FACULTAD DE CIENCIAS DE LA SALUD

ESCUELA PROFESIONAL DE MEDICINA

HEALTHCARE SYSTEM

TRUJILLO - PERÚ
2023-1
 HAZARD RATIO AND LIKELIHOOD RATIO

El Hazard ratio es una medida del efecto de una intervención sobre una determinada
variable de resultado a través del tiempo. Habitualmente se expresa como análisis del
tiempo transcurrido hasta un evento o análisis de supervivencia. Por ejemplo, cuando
estamos interesados en conocer cuánto tiempo transcurre hasta que tiene lugar un
determinado evento que podría ser de carácter negativo (p. ej. tiempo transcurrido hasta
que el paciente recae o fallece) o positivo (p. ej. tiempo transcurrido hasta que se cura, se
va de alta o la supervivencia libre de progresión). Matemáticamente, la HR final calculada
por el modelo de regresión es un promedio de las razones de tasas instantáneas en cada
momento durante la duración del estudio o, dicho de otra forma, la HR es el cociente entre
el riesgo en el grupo de intervención y el riesgo en el grupo control y expresa la probabilidad
de que un individuo experimente, tras la intervención, un evento (muerte, recaída, alta,
curación…) en un determinado momento, asumiendo que dicho individuo ha sobrevivido
hasta ese instante sin experimentar el evento objeto de estudio.

El HR se expresa con un intervalo de confianza que es el rango de valores que

probablemente incluya el valor poblacional real. Se usa para determinar su precisión: cuanto
más estrecho, la HR será más precisa. La precisión está afectada por el tamaño muestral
del estudio, de tal forma que si n=1, la HR será no significativa. (1)
En cuanto al Likelihood ratio conocido también en español como razón de verosimilitud, se
define como la razón entre la posibilidad de observar un resultado en los pacientes con la
enfermedad en cuestión versus la posibilidad de ese resultado en pacientes sin la patología.
El uso del LR constituye una herramienta de gran utilidad para la toma de decisiones
clínicas frente a la solicitud de algún test diagnóstico, porque son valores inherentes a este
e independientes de la prevalencia de la enfermedad. Si bien su cálculo deriva de
probabilidades condicionadas en base al teorema de Bayes, se puede estimar en base a
parámetros de sensibilidad y especificidad de la siguiente manera.
Esto refleja la capacidad de un test diagnóstico para cambiar una probabilidad pretest a una
nueva probabilidad postest. La aplicabilidad del LR es múltiple en la práctica radiológica, ya
que es posible utilizarlo al analizar pruebas diagnósticas con resultados dicotómicos, en los
que solo es posible determinar presencia o ausencia de enfermedad (negativo o positivo), o
bien con resultados categóricos, por ejemplo mediante exámenes que tienen categorías de
severidad (leve, moderada o severa).Esto se ha simplificado a través del uso del
nomograma de Fagan que consta de tres columnas paralelas entre sí, graduadas de forma
de poder realizar una estimación de la probabilidad postest, conocida la probabilidad pretest
y un LR del test a ser probado
 1. CÁLCULO

Las variables que nos proporcionan los ensayos clínicos pueden dividirse en cuantitativas,
cualitativas y variables de supervivencia, también llamadas de tiempo a suceso.

Las variables de supervivencia son las que cuantifican el tiempo que transcurre desde la
entrada del sujeto en el estudio hasta que se produce determinado suceso que, a pesar del
nombre de “supervivencia”, no tiene por qué estar relacionado obligatoriamente con
mortalidad.

Este tipo de estudios es cada vez más frecuente en la literatura médica y plantea una forma
específica de análisis. En la práctica, se tratará de comparar el resultado de una variables
dicotómica (ocurrencia o no del suceso) entre el grupo de intervención y el grupo control,
pero a diferencia de otros ensayos, en estos casos tendremos que tener en cuenta el
tiempo que tarda hasta que el suceso se produce. Una posibilidad sería analizar los riesgos
relativos entre los dos grupos, pero este método no sería completo porque el riesgo relativo
no tiene en cuenta esta duración hasta que se produce el resultado en estudio. Lo mismo
ocurriría con el empleo de modelos de regresión logística con el cálculo de odds ratios. Nos
faltaría la información temporal1.

