Medicina Basada en Evidencias | Tomo 5 | Teorema de Bayes
Actualizado: 22 dic 2022
¿Se imagina poder conocer previamente la probabilidad en porcentaje de en qué medida nos será útil una prueba o intervención en su consulta privada u hospitalaria? Y es que, el conocimiento de la sensibilidad y especificidad de una prueba o intervención en la práctica clínica de rutina tiene una utilidad limitada. El teorema de Bayes, sin duda, es uno de los hitos en la adecuada comprensión de la medicina moderna al permitirnos conocer los valores predictivos. La Bioestadística en la actualidad es parte fundamental del ejercicio médico. Su comprensión y aplicación se han vuelto una parte fundamental en la práctica clínica.
Prevalencia
Se define como prevalencia a la proporción de personas que tienen una enfermedad en una población. Se la conoce también como la probabilidad antes de la prueba, es por tanto la probabilidad que tiene el sujeto de tener la enfermedad por la sola razón de estar en una población específica. La sensibilidad y la especificidad no se modifican con los cambios en la prevalencia, no así los valores predictivos. La prevalencia de una enfermedad puede variar incluso según el nivel de atención de cada paciente.
Incidencia
Se define como incidencia al número de casos nuevos de una enfermedad en una población durante un tiempo determinado.
Sensibilidad
Se define como sensibilidad al porcentaje de personas con una enfermedad quienes tienen un test positivo (PID = positive in disease). La sensibilidad se la utiliza por tanto en individuos enfermos y busca los verdaderos positivos. Su cálculo se lo realiza dividiendo los verdaderos positivos sobre la suma de los verdaderos positivos con los falsos negativos y es, por tanto, un indicador de la capacidad de la prueba para identificar adecuadamente la presencia de la enfermedad.
Especificidad
Se define como especificidad al porcentaje de personas sin la enfermedad quienes tienen un test negativo (NIH= negative in health). La especificidad se la aplica en individuos sanos y busca los verdaderos negativos. Su cálculo se lo realiza, por tanto, dividiendo los verdaderos negativos sobre la suma de los falsos positivos con los verdaderos negativos y es, por tanto, un indicador de la capacidad de la prueba para identificar adecuadamente la ausencia de la enfermedad.
Valor predictivo positivo
El valor predictivo positivo (VPP) se refiere a la probabilidad de tener la enfermedad teniendo un test positivo. El VPP puede variar según la prevalencia de la enfermedad. Su cálculo se lo realiza dividiendo los verdaderos positivos sobre la suma de los verdaderos positivos con los falsos positivos. El VPP nos indica la proporción de enfermos con resultados positivos.
Valor predictivo negativo
El valor predictivo negativo (VPN) se refiere a la probabilidad de estar sano cuando la prueba es negativa. El VPN puede también variar según la prevalencia de la enfermedad. Su cálculo se lo realiza dividiendo los verdaderos negativos sobre la suma de los falsos negativos con los verdaderos negativos. El VPP nos indica la proporción de sanos con resultados negativos.
TEOREMA DE BAYES
Si conocemos la sensibilidad, especificidad y la prevalencia de la enfermedad de cada escenario clínico, estaremos en posibilidad de calcular los valores predictivos positivos y negativos en nuestra práctica clínica o en el escenario clínico que necesitemos, mediante el llamado teorema de Bayes.
La relevancia del teorema de Bayes es que nos permitirá conocer los valores predictivos aplicables a nuestra práctica cotidiana, lo cual se traduce en la invaluable posibilidad de poder aplicar dichos valores en nuestro análisis clínico.
¿Cómo podemos aplicarlo? | Práctica de estos conceptos en el contexto de COVID-19
En el contexto actual, si sabemos cuál es la sensibilidad y especificidad de una prueba, así como la prevalencia de la enfermedad en nuestro escenario clínico, podríamos calcular los valores predictivos de dicha prueba. Es importante tomar en cuenta en este sentido que, la prevalencia de una enfermedad podría variar según el escenario clínico en el que se desenvuelve nuestra práctica médica.
Por ejemplo, si tomamos al RT-PCR para SARS-CoV2 mediante hisopado nasofaríngeo, con una la sensibilidad del 63% y especificidad del 99%, asumiendo una prevalencia hipotética de 0.03%, el valor predictivo positivo sería de 66,08% y el valor predictivo negativo estaría en 98,8%. Esto es, que la probabilidad de que el paciente tenga la enfermedad si la prueba es positiva es del 66% y, la probabilidad de que el paciente esté sano si la prueba es negativa sería del 99% aproximadamente.
Como podemos ver, son los valores predictivos los que realmente nos ayudan en la decisión clínica más que la sensibilidad y especificidad aisladas de cada intervención.
Más información en:
Medicina Basada en Evidencias | Tomo 1 | Introducción
Medicina Basada en Evidencias | Tomo 2 | Pasos en la MBE
Medicina Basada en Evidencias | Tomo 3 | Partes de una pregunta
Medicina Basada en Evidencias | Tomo 4 | Evaluando artículos
Medicina Basada en Evidencias | Tomo 5 | Teorema de Bayes
Suscríbete
Mantente al día con las últimas novedades en la Otorrinolaringología
Consulta
Nuestras Especialidades
Dr. Danilo Mantilla
Especialista en Otorrinolaringología
Experto en Medicina Basada en Evidencias e Investigación
Cirujano de Oídos, Nariz y Garganta (Laríngeo-Faringe)
Miembro Activo de la "American Academy of Otolaryngology Head and Neck Surgery"
Centro de Diagnóstico Médico de Otorrinolaringología
Copyright © 2023. Todos los derechos son reservados. La presente guía clínica está concebida como un instrumento de ayuda en la consulta de atención primaria. Se ha procurado que todas sus aseveraciones estén basadas en la evidencia científica más firme, pero su aplicación nunca debe sustituir al juicio clínico del facultativo y la valoración individual de cada paciente.