Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Alberto Velzquez
INTRODUCCIN A LA
E P I D E M I O L O G A
C L N I C A
R O
F A
I n t r o d u c c i n
l a
E p i d e m i o l o g a
C l n i c a
A) INTRODUCCIN
La epidemiologa clnica es una disciplina que intenta trasladar los conocimientos de la epidemiologa a la
prctica diaria de la atencin mdica. El manejo de estos conocimientos da un marco ms eficiente a la tarea
del mdico de familia. El entender principios de razonamiento mdico, aplicar correctamente estudios
diagnsticos e interpretarlos, generar mejoras en las decisiones clnicas.
El mdico de familia debe conocer los principios de la epidemiologa clnica para practicar una medicina
ms eficiente y serle ms til a sus pacientes.
B) OBJETIVOS
1
2
3
4
5
C) CONTENIDOS
1
2
3
4
5
87
1
ELEMENTOS DEL RAZONAMIENTO DIAGNSTICO
1a) Principios del razonamiento mdico
Habitualmente el mdico cuenta con pocos datos de los pacientes antes de conocerlos. Al recibir la historia
clnica por primera vez, se cuenta con:
Edad
Sexo
Procedencia
Con estos datos se pueden ir delineando ciertas posibilidades diagnsticas basndose en la prevalencia de las
enfermedades. Se define prevalencia como la proporcin de individuos que presentan la misma enfermedad,
en un tiempo y lugar determinados.
Por ejemplo:
a) La edad del paciente
Sntomas urinarios en un joven de 21 aos es probable que se relacionen con una enfermedad venrea,
mientras que en un hombre de 71 aos es comn que se trate de una enfermedad prosttica.
Una persona anciana con anemia microctica, hipocrmica debera hacer pensar en un sangrado
gastrointestinal, mientras que en una mujer joven, la orientacin correcta sera hacia una menometrorragia.
El ejemplo clsico son las patologas endmicas: Hidatidosis, Mal de Chagas, Hidroarsenisismo crnico.
Hacer inferencias
88
En medicina, la informacin se recoge a partir de los datos anteriormente mencionados. El mdico debe
realizar un proceso repetitivo y acoplado que consiste en:
El mecanismo de pensamiento se puede describir sintticamente en una serie de pasos como se muestra en la
figura 1 :
Figura 1
Acumulacin de informacin
Como se muestra en el esquema, la generacin de hiptesis es el primer paso (1) y como se vio hasta ahora, las
hiptesis surgen con pocos datos e inmediatamente . En promedio, la mente puede manejar en un
determinado momento 4 2 hiptesis diagnsticas.
Las hiptesis son activadas en la mente al reconocer patrones de hallazgos clnicos almacenados
en la memoria del mdico como paquetes de informacin. Estos paquetes se generaron desde los
estudios en la Universidad y fueron incorporados como sndromes clnicos. Es decir, existe una
combinacin de estmulos que, despus de exposiciones repetidas, resulta reconocible como una
unidad o patrn nico y que es depositada por largo tiempo en la memoria.
Segundo paso (2): una vez que el mdico genera hiptesis, comienza a agregar informacin a las mismas a
travs del interrogatorio.
Tercer paso (3): las evidencias que surgen a partir de los datos que aportan los pacientes se confrontan con las
hiptesis diagnsticas previas del mdico.
Principios Heursticos
Heurstica es una palabra latina que significa conocimiento y se aplica el nombre de Principios Heursticos
a asociaciones mentales de carcter intuitivo que influyen en el proceso de razonamiento mdico.
89
Los principios heursticos aceleran el proceso de razonamiento mdico, pero no aseguran que la
hiptesis planteada refleje la prevalencia real de las enfermedades que el mdico de familia maneja
habitualmente.
Cuarto paso (4): llegado este punto y tomando en cuenta la totalidad de los datos recabados, el mdico opta
entre distintas alternativas: confirmar la o las hiptesis iniciales o plantear una nueva hiptesis y recomenzar
el ciclo (paso 5 de figura 1).
Esta secuencia es cclica y repetitiva hasta llegar a un grado suficiente de certeza que el mdico considere
aceptable para tomar una conducta.
1b) Probabilidad
Cuando se efectan hiptesis diagnsticas, se establece una probabilidad (P) de que el paciente tenga o no la
enfermedad considerada. A menudo, esta estimacin no es numrica, lo cual aumenta la posibilidad de error.
Por ejemplo, se transcribir un dilogo entre dos mdicos acerca de un paciente que acude a la guardia por
dolor precordial desencadenado despus de una comida abundante:
Mdico 1: ...puede ser que tenga una esofagitis, aunque no habra que descartar una angina de pecho ....
Mdico 2: ... yo creo que lo ms frecuente en este tipo de pacientes es la angina de pecho y que la esofagitis es
menos probable....
90
Ante esta controversia, el Jefe de Guardia les pidi a ambos mdicos que escribieran en un papel cul era la
probabilidad de que el paciente tuviera angina y cul la probabilidad de que tuviera esofagitis, segn su criterio.
Ellos respondieron lo siguiente:
Angina
70 %
80 %
Mdico 1
Mdico 2
Esofagitis
30 %
20 %
Como se ve, los dos mdicos estaban diciendo prcticamente lo mismo. Sin embargo, hasta no expresarlo
numricamente no se haban dado cuenta.
Un mdico puede visualizar mejor el nivel de certeza de una hiptesis sobre una escala de probabilidad.
La escala de probabilidad sobre la que los dos mdicos trabajaron mentalmente es la siguiente:
0
Certeza de NO enfermedad
(Angina de pecho)
100
Certeza de enfermedad
(Angina de pecho)
De esta manera, surge la probabilidad como: un camino eficaz que disminuye la incertidumbre, dado que a
cada valor (numrico) de probabilidad equivale un grado cualitativo de incertidumbre.
Siempre que se establece una presuncin diagnstica, se puede establecer tambin una probabilidad
numrica.
Veamos un ejemplo:
Un paciente de sexo masculino de 62 aos de edad consulta a su mdico de cabecera por dolor precordial
desencadenado por el esfuerzo, que calma con el reposo.
Dadas las caractersticas del paciente, la probabilidad de padecer enfermedad coronaria es:
BAJA
MODERADA
ALTA
El siguiente paso es cuantificar esta ALTA probabilidad, utilizando una escala donde el valor 0 (cero)
corresponda a la certeza de NO enfermedad y el valor 100 a la certeza de enfermedad coronaria.
0
Certeza de NO enfermedad
coronaria
100
Certeza de enfermedad
coronaria
91
En base a los datos con que se cuenta, el mdico define una probabilidad de enfermedad coronaria del 90%, lo
cual se expresa grficamente de la siguiente manera:
0
Certeza de
NO enfermedad
Coronaria
90 %
P Asignada
por el mdico
100
Certeza de enfermedad
coronaria
A esta P se la denomina probabilidad previa o probabilidad pretest o anclaje (estos trminos se consideran
sinnimos).
Para establecer el anclaje, el mdico se basa en conocimientos que tenga acerca de la enfermedad
(literatura mdica) y en su experiencia personal (ver figura 2).
en cuestin
Figura 2: Anclaje
Estudios
Experiencia
Publicados Personal
El anclaje se modifica segn datos positivos (a favor) o negativos (en contra) que se obtengan del paciente.
90%
100
Coronario 90 %
No coronario 10 %
El principio bsico es fijar previamente una probabilidad (P) de enfermedad que segn el criterio del mdico
justifique implementar un tratamiento: a esta P se la conoce como probabilidad umbral de tratamiento .
En la eleccin de la probabilidad umbral de tratamiento se debern tener en cuenta diferentes factores, tales
como el porcentaje de curacin de la enfermedad, la modificacin de la expectativa de vida, el alivio del
sufrimiento. De la misma manera, se debern considerar los riesgos asociados con la teraputica, el costo de la
misma, la prdida de das laborables que ocasione, etc. (ver figura 3).