El modo adecuado de analizar este tipo de resultados es utilizar un modelo de regresión de

riesgos proporcionales o regresión de Cox2, que tiene en cuenta, además de la producción
del suceso, el tiempo que tarda en producirse. Estos datos suelen representarse mediante
tablas y curvas de supervivencia, llamadas de Kaplan-Meier3. El análisis de estas curvas
junto con la regresión de Cox nos proporciona tres resultados de interés: la mediana de
tiempo en el que han presentado el suceso el 50% de los participantes, el tiempo medio en
el que se produce el evento y la tasa de riesgos instantáneos, más conocida por su nombre
en inglés, hazard ratio (HR).

El modelo de regresión de Cox tiene en cuenta la información proporcionada por todos los
participantes que intervienen en el estudio, incluidos aquellos que lo abandonan durante el
seguimiento (los denominados datos censurados). El periodo de seguimiento se divide en
intervalos temporales, calculando la tasa de riesgo como la probabilidad, no habiendo
presentado el suceso hasta ese momento, de presentarlo en el periodo temporal
subsiguiente. Esta tasa de riesgo va variando a lo largo de la duración del estudio, por lo
que el modelo calcula una hipotética tasa instantánea media cuando el periodo de tiempo
tiende a cero. La HR no es más que el cociente de las tasas instantáneas entre el grupo de
intervención y el control.

3
Por lo tanto, la HR final calculada por el modelo de regresión es un promedio de las razones
de tasas instantáneas en cada momento durante la duración del estudio y representa la
relación de probabilidades de producción del suceso en tratados frente a no tratados en un
momento dado. Para ser precisos, la HR es una odds y no una probabilidad, por lo que
representa cuánto más probable es que se produzca el suceso a que no se produzca en
tratados frente a controles. De todas formas, podemos calcular el valor de la probabilidad a
partir de la HR aplicando la siguiente fórmula:

Probabilidad = HR / (1 + HR).

La interpretación de la HR es similar a la del riesgo relativo, aunque ambas reflejan

conceptos diferentes. El valor nulo para la HR es el uno, que indica igualdad de probabilidad
de producción del suceso en los dos grupos en el siguiente intervalo de tiempo. Una HR > 1
indica más riesgo de producción en el grupo de intervención y una HR < 1 menor riesgo en
el grupo de intervención que en el control.

El uso del LR constituye una herramienta de gran utilidad para la toma de decisiones
clínicas frente a la solicitud de algún test diagnóstico, porque son valores inherentes a este
e independientes de la prevalencia de la enfermedad. Si bien su cálculo deriva de
probabilidades condicionadas en base al teorema de Bayes, se puede estimar en base a
parámetros de sensibilidad y especificidad de la siguiente manera:

Esto refleja la capacidad de un test diagnóstico para cambiar una probabilidad pretest a una
nueva probabilidad postest. La aplicabilidad del LR es múltiple en la práctica radiológica, ya
que es posible utilizarlo al analizar pruebas diagnósticas con resultados dicotómicos, en los
que solo es posible determinar presencia o ausencia de enfermedad (negativo o positivo), o
bien con resultados categóricos, por ejemplo mediante exámenes que tienen categorías de
severidad (leve, moderada o severa).

Esto se ha simplificado a través del uso del nomograma de Fagan que consta de tres
columnas paralelas entre sí, graduadas de forma de poder realizar una estimación de la
probabilidad postest, conocida la probabilidad pretest y un LR del test a ser probado.

El impacto de los valores del LR positivo y negativo se refleja en la tabla 1. Como término
general, hay que recordar que un LR positivo mayor de 10 y un LR negativo menor de 0,1

4
indica un cambio relevante en la probabilidad pretest, lo cual determina con alta certeza un
cambio de conducta clínica.

2. UN EJEMPLO TOMADO DE UN ARTICULO DE INVESTIGACION CIENTIFICA

La estadística ha contribuido enormemente a la conceptualización, desarrollo y éxito de

dichos estudios, en particular, de los estudios de casos y controles y, en los últimos 50
años, esta contribución ha sido de las más importantes para la salud pública y las ciencias
biomédicas. Por todo ello, este trabajo presenta el diseño de los estudios de casos y
controles, estableciendo su relación con el estudio de cohortes, hace un breve recorrido
histórico por las principales contribuciones del punto de vista estadístico de este diseño y
señala algunos desafíos de investigaciones en esta línea.

