manera que la prueba de la tirilla para orina es moderadamente buena para confirmar el diagnóstico.

En forma opuesta, la tasa de posibilidad negativa es la probabilidad de un estudio de resultado negativo en pacientes con la enfermedad dividido por la probabilidad de un resultado de prueba negativa en pacientes sin la enfermedad, es decir (1−sensibilidad)/especificidad.

Las tasas de posibilidad se pueden usar para convertir probabilidades preestudio en postestudio mediante la fórmula:

Riesgo de enfermedad postestudio = riesgo preestudio de la enfermedad  × tasa de posibilidades, donde el riesgo de la enfermedad es (probabilidad de la enfermedad/1−probabilidad de la enfermedad).
Diagnóstico en la práctica general: dolor de pecho
Jelinek M, Barraclough K. / St Vincent’s Hospital and University of Melbourne, Melbourne, Australia.

Un hombre de 45 años es atendido en la sala de urgencias por presentar un dolor retroesternal intenso de 10-15 minutos de duración durante una fiesta. El dolor se produjo durante el reposo y desapareció espontáneamente. Los valores de troponina y el electrocardiograma son normales tanto al ingreso como 8 horas después. Se lo da de alta el mismo día y se le recomienda que vea a su médico al día siguiente.

El dilema diagnóstico

La causa más probable de dolor retroesternal en este paciente sería de origen gastrointestinal. Sin embargo, puede ser un síntoma de enfermedad coronaria mortal. El médico necesita saber si el riesgo de enfermedad coronaria es bajo o si el paciente necesita otros estudios. Un electrocardiograma de esfuerzo podría precisar mejor el diagnóstico y el pronóstico.

Enfoque diagnóstico: razonamiento probabilístico

En este caso el razonamiento probabilístico puede ayudar los siguientes pasos:

• ¿Cuán frecuente e importante es la enfermedad arterial coronaria en la población?

• Si el paciente tiene síntomas ¿En qué forma afecta la probabilidad de enfermedad arterial coronaria?

• ¿Cuál es la utilidad del electrocardiograma de esfuerzo para mejorar el diagnóstico y en que medida sugiere un estudio invasivo? Además ¿cuál es su utilidad pronóstica?

Para el clínico general, los dos primeros pasos ayudan al clínico a decidir la necesidad de derivar el paciente al cardiólogo. La decisión es arbitraria, pero Goldman y col., sugirieron derivar el paciente al especialista cuando el riesgo de enfermedad coronaria está por arriba del 10%.

El tercer paso, lo decide el cardiólogo.

¿Cuál es la frecuencia de la enfermedad coronaria en la población general?

En 1979 Diamond y Forrester revisaron las autopsias de 23.996 pacientes para establecer una estimación de la prevalencia de la enfermedad coronaria con lesiones ≥ 50% de al menos una arteria. Se halló que las personas de sexo masculino y de 45 años tenían un 5% de posibilidades de tener enfermedad coronaria.

¿En qué forma el dolor de pecho afecta las probabilidades?

Más tarde, Diamond y Forrester refinaron estas probabilidades preestudio, obteniendo datos de 4952 pacientes con dolor de pecho que fueron sometidos a angiografía. Clasificaron el dolor como angina típica (retroesternal, producido por el ejercicio y aliviado con el reposo), o angina atípica (dolor con dos de las características anteriores), o dolor de pecho no anginoso.

El paciente de 45 años tiene dolor de pecho atípico para angina y su riesgo de tener enfermedad coronaria es del 46% aproximadamente.

¿Que agrega la prueba de esfuerzo?

Rifkin y Hood aplicaron un razonamiento probabilístico a las pruebas de ejercicio y mostraron que el infradesnivel del segmento ST durante el ejercicio máximo es el mejor indicador de enfermedad coronarial. De todas maneras, la sensibilidad de un infradesnivel de 1 mm es del 45% (en hombres) y la especificidad del 85%.

El razonamiento probabilístico (bayesiano), transforma la sensibilidad y la especificidad en tasas de posibilidad. La tasa de posibilidad para una prueba positiva (calculada por (sensibilidad/(1−especificidad) es 3. La posibilidad de tasa negativa con un resultado negativo de la prueba de ejercicio, calculada por (1−sensibilidad)/especificidad) es 0,65. Una regla simple establece que una prueba es moderadamente buena para detectar una enfermedad si la tasa de posibilidad es > 2 y moderadamente buena para descartar la enfermedad cuando la tasa de posibilidad es < 0,5.

El proceso se puede realizar gráficamente de varias formas y un programa sencillo (disponible en www.cebm.utoronto.ca/practise/ca/statscal), puede transportar la sensibilidad y la especificidad en un gráfico.

En el caso de este paciente, el riesgo de un hombre de 45 años de tener enfermedad coronaria es del 5%, sin tener los síntomas en consideración. Con síntomas de angina atípica, el riesgo es del 50%. Con un electrocardiograma de ejercicio negativo, la probabilidad preestudio se modifica muy poco. Una prueba de ejercicio positiva, lleva la probabilidad al 75%.

Por lo tanto una prueba de resultado negativo no es suficiente para descartar la enfermedad coronaria y la arteriografía sigue siendo necesaria para confirmar o excluir el diagnóstico.

El electrocardiograma de ejercicio es más útil como elemento pronóstico que diagnóstico.

La puntuación Duke de ejercicio utiliza 3 determinaciones para estimar el riesgo de muerte. Suponiendo que este hombre de 45 años puede realizar una prueba de ejercicio en plataforma móvil durante 12 minutos sin presentar dolor torácico ni infradesnivel ST para estimar el pronóstico colocamos la regla en la barra izquierda a nivel 0 mm y el dolor de angina durante el ejercicio en ninguno. Interceptamos A con la línea de lectura de isquemia. La intercepción en m “pronóstico” indica una mortalidad anual del 0,7%, es decir que el paciente es de bajo riesgo.
Aspectos destacados

• La probabilidad de enfermedad coronaria en un paciente con dolor de pecho se puede estimar sobre la base de la edad, el sexo y el tipo de dolor.

• Los resultados de un electrocardiograma de esfuerzo pueden aumentar o disminuir la probabilidad de enfermedad coronaria en un paciente con dolor de pecho, dependiendo de la magnitud de la depresión del segmento ST durante la prueba.

• Las pruebas de esfuerzo a menudo fallan en mostrar la presencia o ausencia de enfermedad coronaria.

• Una prueba de esfuerzo negativa con alta carga en pacientes jóvenes con angina atípica se asocia con un excelente pronóstico y no requiere otros estudios orientados a la parte cardiovascular.

♦Comentario y resumen objetivo: Dr. Ricardo Ferreira.

Obtenido de Intramed.net, en: http://www.intramed.net/contenidover.asp?contenidoID=62952

Deje su comentario

Fields marked by an asterisk (*) are required.

*