92
Figura 3
NO TRATAMIENTO
PROBABILIDAD
DE
ENFERMEDAD
TRATAMIENTO
Probabilidad
Umbral de
tratamiento: Eficacia/Riesgo
Hasta aqu no se ha considerado la posibilidad de realizar un test diagnstico que ayude a valorar ms an la
probabilidad de enfermedad: el mdico elige slo entre tratar o no tratar a un paciente. Sin embargo,
habitualmente el mdico tiene acceso a estudios complementarios que debern ser incorporados en el modelo,
surgiendo as las siguientes posibilidades:
Conducta expectante
(observar y esperar)
Pedir un estudio
(testear)
NO TEST NO TRATAMIENTO
TEST
NO TEST Y TRATAMIENTO
Este esquema abreviado se conoce como modelo umbral , haciendo referencia a los dos puntos (a y b) que
dividen la barra en tres reas:
a
NO TEST NO TRATAMIENTO
TEST
NO TEST Y TRATAMIENTO
a.
Umbral del test : representa la P de enfermedad por debajo de la cual el tratamiento debera ser descartado
sin efectuar estudios.
b.
Umbral test - tratamiento : es aquella P de enfermedad por encima de la cual se debera iniciar el tratamiento
sin solicitar estudios.
Entre estos dos puntos umbrales, la estrategia ptima es realizar un estudio diagnstico que gue la decisin
teraputica. Los puntos umbrales (a y b) son mviles y dependen de cada situacin clnica particular.
Cmo funciona el modelo umbral?
Veamos dos ejemplos:
93
Ejemplo 1
Un paciente de 30 aos consulta al mdico de familia por dolor de garganta, fiebre, exudados purulentos
y adenopata cervical anterior. El diagnstico presuntivo es faringitis estreptocccica. El modelo umbral
posible sera el siguiente:
a
Test
Como se observa en el esquema, el rea que representa la indicacin de un estudio complementario (exudado
farngeo) es muy estrecha (zona sombreada). Esto es as porque el tratamiento con penicilina es altamente
efectivo para los pacientes con la enfermedad y relativamente inocuo si es indicado en pacientes sin faringitis
estreptocccica. El riesgo de no tratar en los adultos tambin es bajo porque en stos no existe el temor de no
tratar al estreptococo y de predisponer a la fiebre reumtica. En la prctica diaria, rara vez se le solicita a un
adulto un exudado farngeo. Se lo trata o no, con el antibitico.
Cuando se trata de una enfermedad frecuente, de baja morbimortalidad y con un tratamiento de bajo
costo y poco riesgo, los puntos umbrales se acercan y el rea correspondiente a la solicitud de un
estudio es estrecha.
Ejemplo 2
Un paciente de 45 aos consulta a su mdico de familia por fiebre, sudoracin nocturna, prdida de
peso y adenopatas generalizadas. El diagnstico presuntivo es linfoma y un modelo umbral posible
sera el siguiente:
a
Test
No test y tratamiento QT
En este caso, el rea que representa la indicacin de un estudio complementario es muy grande (zona
sombreada). Si el mdico considera la posibilidad de una enfermedad linfoproliferativa, no sera correcto
comenzar un tratamiento con quimioterapia (tratamiento QT) sin la confirmacin a travs de un estudio
diagnstico (biopsia). Tampoco sera correcto no tratar ni estudiar a este paciente.
Cuando se trata de una enfermedad con alta morbimortalidad y un tratamiento potencialmente riesgoso,
los puntos umbrales se alejan y el rea correspondiente a la solicitud de un estudio es amplia. Los
umbrales son calculados de acuerdo con la probabilidad de la enfermedad en cuestin, los beneficios
y riesgos de los tratamientos disponibles y las caractersticas del estudio elegido.
94
E jerc it aci n
Elegir el enunciado correcto
(slo una opcin es correcta).
95
2
ESTUDIOS DIAGNSTICOS
Principales utilidades de los estudios diagnsticos
Diagnosticar una enfermedad : por ejemplo, determinar dos muestras de colesterol total para diagnosticar
dislipemia.
Evaluar un tratamiento : por ejemplo, pedir una glucemia para evaluar la efectividad del tratamiento con
un hipoglucemiante oral.
Efectuar un pronstico : por ejemplo, medir la carga viral en un paciente HIV positivo.
Para graficar estos conceptos, se representan tres blancos y diferentes resultados (figura 4 ).
Figura 4
b)
a)
Preciso
Exacto
Preciso
Exacto
SI
NO
NO
NO
c)
Preciso
Exacto
En la figura 4:
SI
SI
(a) Se representa un estudio que se repite varias veces y da siempre el mismo resultado (preciso),
pero ste no es el correcto (inexacto).
Ejemplo: con un tensimetro mal calibrado se obtienen tres tomas de presin arterial de: 130/
80 mm Hg, 135/80 mm Hg y 130/80 mm Hg, siendo la tensin arterial real del paciente 160/
110 mm Hg.
(b) Se representa un estudio que se repite varias veces y da resultados distintos (impreciso) e
incorrectos (inexacto).
Ejemplo: se investiga glucosuria con una tira reactiva de mala calidad, obteniendo en las
sucesivas mediciones valores diferentes dentro de un amplio rango.
(c) Se representa un estudio que se repite varias veces y da siempre el mismo resultado (preciso)
y refleja la situacin real del paciente (exacto).
Ejemplo: se realizan tres controles de peso en una persona utilizando como instrumento de medicin
una balanza bien calibrada, obteniendo valores muy similares y representativos del paciente.
96
El valor normal
El valor normal de un estudio (por ejemplo: glucemia, fraccin de eyeccin, etc.) se determina a partir de
sucesivas mediciones realizadas en un gran nmero de personas consideradas sanas. Al graficar los resultados
obtenidos en un eje cartesiano, se observar que la mayora de las mediciones tienden a agruparse alrededor de
un valor medio (promedio), adoptando la curva, la forma aproximada de una campana (campana de Gauss).
Ver figura 5 .
Figura 5
n
2.5%
2.5%
valor medido
2DS
2DS
95 %
Se considera valor normal del estudio al comprendido entre la media (x) y dos desvos estndar (2 DS), lo cual
representa al 95 % de la poblacin sana (rea "sombreada"). Como se observa en la figura, hay un 2.5 % de
resultados que quedarn a la izquierda, por fuera de los dos desvos estndar y que sern anormalmente bajos
aunque los sujetos estn sanos . De la misma manera, un 2.5 % de los resultados quedarn ubicados a la
derecha, fuera del rea rayada, y resultarn anormalmente altos aunque los individuos tambin estn sanos .
A continuacin, se analizar lo que sucede cuando se piden estudios a personas sanas, como ocurre, por
ejemplo, en un chequeo. De acuerdo con lo enunciado hasta el momento, si el mdico solicita slo un
estudio, la probabilidad (P) de obtener un resultado falso ser la siguiente:
P resultado errneo =
P resultado errneo =
P resultado errneo =
[ 1 - P resultado correcto ]
[ 1 - 0.95 ]
0.05
Ahora bien, si el mdico pide tres estudios diferentes (por ejemplo: uremia, glucemia y calcemia), con las
probabilidades ya sealadas {Resultado Normal = P de 0.95 (N) y Resultado Falso = P de 0.05 (F)}, resultarn
las siguientes combinaciones posibles:
97
Test 1
Test 2
Test 3
Probabilidad
Como se observa en la tabla de arriba, existen ocho combinaciones posibles de resultados N y F cuya sumatoria
es igual a 1.
Para calcular la P de que al menos uno de los tres estudios arroje un resultado falso, se aplica la siguiente
frmula:
P por lo menos un resultado errneo = [ 1 - P resultado correcto ]
Es decir que pidiendo slo un estudio, la P de que un paciente sano tenga un resultado falso es del 5 %, y con
tres estudios puede ascender al 12.5 %.
En una batera de doce estudios (por ejemplo, una rutina que se le pide a un paciente para un ingreso laboral),
asumiendo que cada componente tiene una tasa de resultados falsos de 5 %, la probabilidad de que por lo
menos un resultado sea falso es :
0.95 12 =
45.96 %
En el tpico chequeo, donde se piden doce estudios distintos, la P de hallar por lo menos un resultado
anormal en una persona sana (resultado falso) es casi del 50 %.
E jerc it aci n
Determinar si el siguiente enunciado es verdadero
o falso.