ÁREA BAJO LA CURVA DE CARACTERÍSTICAS FUNCIONALES

Probabilidad de clasificar correctamente pares de individuos sanos y enfermos,
seleccionados de la población al azar, mediante los resultados obtenidos al aplicarles la
prueba diagnóstica. Por ejemplo, en el caso del diagnóstico de cáncer de próstata mediante
la utilización del antígeno prostático específico (PSA), un área de 0,75 significa que un
individuo seleccionado aleatoriamente del grupo de enfermos tendrá el 75% de las veces un
valor de PSA mayor que un individuo elegido al azar del grupo sano. Puede tomar los
valores de 0,5 a 1. Cuando no existen diferencias en la distribución de resultados de la
prueba entre los subgrupos enfermo y sano, toma el valor de 0,5, mientras que cuando
existe una separación perfecta entre las dos distribuciones toma el valor de 1. Valores entre
0,5 y 0,7 indican una prueba diagnóstica de baja exactitud; entre 0,7 y 0,9 pueden ser útiles
para algunos propósitos; y un valor de 0,9 o superior indica exactitud alta. (5)

5
 3. EN QUE ESTUDIOS SE UTILIZA
El uso del LR constituye una herramienta de gran utilidad para la toma de decisiones
clínicas frente a la solicitud de algún test diagnóstico, porque son valores inherentes a este
e independientes de la prevalencia de la enfermedad.
En el uso de Hazard Ratio Las variables de supervivencia son las que cuantifican el tiempo
que transcurre desde la entrada del sujeto en el estudio hasta que se produce determinado
suceso que, a pesar del nombre de “supervivencia”, no tiene por qué estar relacionado
obligatoriamente con mortalidad.

Este tipo de estudios es cada vez más frecuente en la literatura médica y plantea una forma
específica de análisis. En la práctica, se tratará de comparar el resultado de una variables
dicotómica (ocurrencia o no del suceso) entre el grupo de intervención y el grupo control,
pero a diferencia de otros ensayos, en estos casos tendremos que tener en cuenta el
tiempo que tarda hasta que el suceso se produce. Una posibilidad sería analizar los riesgos
relativos entre los dos grupos, pero este método no sería completo porque el riesgo relativo
no tiene en cuenta esta duración hasta que se produce el resultado en estudio. Lo mismo
ocurriría con el empleo de modelos de regresión logística con el cálculo de odds ratios.

4. ¿Por qué es importante ?

Son herramientas de importancia para poder asistir en el proceso de toma de decisiones
clínicas. El conocimiento de estos parámetros orienta al médico clínico en el impacto que
puede tener la realización de un examen en particular, tanto para aumentar la probabilidad
de enfermedad (en caso de resultado positivo) como para descartar la patología (si el
resultado es negativo).

6
 BIBLIOGRAFÍA

1. de Carlos VT las E. Hazard Ratio: apuntes de supervivencia [Internet].

El rincón de Sísifo. 2016 [citado el 31 de mayo de 2023]. Disponible
en: https://elrincondesisifo.org/2016/04/14/hazard-ratio-apuntes-de-
supervivencia/
2. Silva Fuente-Alba C, Molina Villagra M. Razón de verosimilitud:
definición y aplicación en Radiología. Rev Argent Radiol / Argent J
Radiol [Internet]. 2017 [citado el 31 de mayo de 2023];81(3):204–8.
Disponible en: https://www.elsevier.es/es-revista-revista-argentina-
radiologia-383-articulo-likelihood-ratio-razon-verosimilitud-definicion-
S0048761916301910
3. C.M. Florkowski. Sensitivity, specificity, receiver-operating
characteristic (ROC) curves and likelihood ratios: communicating the
performance of diagnostic tests. Clin Biochem Rev, 29 (2008), pp. S83-
S87
4. Martínez-González MA, Alonso A, Fidalgo JL. ¿Qué es una hazard
ratio? Nociones de análisis de supervivencia. Med Clin (Barc).
2008;131:65-72
5. La estadística en la investigación epidemiológica: El estudio de casos y
controles Anales de la Facultad de Medicina, vol. 63, núm. 2, 2002, pp. 46-56
Universidad Nacional Mayor de San Marcos Lima, Perú. Disponible en:
https://www.redalyc.org/pdf/379/37963207.pdf