Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
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 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).
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.
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.
6
BIBLIOGRAFÍA