98
3
C A R A C T E R S T I C A S O P E R AT I VA S D E L O S E S T U D I O S D I A G N S T I C O S
3a) Sensibilidad y especificidad
Para evaluar las caractersticas de un estudio (test), es necesario que ste pueda seleccionar las personas enfermas
de aquellas y sin la enfermedad (sanas). Mediante un estudio que se denomina patrn oro (gold standard),
se establece quines son los enfermos y quines los sanos. El gold standard es el mejor estudio que existe
para una determinada enfermedad (por ejemplo, el gold standard de la enfermedad coronaria (EC) es la
coronariografa).
Cuando se evala un estudio x, lo ideal sera esperar que todos los pacientes seleccionados como enfermos
por el gold standard sean tambin catalogados como enfermos por el estudio x y todos los sanos como
sanos. En la prctica, esto no ocurre y siempre existe una fraccin de pacientes enfermos a los que el estudio
x los cataloga como sanos y una fraccin de pacientes sanos a las que el estudio x los cataloga como
enfermos.
De esta manera existen dos caractersticas propias de los estudios diagnsticos: la sensibilidad y la especificidad.
La SENSIBILIDAD de un estudio sirve para detectar a los enfermos que tienen un estudio positivo.
Ante un estudio diagnstico un paciente enfermo puede tener dos posibilidades (figura 6):
1. Tener un resultado positivo (CELDILLA A)
2. Tener un resultado negativo (CELDILLA C)
Figura 6
ENFERMOS
(+)
VP
(-)
FN
TEST
A
C
99
VP
Sensibilidad =
VP + FN
Es decir que, de todos los resultados en pacientes enfermos (VP y FN) la sensibilidad detecta a los que tienen
resultados positivos (VP). Por ejemplo, la sensibilidad de la prueba ergomtrica graduada (PEG) para el
diagnstico de enfermedad coronaria (EC) es del 80 %. Esto significa que de 100 pacientes CON EC, o sea
ENFERMOS (corroborados por el gold standard que es la coronariografa), 80 tendrn una PEG positiva
(VP) y 20 una PEG negativa (FN).
La ESPECIFICIDAD de un estudio sirve para confirmar a los sanos que tienen un resultado negativo.
Ante un estudio diagnstico, un paciente sano puede tener dos posibilidades (figura 7):
1. Tener un resultado positivo (CELDILLA B)
2. Tener un resultado negativo (CELDILLA D)
Figura 7
SANOS
(+)
FP
(-)
VN
B
D
TEST
(+)
VP
TEST
(-)
FN
AUSENTE
A B
C D
VP
S=
FN + VP
E=
100
FP
VN
VN
VN + FP
FP
TFN =
TFP =
FN + VP
VN + FP
VP
FN
VN
FP
100 ................................. 0
100 .................................
75
................................. 25
75 .................................
25
50
................................. 50
50 .................................
50
25
................................. 75
25 .................................
75
................................. 100
................................. 100
Para ilustrar mejor estas relaciones, imaginemos dos ejemplos. Uno con la ms alta sensibilidad y otro con la
ms alta especificidad:
Ejemplo 1
La albuminuria para el sndrome nefrtico NO tiene resultados falsos negativos, lo que quiere decir que es
100 % sensible. Un paciente consulta a su mdico de familia. Este, a partir del interrogatorio y el examen
fsico, piensa que la probabilidad de tener sndrome nefrtico es de un 30 % (probabilidad pretest).
30%
100
101
Al asumir que la albuminuria tiene un 100 % de sensibilidad y no tiene falsos negativos, si el resultado del
paciente es negativo, el paciente no tiene sndrome nefrtico, es decir, est sano (figura 9).
Figura 9
SINDROME NEFROTICO
PRESENTE
AUSENTE
(+)
VP
FP
(-)
FN
A B
C D
VN
S= 100 %
Un resultado negativo slo puede venir de un paciente sin sndrome nefrtico. De esta manera, un
test altamente sensible es muy importante cuando el resultado da negativo (descarta la enfermedad).
Ejemplo 2
La ruptura de una vscera hueca se manifiesta en la radiografa simple de abdomen por una coleccin de
aire subdiafragmtico. Este signo es 100 % especfico, lo que significa que no tiene falsos positivos. Una
mujer de 55 aos comienza con dolor en hipocondrio izquierdo sbito, de intensidad 5/10 y continuo. El
mdico evala la P de ruptura de vscera hueca en 60 % (probabilidad pretest).
60 %
100
El mdico aconseja una Rx simple de abdomen frente. En ella se observa aire subdiafragmtico (ESTUDIO
POSITIVO).
Debido a que el estudio NO TIENE FALSOS POSITIVOS (100 % de especificidad), se confirma el diagnstico
de ruptura de vscera hueca (figura 10).
Figura 10
Ruptura de vscera hueca
PRESENTE
(+)
VP
(-)
FN
A B
C D
AUSENTE
FP
VN
E= 100 %
Un resultado positivo slo puede venir de un paciente con ruptura de vscera hueca. As, un test
altamente especfico es muy importante cuando el resultado da positivo ya que confirma la enfermedad.
102
Las caractersticas de sensibilidad, especificidad, tasa de falsos positivos y negativos se utilizan como constantes,
aunque muchos factores influyen para que no lo sean.
Algunos ejemplos:
La experiencia del observador: es el caso de los ecografistas noveles y los expertos. Es ms probable
que los expertos tengan ms sensibilidad y especificidad para tumores pequeos en hgado.
b.
El mdico le asignar una P (probabilidad pretest, probabilidad previa, anclaje, prevalencia) del 90 %.
90 %
100
50
c.
Suponga que le hace una ergometra (PEG) a 1000 pacientes iguales a ste.
Al juzgar una P de 90 %, 900 de estos pacientes tendrn enfermedad coronaria (EC) y 100 no tendrn
EC.
d.
Ahora falta saber las caractersticas de sensibilidad y especificidad que posee la prueba ergomtrica graduada
(PEG). A travs de los estudios publicados, la PEG tiene una sensibilidad de 80 % y una especificidad de
74 %.
Enfermedad coronaria
900
100
PRESENTE
AUSENTE
(+)
A B
C D
(-)
S= 80 %
E= 74 %
Esta tabla vaca conceptualiza los siguientes datos en este paciente: de 1000 pacientes como ste, 900 tendrn
EC (enfermedad presente) y 100 no tendrn EC (enfermedad ausente). La sensibilidad de la PEG es del 80 %,
es decir, de los 900 enfermos detectar al 80 % y la especificidad es del 74 %, o sea, de los 100 no enfermos
confirmar al 74 %.
103
e.
Ahora se completan las cuatro celdillas segn las frmulas conocidas. El 80 % de 900 es 720 (VP) y el 20 %,
180 (FN); el 74 % de 100 es 74 (VN) y el 26 % de 100 es 26 (FP).
Enfermedad coronaria
PRESENTE
AUSENTE
720
26
(+)
(-)
A B
C D
180
S= 80 %
74
E= 74 %
FAN
Anti ADN
Especificidad
80
99
En este caso, el FAN es ms sensible que especfico y el Anti ADN tiene ms especificidad que sensibilidad.
Una paciente de 30 aos consulta por artralgia en una mueca. Si bien reconoce haber pintado su dormitorio,
tiene miedo de tener lupus porque su vecina inici un cuadro de lupus de esa manera. Su mdico juzga que la
patologa ms probable es artralgia por sobreesfuerzo y que la posibilidad de lupus es muy baja (1 en 10.000
0.01 %, que es la de la poblacin general). Ahora, l se plantea cul de los dos estudios sera el ms apropiado en
este caso: el ms sensible o el ms especfico?
Al realizar la tabla de 2x2 con la misma prevalencia para los dos estudios, observa lo siguiente (utiliza una
prevalencia para esta paciente de 1/10.000 o sea 10/100.000):
Lupus Eritematoso sist.
(+)
(-)
PRESENTE
10
AUSENTE
99990
19998
1
S= 90 %
A B
C D
(+)
(-)
79992
PRESENTE
10
AUSENTE
99990
100
3
S= 73 %
E= 80 %
A B
C D
99890
E= 99.9 %
En este caso, con una presuncin diagnstica tan baja (1/10.000), si pide el FAN (el ms sensible) obtendr
mucha mayor cantidad de falsos positivos que si pide el ms especfico, y lo ms importante en este caso es no
rotular a pacientes sanos como enfermos.
104
Para hacer un estudio en un paciente con una muy baja prevalencia de enfermedad se prefiere un
estudio muy especfico porque la posibilidad de rotular a pacientes sanos como enfermos aumenta.
VN
FP
Amilasa mg %
Pacientes Enfermos
FN
VP
Amilasa mg %
En la campana de Gauss superior se grafican los valores de amilasa correspondientes a pacientes sanos, mientras
que en la curva inferior, los pacientes con diagnstico de pancreatitis, que tienen valores de amilasa ms altos.
Estos ltimos tambin adoptan una distribucin gaussiana, aunque mucho ms pequea, dado que la poblacin
de enfermos es menor.
Como se deduce al observar la figura, hay valores de amilasa que sern comunes a las dos poblaciones.
La magnitud de esta superposicin de valores estar en relacin tanto con la especificidad como con
la sensibilidad del mtodo y ambas dependern del valor lmite por encima del cual se considere
anormal un resultado (punto de corte).
105
Figura 12
Sanos
Glaucoma
10
15
20
25
30
35
Hay distintos factores que pueden decidir correr el punto de corte hacia la izquierda o la derecha. En este
caso, detectar a ms pacientes es importante porque:
1.
2.
3.
0
TFP
106
Criterio
Sensibilidad
Especificidad
Mayor 0.5 mm
0.86
0.62
Mayor 1 mm
0.65
0.85
Mayor 1.5 mm
0.42
0.96
Mayor 2 mm
0.33
0.98
Mayor 2.5 mm
0.20
0.995
Conociendo estos datos se puede calcular la Tasa de Falsos Positivos (TFP =1 - Especificidad). Estos se pueden
expresar en valores porcentuales o absolutos, es decir, S = 74 % es lo mismo que S = 0.74.
Criterio
Sensibilidad
Especificidad
TFP
a. Mayor 0.5 mm
0.86
0.62
0.38
b. Mayor 1
mm
0.65
0.85
0.15
c. Mayor 1.5 mm
0.42
0.96
0.04
d. Mayor 2
mm
0.33
0.98
0.02
e. Mayor 2.5 mm
0.20
0.995
0.005
Utilizando una curva ROC para graficar la relacin existente entre sensibilidad y especificidad de la PEG, se
establecen para cada nivel de infradesnivel del ST los puntos descriptos en la tabla.
1
0.5
Sensibilidad
0.5
107
Con las curvas ROC, el mdico puede determinar el punto de corte ptimo para un estudio en particular.
No existe un punto de corte mejor que otro. Los mdicos pueden elegir las caractersticas de un
estudio en base a la importancia relativa que le atribuyan a no perder pacientes enfermos (estudio
muy sensible) o a no tener tantos falsos positivos (muy especfico).
Los costos netos (de salud, econmicos y psicolgicos), la seguridad y eficacia del tratamiento y la probabilidad
pretest tambin influyen para cada decisin.
A continuacin, se comparan las curvas ROC correspondientes a dos estudios diagnsticos: PEG y perfusin
con Thalio 201.
1
Thalio 201
PEG
0.5
Sensibilidad
0.5
Tasa de Falsos Positivos
En este ejemplo, el Thalio 201 resulta un estudio que tiene una curva ubicada ms hacia arriba y hacia la
izquierda que la curva correspondiente a la PEG; es decir que conserva a igual punto de sensibilidad una
menor cantidad de falsos positivos (mayor especificidad). De este modo, al comparar distintas curvas, el
observador puede determinar cul es el mejor estudio para cada enfermedad.
E jerc it aci n
El anillo corneano de KaiserFleischer se
encuentra presente solo en la enfermedad de
Wilson (una, varias, todas o ninguna de las
opciones son correctas).
10
108
Enfermedad
lcera gastroduodenal
Estenosis de ms del 50 %
del tronco de la coronaria izquierda
Disfuncin erctil
Hipotiroidismo
Cncer de mama
11
12
13
Test
Interrogatorio
Sens
95 %
Espec
30 %
Interrogatorio
Test de Tumescencia
peneana nocturna
TSH
T4Total
Ex fsico
Mamografa
83 %
80 %
39 %
90 %
99 %
90 %
25 %
75 %
99 %
80 %
90 %
94 %
TFN
TFP
14
15
16
17
EPOC
PRESENTE
(+)
(-)
109
A B
C D
AUSENTE
18
a) Disminuye la sensibilidad.
b) Aumenta la especificidad.
c) Disminuye la especificidad.
d) Aumenta la sensibilidad.
19
20
a) La sensibilidad aumenta.
b) La especificidad aumenta.
c) La sensibilidad disminuye.
d) La especificidad disminuye.
21
22
23
Test A
Test B
0.5
TFP
110
4
VA L O R P R E D I C T I V O
En la prctica diaria con los pacientes, los mdicos usan ms este trmino que los de Sensibilidad y Especificidad.
A menudo las preguntas son:
... Si el estudio le da positivo, cun probable es que tenga la enfermedad?...
... Si el estudio le da negativo, cun probable es que est sano?...
Existen dos formas de Valor Predictivo que responden estas preguntas:
Valor predictivo positivo (VPP): probabilidad de que un paciente con un resultado positivo tenga la
enfermedad.
Valor predictivo negativo (VPN): probabilidad de que un paciente con un resultado negativo no tenga
la enfermedad.
El VPP se determina sobre la base de todos los estudios positivos (celdillas A y B de la tabla de 2 x 2).
Enfermedad
PRESENTE
Test
(+)
AUSENTE
FP
VP
VPP=
A B
VP
FP+VP
El VPN se determina sobre la base de todos los estudios negativos (celdillas C y D).
Enfermedad
Test
(-)
PRESENTE
AUSENTE
FN
VN
VPN=
A B
VN
FN+VN
(+)
Test
(-)
PRESENTE
AUSENTE
VP
FP
FN
A B
C D
VP
VP+FP
VN
VPN=
FN+VN
VPP=
VN
111
El valor predictivo modifica el anclaje o probabilidad pretest, llevndola a una nueva probabilidad
denominada Probabilidad postest.
El VPP modificar el anclaje previo llevndolo desde la probabilidad pretest hacia la certeza de enfermedad
(lo acerca a 1).
VPP
0
P pretest
P postest 1
El VPN modificar el anclaje previo llevndolo hacia la certeza de NO enfermedad (lo acerca a 0).
VPN
0 P postest
P pretest
El concepto de Valor Predictivo es fundamental y es el que ms utilizamos en la prctica clnica con el paciente
individual. Si a Ud. le dicen que un paciente tiene enfermedad coronaria porque tiene una PEG positiva, Ud.
sabe que la PEG tiene una sensibilidad del 80 % y una especificidad del 74 %, pero cmo sabe qu probabilidad
tiene ese paciente de ser un verdadero positivo o un falso positivo? Si el paciente es un varn de 60 aos,
tabaquista e hipertenso ser ms probablemente un verdadero positivo, y si es una mujer no tabaquista de 25
aos, un falso positivo.
Importa ms conocer los valores predictivos, y stos son variables porque dependen de la prevalencia,
es decir, de la probabilidad previa o probabilidad pretest.
Veamos un ejemplo:
Existe una probabilidad establecida de tener faringitis estreptocccica (FSTC) segn los pacientes tengan o
no los siguientes hallazgos clnicos: exudados amigdalinos, fiebre (temperatura mayor de 37.8 C) y
adenopatas (sobre todo cervical anterior). Observe con atencin la siguiente tabla.
Probabilidad (%) de FSTC
Ningn hallazgo
14
Un hallazgo
42
Tres hallazgos
Un hombre de 46 aos consulta por dolor de garganta desde hace 3 das sin otros sntomas. El examen fsico es
normal.
La probabilidad de que este paciente tenga una FSTC es del 3 %. Esto significa que la Probabilidad Previa o
Pretest, o sea la prevalencia de FSTC, en pacientes como stos es del 3 %.
112
3%
0.5
Certeza de NO FSTC
Certeza de FSTC
En general, una presuncin diagnstica tan baja no necesitara una confirmacin a travs de un exudado de
fauces. Suponga que el mdico le hizo un cultivo cuya sensibilidad es del 73 % y especificidad del 96 %.
Veamos cmo queda la tabla de 2 x 2 basada en 1000 pacientes:
Faringitis Estreptocccica
PRESENTE
30
AUSENTE
970
22
39
VPP= 22 = 36 %
22+39
931
VPN= 931 = 99 %
8+931
(+)
(-)
A B
C D
Sens= 73 %
Esp= 96 %
Un estudio positivo lleva la probabilidad del 3 % (probabilidad previa o pretest) al 36 % (probabilidad posterior
o postest). Observe que la ganancia de informacin con un Gram (+) sigue siendo muy baja (aument slo
33 %). La conducta del mdico no debera variar en cuanto a no darle un antibitico a este paciente pese a que
el resultado es positivo (siempre en adultos). El VPP en este caso significa que de todos los positivos para esa
prevalencia (3 %), el 36 % sern verdaderos positivos y el 64 % restante sern falsos positivos.
3%
36%
VPP
0.5
0
P pretest
P postest
Certeza de FSTC
Certeza de NO FSTC
En el caso de que el Gram hubiera dado negativo, el VPN es de 99 % y la probabilidad posterior se interpreta
como 1 - VPN.
1 - VPN = 0.01 1 %
El anclaje inicial era del 3 % (muy baja probabilidad de tener FSTC), por lo que un resultado negativo iba a
darnos una probabilidad mucho ms baja an. El VPN en este caso significa que de todos los negativos para
esa prevalencia (3 %), el 99 % sern verdaderos negativos y el 1 % restante sern falsos negativos.
113
1%
3%
VPN
P pretest
0.5
P postest
Certeza de FSTC
Certeza de NO FSTC
En los dos casos la ganancia de informacin fue escasa debido a que la valoracin de la probabilidad
inicial del paciente era muy baja.
0.5
P pretest
Con una probabilidad intermedia el rendimiento de un estudio ser muy bueno. Si da positivo acercar a la
certeza de FSTC y si es negativo se podr descartarla. Para graficarlo, nuevamente se ilustrar la tabla de 2 x 2:
Faringitis Estreptocccica
(+)
(-)
PRESENTE
420
AUSENTE
580
306
23
VPP= 93 %
557
VPN= 83 %
114
A B
C D
Sens= 73 %
Esp= 96 %
42 %
93 %
VPP
0.5
0
P pretest
P postest
114
17 %
VPN
0.5
Note cmo se movieron los anclajes en relacin con el ejemplo anterior donde la probabilidad previa era slo
del 3 %. En este caso, para una prevalencia o probabilidad pretest o previa del 42 %, el 93 % de los positivos
sern verdaderos positivos (VPP) y el 83 % de los negativos sern verdaderos negativos (VPN).
La ganancia de informacin es mayor cuando las probabilidades de tener una enfermedad son
intermedias (entre un 40 y un 70 %).
La sensibilidad y especificidad son las mismas, pero cambia la prevalencia previa (que aqu ya est calculada
por publicaciones previas).
El valor predictivo depende de la prevalencia previa o anclaje. Si sta es muy baja o muy alta las
ganancias obtenidas luego de realizar un test diagnstico sern escasas. Si la probabilidad pretest es
intermedia los VP positivos y negativos tendrn cambios drsticos, ya sea para confirmar o descartar
la enfermedad.
Como hemos visto, lo ms importante que debe conocer el mdico para ser efectivo es la prevalencia
de las enfermedades y las caractersticas de los tests. Si un mdico no conoce la prevalencia no
puede interpretar el resultado de los tests. No sirve de nada que a Ud. le digan que su paciente tiene
una PEG positiva si Ud. no conoce quin es su paciente, qu factores de riesgo coronarios tiene y por
qu se le solicit el estudio. Un mdico debe establecer una probabilidad previa segn las
caractersticas particulares de cada paciente.
E jerc it aci n
Un joven de 17 aos sin factores de riesgo
para enfermedad alguna lo consulta porque
comenz a ir a un gimnasio y le pidieron un
chequeo que incluye el HIV.
Asuma que la probabilidad que tiene de ser
HIV positivo es de 0.1 % ( 1/ 1.000)
(HIV por ELISA = Sens 96 % , Esp 98 %).
24
115
25
26
27
87 %
28
Enfermedad
Gota
Enfermedad de Wilson
Enfermedad
Sndrome nefrtico
Insuficiencia renal
Hipertiroidismo
82 %
5
COEFICIENTE DE PROBABILIDAD Y RAZN DE PROBABILIDAD
Coe ficie nt e de proba bilidad o lik elihood rat io
El coeficiente de probabilidad es un nmero que se establece al relacionar las caractersticas operativas de los
estudios (sensibilidad, especificidad, tasa de falsos positivos y tasa de falsos negativos) en pacientes con la
enfermedad y sin la enfermedad.
Probabilidad del resultado de un test en personas enfermas
CP =
Probabilidad del resultado de un test en personas sanas
116
Cada hallazgo puede ser caracterizado por dos coeficientes: positivo (CPP) y negativo (CPN).
Probabilidad de que el hallazgo est presente en personas enfermas
CPP =
Probabilidad de que el hallazgo est presente en personas sanas
PEG
Sensibilidad
Especificidad
TFP
TFN
a.
Mayor 0.5 mm
0.86
0.62
0.38
0.14
b.
Mayor 1
mm
0.65
0.85
0.15
0.35
c.
Mayor 1.5 mm
0.42
0.96
0.04
0.58
d.
Mayor 2
mm
0.33
0.98
0.02
0.67
e.
Mayor 2.5 mm
0.20
0.995
0.005
0.80
PEG
Sensibilidad
Especificidad
CPP
CPN
a.
Mayor 0.5 mm
0.86
0.62
2.26
0.22
b.
Mayor 1
mm
0.65
0.85
4.3
0.41
c.
Mayor 1.5 mm
0.42
0.96
10.5
0.6
d.
Mayor 2
mm
0.33
0.98
16.5
0.68
e.
Mayor 2.5 mm
0.20
0.995
40
0.8
117
Hasta ahora, al hablar de probabilidad siempre se la expres en porcentaje. Pero existe otra manera que cuantifica
las posibilidades de estar enfermo versus las de estar sano.
Enfermos 4 : 1Sanos
RP
y
1 -P
P=
1 + RP
Veamos un ejemplo:
Cuando se explic el ejemplo de la prueba ergomtrica se haba asignado al paciente una P de 90 %.
90
100
En ese caso, el mdico puede emplear el concepto de Razn de Probabilidad (RP). Se debe preguntar: por
118
cada vez que vi a un paciente con estas caractersticas, cuntos tenan enfermedad coronaria y cuntos no?.
P
0.9
RP =
0.9
1 - P
1 - 0.9
=9
0.1
RP pretest
CP = RP postest
0.5
0
Esta P se puede pasar a RP
P
0.6
RP =
0.6
1 - P
= 1.5
1 - 0.6
1.5
0.4
1
Suponga que el mdico solicita una ferritina srica cuyas caractersticas operativas para valores menores de
12 ng/ml son: Sensibilidad 97 %, Especificidad 99 %.
Valor obtenido = 8 ng/ml (es decir que el test fue positivo para anemia ferropnica, por lo que se utiliza el
CPP).
Sensibilidad
CPP =
0.97
=
= 97
0.01
119
Un resultado positivo para anemia ferropnica de ferritina srica < 12 ng/ml tiene 97 veces a 1 de probabilidad
de que provenga de una paciente con la enfermedad.
97
Enfermo
Sano
x
x
CP
97
=
=
RP postest
145.5
145.5
=
RP + 1
= 99 %
146.5
60 %
99 %
0.5
P pretest
P postest
Como vemos, esto no es nada nuevo: conociendo el anclaje, la prevalencia o probabilidad pretest y
las caractersticas operativas del test diagnstico podemos conocer la probabilidad posterior o postest.
La RP representa la prevalencia de la enfermedad, que es variable, y el CP las caractersticas del test,
que son constantes.
Una manera simplificada de calcular la probabilidad postest es utilizar el siguiente nomograma (ver grfico).
ste relaciona la probabilidad pretest (expresada en porcentaje) con el CP, y como resultado al extrapolar se
obtiene la probabilidad postest.
120
0.1
99
0.2
0.5
1
2
5
10
20
30
40
50
60
70
95
1000
500
200
100
50
20
10
5
2
1
90
0.5
0.2
0.1
0.05
0.02
0.01
0.005
0.002
0.001
80
90
80
70
60
50
40
30
20
10
5
2
1
0.5
95
0.2
99
0.1
Probabilidad
Pretest
CP
Probabilidad
Postest
La tabla simplifica todos los clculos. Lo nico que hay que saber es el CP, y la P se puede utilizar directamente
sin necesidad de pasarla a RP. Al trazar una lnea de 60 % (probabilidad pretest) con 97 (CPP), obtengo la P
postest, cercana al 100 %.
E jerc it aci n
Una mujer de 35 aos consulta por prdida
de peso, nerviosismo y episodios de diarrea
desde unos 2 meses atrs, coincidentes con
su separacin. El mdico piensa que est
atravesando una crisis personal y juzga la
posibilidad de hipertiroidismo en un 30 %. Le
solicita una T4 libre, que tiene las siguientes
caractersticas: Sensibilidad 98 %,
Especificidad 98 %, CPP 49, CPN 0.02.
29
30
31
121
32
122
RF
D) RESUMEN FINAL
Flujograma
final
Elaboracin de hiptesis
Operatividad de la hiptesis
(Llegar a un nivel de confianza para tomar una decisin)
VP
Si Si
el resultado
es es
(-) (+)
el resultado
la P
acerca
a 0a 1
lase
P se
acerca
(Certeza
de de
NoE )
(Certeza
Enfermedad)
CP
1
Si eles
resultado
es (+)
Si el resultado
(-)
la P se acerca a 0la P se acerca a 1
(Certeza de(Certeza
No E ) de
Enfermedad)
123
124
E ) R E S P U E S TA S A L A E J E R C I TA C I N
El enunciado correcto es el c.
El sexo, la edad y la procedencia son datos importantes para establecer la prevalencia de las enfermedades. El
resto de los enunciados son incorrectos: a) Las hiptesis diagnsticas se elaboran antes de tener todos los datos.
Por ejemplo: Ud. trabaja en Capital Federal; su secretaria le trae los datos de su prximo paciente que Ud. no
conoce: hombre de 50 aos, desocupado y separado. Ud. probablemente antes de verlo piense en las siguientes
hiptesis diagnsticas: Ansiedad - Depresin, Hipertensin arterial, Sndrome cido-sensitivo, Insomnio, Enfermedad
coronaria y Tabaquismo. Al verlo har un ajuste y pensar en otras o las mismas y al interrogarlo y revisarlo, ir
cambiando o corroborando sus hiptesis iniciales; b) Como vimos en el ejemplo, en un determinado momento del
proceso diagnstico el mdico puede manejar de 2 a 6 hiptesis diferentes; d) Los principios heursticos en general
aceleran y hacen ms eficaz el razonamiento mdico, pero a veces conducen a errores (ver ejercicio 2).
Utiliz el principio heurstico de representatividad, ya que el hecho de ser veterinario del campo le hace pensar en
brucelosis, que es prevalente en esta profesin. En este caso, ms all del diagnstico final, el razonamiento
heurstico fue til.
Utiliz el principio heurstico de disponibilidad ya que el diagnstico de infarto estaba disponible por el caso anterior.
En este caso, se cometi un error porque no se tuvo en cuenta la prevalencia.
Utiliz un principio heurstico de representatividad debido a que los sntomas y signos eran muy similares a la
enfermedad de Kala- Azar. Cometi el error de obviar la prevalencia de esta enfermedad segn la procedencia del
paciente. Este paciente viene del noreste de Argentina, zona con mayor prevalencia de paludismo que de Kala-Azar.
Si bien, segn la heurstica, el razonamiento es apropiado (por signos y sntomas), la prevalencia siempre debe
acompaar al mismo para no sesgar el resultado.
La opcin correcta es la c.
Los datos positivos llevan la P pretest hacia 1 (certeza de enfermedad) y los datos negativos hacia 0 (certeza de no
enfermedad). El resto de las opciones son incorrectas: a) La P pretest o anclaje se establece ni bien se tienen
algunos datos del paciente; b) El anclaje se apoya en dos caractersticas bien definidas: los conocimientos que el
mdico tenga (estudios publicados - artculos ledos) y la experiencia personal; d) Cada mdico tiene un anclaje
distinto frente a una consulta. Supuestamente, mdicos con la misma experiencia y los mismos conocimientos
tendrn un anclaje similar.
Recordar que anclaje, probabilidad previa, probabilidad pretest y prevalencia funcionan como
sinnimos.
VERDADERO.
Veamos un ejemplo. Un mdico recibe a una mujer joven no embarazada con disuria, polaquiuria, sin fiebre, sin flujo
vaginal, sin factores de riesgo para infeccin renal oculta o uretritis. Se trata del primer episodio que tiene. El mdico
establece una P de infeccin urinaria baja de ms del 80 % y comienza un tratamiento antibitico sin realizar un
anlisis de orina. Su P previa super la P umbral test - tratamiento.
125
VERDADERO.
Segn la distribucin que adopta un valor normal al pedir tres estudios, la probabilidad de que un resultado sea
anormal es del 12.5 %.
El enunciado incorrecto es el b.
La probabilidad de que un solo estudio d anormal en un individuo sano es del 5 %. Es decir que pidiendo slo un
estudio, la P de que un paciente sano tenga un resultado falso es del 5 %. La probabilidad slo ascender al 12.5 %
solicitando tres estudios. Las otras opciones son correctas.
La opcin correcta es la c.
Si slo est presente en la enfermedad de Wilson, quiere decir que no tiene resultados falsos positivos. El resto de
las opciones son incorrectas: a) No podemos determinar la sensibilidad porque pueden existir pacientes con
enfermedad de Wilson que an no desarrollaron el anillo de Kaiser-Fleischer, o sea b) falsos negativos, pero el
enunciado no nos da ese dato; d) No existen sanos con el anillo de Kaiser-Fleischer, o sea que todos los positivos
provienen de verdaderos positivos, con lo cual la especificidad es del 100 %.
10
(+)
VP
AUSENTE
A B
C D
(-)
S= 100 %
E=
11
Al no tener resultados negativos (debido a que el termmetro comienza a marcar la temperatura considerada como
fiebre, mayor a 37.7 C), la sensibilidad es de 100 %. Todo enfermo tendr igual o ms de 37.7 C. El test detecta
a todos los enfermos, o sea, no quedan pacientes con fiebre que no tengan 37.7 C o ms. No hay falsos negativos
(TFN = 1 - Sens = 1 - 1 = 0).
12
La especificidad es de 0 % ya que todos los pacientes sanos (sin fiebre) sern rotulados como enfermos (con
fiebre), por lo que no habr verdaderos negativos y todos los sanos que tengan fiebre sern falsos positivos, con lo
que la TFP es de 100 % (TFP = 1 - E = 1 - 0 = 1).
Fiebre
PRESENTE
37.7
37.6
VP
AUSENTE
FP
A B
C D
S= 100 %
E= 0 %
126
13
TFN = 5 %
TFP = 70 %
TFN = 17 %
TFN = 20 %
TFN = 1 %
TFN = 10 %
TFN = 75 %
TFN = 25 %
TFP = 61 %
TFP = 10 %
TFP = 1 %
TFP = 20 %
TFP = 10 %
TFP = 6 %
14
15
AUSENTE
50
(+)
20
(-)
A B
C D
S= 80 %
16
49
E= 98 %
En una poblacin de 5000 pacientes con una prevalencia de 1 % de cncer, habr 139 estudios positivos. Al ser una
poblacin de baja prevalencia, de todos los estudios positivos la mayor cantidad son falsos, ya que hay 99 FP y slo
40 VP (la proporcin es de 2.4 FP a 1 VP).
Cncer
PRESENTE
50
AUSENTE
4950
(+)
40
99
(-)
10
A B
C D
S= 80 %
17
E= 98 %
EPOC
(+)
(-)
PRESENTE
321
AUSENTE
1543
65
134
256
S=65/321
20 %
18
4851
A B
C D
1409
E=1409/1543
90 %
Ntese que el VEF 1 es muy especfico. Slo un 10% sern resultados Falsos Positivos .
Pero observe la proporcin de resultados VP y FP.
Esto se debe a la muy baja prevalencia
de pacientes con la enfermedad.
127
19
VERDADERO.
Al correr el punto de corte hacia la izquierda, aumenta la sensibilidad y disminuye la especificidad. Llevar el punto
de corte hacia la izquierda implica no perderse enfermos pero incorporar sanos con lo cual aumentan los falsos
positivos y disminuyen los falsos negativos.
20
21
FALSO.
A esa sensibilidad, la tasa de falsos positivos del test A es menor que la del test B.
22
VERDADERO.
La especificidad se define por la inversa de la tasa de falsos positivos, por lo que la especificidad del test A es ms
alta que la del test B.
23
VERDADERO.
Las curvas que se proyectan ms a la izquierda y arriba tienen mejores caractersticas operativas (mayor sensibilidad
y especificidad).
24
a) La probabilidad previa es lo mismo que la probabilidad pretest y que la prevalencia. En este caso, la probabilidad
previa es de 1/1.000 0.1 %.
b) La tabla de 2 x 2 se completa en este caso de la siguiente manera:
HIV +
PRESENTE
100
AUSENTE
99900
(+)
96
1998
(-)
A B
C D
97902
Sens.= 96 % Esp= 98 %
128
Como vemos en este ejercicio, cuando partimos de una prevalencia (probabilidad previa) muy baja (o
muy alta) los estudios no aportan gran cosa y los Valores Predictivos, tanto el positivo como el negativo,
son insignificantes en el resultado.
25
a) Si bien es difcil determinar la probabilidad previa, en este caso se asume un anclaje de 30 % o sea que antes de
realizar el test el mdico asume que el paciente tiene un 30 % de probabilidades de ser HIV + .
b) La tabla de 2 x 2 quedara de esta forma:
HIV
PRESENTE
300
AUSENTE
700
(+)
288
14
(-)
12
A B
C D
S= 96 %
686
E= 98 %
30 %
VPP
95 %
0.5
0
P pretest
P postest
2%
VPN
30 %
P pretest
0.5
P postest
En este caso, al partir de una probabilidad intermedia, el rendimiento del estudio es ptimo: si da
positivo, se confirma la enfermedad y si da negativo, se descarta.
129
26
Al no haber resultados Falsos Positivos (FP), todo resultado positivo viene de un VP.
Enfermedad
PRESENTE
AUSENTE
VP
FP
(+)
(-)
FN
A B
C D
S=
VN
E= 100 %
VP
Por lo tanto el VPP=
Esto significa que la presencia del signo confirma la enfermedad en un 100 %; es decir, no hay signo sin enfermedad.
27
Al no haber resultados falsos negativos (FN), todo resultado negativo viene de un VN.
Enfermedad
PRESENTE
AUSENTE
(+)
VP
FP
(-)
FN
A B
C D
S= 100 %
VN
VN
Por lo tanto: VPN =
E=
Esto significa que la ausencia del signo descarta la enfermedad en un 100 %; o sea, no hay enfermedad sin este
signo.
28
a) Para responder, hay que realizar la tabla de 2 x 2 (utilizamos 500 para que las cuentas den sin decimales).
Deterioro cognitivo
PRESENTE
500
AUSENTE
500
(+)
435
90
(-)
65
S= 87 %
A B
C D
410
VP
435
=
VP + FP
E= 82 %
50 %
83 %
VPP
0.5
P postest
P pretest
130
= 0.83
435 + 90
VN
410
=
VN + FN
= 0.86
410 + 65
50%
VPN
0.5
P pretest
29
30
Se establece una lnea que una la P pretest (30 %) y 49 (CPP). La P postest es de casi 95 %, confirmando la
sospecha diagnstica (lnea llena).
31
Si el resultado hubiese sido negativo, se establece una lnea que una la P pretest (30 %) y 0.02 (CPN) (lnea
punteada). La P postest es de 0.3 %: descarta la hiptesis de hipertiroidismo.
0.1
99
0.2
0.5
95
1000
500
200
100
50
20
10
5
2
1
2
5
10
20
30
40
50
60
70
90
0.5
0.2
0.1
0.05
0.02
0.01
0.005
0.002
0.001
80
90
80
70
60
50
40
30
20
10
5
2
1
0.5
95
0.2
0.1
P. Pretest
CP
P. Postest
131
32
La opcin correcta es la c.
Para realizar el diagnstico de diabetes en un paciente sin sntomas se necesita realizar dos glucemias. Ambas
deben ser mayores de 126 mg% antes de comenzar algn tratamiento. Muchas veces los mdicos estamos propensos
a tratar a un paciente con una glucemia anormal sin contemplar los criterios diagnsticos. Lo que pudo ocurrir en
este paciente es un fenmeno de regresin a la media. Este fenmeno se da en un tercio de los datos que se toman
como anormales que, sin intervencin alguna, regresan a valores normales. El resto de las opciones son incorrectas:
a) El mdico comete un error al tratar a un paciente con una sola glucemia elevada en ausencia de sntomas.
Siempre debe confirmar el diagnstico; b) El mdico no actu correctamente y perjudic al paciente al informarle
que padeca una enfermedad seria sin haber confirmado el diagnstico, al indicarle realizar una dieta que no requera
y al enfermar al paciente de algo que an no tiene (fenmeno de etiquetamiento); d) El paciente no tiene diagnstico
de diabetes y nunca debera comenzar un tratamiento con hipoglucemiantes orales.
132
EF
F ) E J E R C I TA C I N F I N A L
EJERCICIO 1
Ejercicio 1
Un hombre de 55 aos, con antecedentes de abuso de alcohol es hospitalizado luego de una ingesta excesiva de
vino. Refiere anorexia, nuseas, vmitos y dolor epigstrico irradiado a dorso en forma constante. Al examen fsico
presenta 38.5 C, dolor a la palpacin profunda y mayor tensin en el epigastrio. Dada la historia y el examen fsico,
el residente de guardia piensa que la probabilidad de pancreatitis aguda es del 50 % y solicita una amilasa (sensibilidad
82 %, especificidad 98 %).
1
2
3
4
5
EJERCICIO 2
Al da siguiente, ese mismo mdico residente recibe en el consultorio a un paciente de 28 aos que concurre por
dolor epigstrico y distensin abdominal postprandial. Es empleado y estuvo muy preocupado por su permanencia
en el trabajo. Caracteriza al dolor como de ardor epigstrico. El mdico establece una P para pancreatitis de 0.1 %,
pero internamente piensa: las enfermedades vienen de a pares y si diagnostiqu pancreatitis antes puede que
ahora tambin... y solicita una amilasa.
1
2
3
4
5
EJERCICIO 3
Llega al consultorio un hombre de 39 aos, sin antecedentes patolgicos relevantes que lo consulta por prdida de
peso de 3 kilos. El cuadro comenz con la prdida de su trabajo por el cierre de la fbrica, hace 20 das. Del
interrogatorio surge que est muy nervioso, con agitacin y que, por momentos, siente palpitaciones. No consume
ningn medicamento y no tiene alteraciones en los estudios de laboratorio y ECG previos. El mdico sospecha que
el paciente puede estar cursando un hipertiroidismo.
1
Teniendo en cuenta que la taquicardia es 100 % sensible para el hipertiroidismo, Ud. piensa
que (una, varias, todas o ninguna de las opciones son vlidas):
a) Si la frecuencia cardiaca del paciente es de 70 por minuto (no hay taquicardia), el
hipertiroidismo queda descartado.
b) Si la frecuencia cardiaca del paciente es de 115 por minuto (hay taquicardia), tiene un valor
predictivo positivo alto de hipertiroidismo.
c) Si el paciente no est con taquicardia, tiene un valor predictivo negativo bajo para
hipertiroidismo.
d) Si el paciente est con taquicardia, el hipertiroidismo queda confirmado.
El mdico completa el interrogatorio y el examen fsico. El paciente tiene una frecuencia cardiaca
133
de 115 por minuto. El mdico decide pedir un estudio. Por qu cree que solicita un estudio
diagnstico? (una, varias, todas o ninguna de las opciones son vlidas).
a) Porque el mdico est seguro de que el paciente no est con hipertiroidismo.
b) Porque cree que la probabilidad previa se ubica en la franja de tratamiento.
c) Porque cree que el paciente tiene una probabilidad previa intermedia de tener hipertiroidismo.
d) Porque el mdico est seguro de que el paciente no tiene hipertiroidismo.
3
Una semana ms tarde concurre el paciente con La TSH IRMA dentro de valores normales.
Usted cree que (una, varias, todas o ninguna opcin puede ser vlida):
a) Con este dato el valor predictivo negativo (VPN) ser alto.
b) El anclaje postest es bajo.
c) Este dato le ayuda al mdico a descartar el hipertiroidismo.
d) El valor predictivo positivo no tendra sentido sacarlo.
134
G) B IBLIOGRAFA RECOMENDADA
P a u k e r S G , K a s s i r e r J P. M e d i c a l p r o g r e s s - d e c i s i o n
a n a l y s i s . N E n g l J M e d. 1 9 8 7 : 3 1 6 : 2 5 0 - 8 .
Redelmeier DA, Rozin P, Kahneman D. Understanding patients
decisions. Cognitive and emotional perspectives . JAMA.
1993:270:72-6.
Sackett DL. et al. Clinical epidemiology . Boston: Little Brown,
1985.
135
136
REF
H ) R E S P U E S TA S A L A E J E R C I TA C I N F I N A L
EJERCICIO 1
= 41
0.18
Pancreatitis aguda
(+)
(-)
PRESENTE
50
AUSENTE
50
41
9
S= 82 %
VP
VPP =
C D
49
E= 98 %
41
=
VP+ FP
A B
VN
= 98 %
= 84 %
58
P postest
98%
16%
VPN
Certeza de NO
enfermedad
=
VN+ FN
42
P postest
49
VPN =
VPP
50%
(anclaje, P pretest)
Certeza de
enfermedad
Las probabilidades postest son del 98% si da positivo y del 16% si da negativo (1 menos VPN)
La decisin de pedir el estudio es correcta. Ante una probabilidad INTERMEDIA de enfermedad, se debe realizar un
5 test que intente confirmarla o descartarla. En este caso el test amilasa confirma el diagnstico de pancreatitis aguda
si es positivo (slo 2 % de estos pacientes no tendrn la enfermedad), y casi descarta esta entidad si es negativo
(slo 16 % de estos pacientes tendrn la enfermedad).
137
EJERCICIO 2
las enfermedades vienen de a pares... es el clsico pensamiento heurstico de disponibilidad debido a que la
1 ...
enfermedad est ms fresca en la mente del joven residente.
Pancreatitis aguda
PRESENTE
10
AUSENTE
9990
(+)
200
(-)
2
S= 82 %
VP
VPP =
C D
9790
E= 98 %
VN
8
=
VP+ FP
A B
VPN =
=4%
208
9790
=
VN+ FN
= 99.9 %
9792
P postest
4%
0
Certeza de NO
enfermedad
Certeza de
enfermedad
En este caso la decisin de solicitar un estudio diagnstico no es correcta. Se trata de un joven sin antecedentes
5 de riesgo que supongan pancreatitis y el diagnstico ms probable es el de dispepsia. El mdico establece una
P para pancreatitis de 0.1 % de manera correcta. Como se observa, el resultado positivo no modifica la P de
pancreatitis (de 0.1 % se va 4 %) ya que se parte de una prevalencia muy baja. El resultado negativo tampoco
modifica la P pretest.
138
EJERCICIO 3
La opcin correcta es la a.
Si el signo es 100 % sensible quiere decir que no tiene falsos negativos y, por lo tanto, si da negativo (no hay
taquicardia) el resultado no puede venir ms que del verdadero negativo (V-). Ver la siguiente tabla:
Hipertiroidismo
(+)
PRESENTE
AUSENTE
V(+)
F(+)
A B
C D
(-)
S= 100 %
V(-)
Especificidad
El resto de las opciones son incorrectas: b) El valor predictivo positivo (VPP) es la probabilidad de que el resultado
de un estudio sea correcto, es decir, de que un paciente con un resultado positivo (en este caso la taquicardia) tenga
la enfermedad (hipertiroidismo). Est relacionado con la prevalencia o probabilidad previa (probabilidad pretest) de
que el paciente tenga la enfermedad (hipertiroidismo) y no solo con la sensibilidad propia del test; c) Al igual que el
VPP, el valor predictivo negativo (VPN) est relacionado con la prevalencia de la enfermedad. Sin embargo, en los
casos en que la sensibilidad del test es del 100 %, el VPN es del 100 % porque no habra falsos negativos, es decir,
no hay pacientes con hipertiroidismo que no tengan taquicardia; d) Debido a que puede haber muchos falsos positivos,
el paciente puede estar taquicrdico, por ejemplo, por ansiedad. La taquicardia es un signo 100 % sensible, pero no
conocemos su especificidad, que es la que va a determinar los falsos positivos (ver tabla).
La opcin correcta es la c.
Por lo general, los mdicos pedimos un estudio cuando la probabilidad previa de que un paciente presente una
enfermedad (en este caso, hipertiroidismo) es intermedia, entre 30 y 70 %. Es en este rango cuando los estudios
brindan una probabilidad postest ptima ya que acercan (o alejan) la probabilidad previa del mdico hacia el umbral
de tratamiento.
Umbral Test
No trato
0%
Umbral test-tratamiento
Test
Tratamiento
100 %
El resto de las opciones son incorrectas: a) Esto es muy raro en la prctica ambulatoria ya que el acercamiento que
hacemos a una enfermedad siempre es probabilstico, es decir, basado en la experiencia y los conocimientos
personales. En este caso, el paciente tiene una signo 100 % sensible (la taquicardia) pero eso no habilita al mdico
a afirmar que el paciente tiene hipertiroidismo (podra estar taquicrdico por su ansiedad); b) Para que la probabilidad
previa est en el rango de tratamiento tiene que ser alta, cercana a 1, donde hay certeza de que el paciente est
enfermo; d) El mdico no puede descartar hipertiroidismo (probabilidad previa de no tratamiento) ya que el paciente
presenta signos y sntomas compatibles con hipertiroidismo. El mdico solo podra ubicarse en este umbral si el
paciente no estuviera taquicrdico (signo 100 % sensible).
La opcin correcta es la c.
Si el test tiene una especificidad del 99 %, puede dar una falso positivo en un 1 % de pacientes sanos. La especificidad
(E) se relaciona con la tasa de falsos positivos de manera inversa (mientras menor sea la especificidad mayor ser
139
la tasa de falsos positivos y viceversa). Por ejemplo: la TSH IRMA tiene una E = 99 %, es decir, que la tasa de falsos
positivos (TFP) ser slo del 1 %. Esto se calcula mediante la siguiente frmula TFP = 1 - Especificidad.
La sensibilidad (S), al igual que la especificidad, se relaciona de manera inversa con la tasa de falsos negativos
(TFN) (mientras menor sea la sensibilidad mayor ser la tasa de falsos negativos y viceversa). Por ejemplo: si la
TSH IRMA tiene una sensibilidad del 98 %, la tasa de falsos negativos es del 2 %, ya que la TFN = 1 Sensibilidad.
El resto de las opciones son incorrectas: a) La TFP de este estudio es del 1 % ya que, como se dijo anteriormente,
la TFP = 1 Especificidad, es decir, TFP = 1 0.99 = 1 %; b) Esa es la prevalencia o probabilidad previa (probabilidad
pretest o anclaje) elaborada por el mdico a partir de su experiencia y sus conocimientos; d) La especificidad
determina los pacientes sanos con test negativo (pacientes sanos con test negativo).
AUSENTE
65
(+)
34
(-)
A B
C D
S= 98 %
No tratamiento
30
VPP= 34 / 34 + 1= 97 %
VPP= 64 / 64 + 1= 98.4 %
64
E= 99 %
70
VP
Tratamiento
VPN
opcin a) es correcta porque el VPN es de 98.4 %; la opcin b) es correcta porque el anclaje postest es de 1.6
5 La
(para calcularlo se debe realizar la siguiente cuenta: 1 VPN); la opcin c) es correcta porque el test negativo
descarta el hipertiroidismo en el 98.4 % de los casos; d) El resultado dio negativo y aleja la posibilidad de que el
paciente presente un hipertiroidismo llevndolo a la zona de umbral de no tratamiento.
140
141