pruebas diagnÓsticas y toma de decisiones mÉdicas...
TRANSCRIPT
43 Pruebas diagnósticas y toma de decisiones médicas C. Diana Nicoll, MD, PhD, MPA y Michael Pignone, MD, MPH
PRUEBAS DIAGNÓSTICAS Y TOMA DE DECISIONES MÉDICAS: INTRODUCCIÓN
La principal tarea del médico es tomar decisiones razonadas sobre la atención del paciente, a
pesar de la información incompleta y la incertidumbre acerca de los resultados clínicos.
Aunque los datos obtenidos del interrogatorio y la exploración física son a menudo suficientes
para determinar un diagnóstico o definir el tratamiento, tal vez se requiera más información.
En estas situaciones, el clínico recurre con frecuencia a las pruebas diagnósticas para obtener
ayuda.
BENEFICIOS; COSTOS Y RIESGOS
Cuando se usan en forma apropiada, las pruebas diagnósticas pueden ser de gran ayuda para
el médico y también ser útiles para el procedimiento de detección, por ejemplo, para
identificar factores de riesgo y descubrir alguna enfermedad oculta en personas asintomáticas.
La identificación de factores de riesgo posibilita la intervención temprana para prevenir la
manifestación de la enfermedad; el reconocimiento temprano de la afección oculta disminuye
la morbilidad y mortalidad mediante el tratamiento oportuno. La identificación óptima cumple
los criterios que se listan en el cuadro 43–1.
Cuadro 43–1. Criterios para el uso de procedimientos de detección. Características de la población
1. Prevalencia lo suficientemente alta de la enfermedad.
2. Probabilidad de cumplir las pruebas y tratamientos subsiguientes.
Características de la enfermedad
1. Morbilidad y mortalidad significativas.
2. Tratamiento disponible efectivo y aceptable.
3. Período preclínico detectable.
4. Mejor resultado con el tratamiento temprano.
Características de la prueba
1. Sensibilidad y especificidad adecuadas.
2. Costo y riesgo bajos.
3. Prueba confirmatoria disponible y práctica. Las pruebas también pueden ser útiles para el diagnóstico, es decir, para ayudar a
establecer o descartar la presencia de una enfermedad en personas asintomáticas. Algunas
pruebas favorecen el diagnóstico temprano después del inicio de los síntomas; otras permiten
determinar el diagnóstico diferencial; y otras más contribuyen a definir la etapa o actividad
del trastorno.
Por último, las pruebas son útiles para la atención del paciente. Las pruebas ayudan a (1)
valorar la gravedad de la enfermedad; (2) precisar el pronóstico; (3) vigilar la evolución de la
enfermedad (progresión, estabilidad o resolución); (4) detectar la recurrencia de la anomalía,
y (5) seleccionar fármacos y ajustar el tratamiento.
Cuando solicitan pruebas diagnósticas, los médicos deben comparar los beneficios posibles
con los costos y desventajas. Algunas conllevan riesgo de morbilidad o mortalidad, como la
angiografía cerebral, que causa accidente vascular cerebral en 0.5% de los casos. Las
molestias vinculadas con pruebas, como la colonoscopia, disuaden a algunos pacientes de
completar un estudio diagnóstico. Es posible que el resultado de una prueba diagnóstica
obligue a solicitar estudios adicionales o seguimientos frecuentes; por ejemplo, un sujeto con
resultado positivo en la prueba de sangre oculta en heces enfrentaría el costo significativo, la
molestia y el riesgo de la colonoscopia de seguimiento.
Además, un resultado positivo falso en una prueba podría derivar en un diagnóstico incorrecto
o pruebas adicionales innecesarias. La clasificación de un individuo sano como enfermo con
base en una prueba diagnóstica con resultado positivo falso puede ocasionar estrés y conducir
a riesgos innecesarios o tratamiento inapropiado. Una prueba diagnóstica o de detección
puede reconocer un trastorno no identificable de otra manera y no afectaría a la persona. Un
ejemplo es el descubrimiento de cáncer prostático de grado bajo y en etapa temprana
mediante antígeno prostático específico en un varón de 84 años con insuficiencia cardíaca
congestiva grave diagnosticada; lo más probable es que el sujeto no muestre síntomas ni
requiera terapéutica para el tumor en lo que le resta de vida.
Siempre deben comprenderse y considerarse los costos de las pruebas diagnósticas. Es
probable que los costos sean altos o que la efectividad de éstos sea desfavorable. Una prueba
individual, como la resonancia magnética (MRI) de la cabeza, puede costar más de 1 400
dólares y las pruebas diagnósticas en conjunto representan cerca de 20% de los gastos de
atención a la salud en Estados Unidos. Incluso las pruebas relativamente baratas pueden
tener una baja rentabilidad si producen muy pocos beneficios a la salud.
Barratt A et al: Use of decision aids to support informed choices about screening. BMJ
2004;329:507.
Deyo RA: Cascade effects of medical technology. Annu Rev Public Health 2002;23:23. [PMID:
11910053]
Grimes DA et al: Uses and abuses of screening tests. Lancet 2002;359:881. [PMID:
11897304]
Lynd LD et al: Advances in risk-benefit evaluation using probabilistic simulation methods: an
application to the prophylaxis of deep vein thrombosis. J Clin Epidemiol 2004;57:795. [PMID:
15485731]
Mushlin AI: Cost-effectiveness of diagnostic tests. Lancet 2001;358:1353. [PMID: 11684235]
Willinsky RA et al: Neurologic complications of cerebral angiography: prospective analysis of
2,899 procedures and review of the literature. Radiology 2003;227:522. [PMID: 12637677]
CÓMO REALIZAR LAS PRUEBAS DIAGNÓSTICAS
PREPARACIÓN DE LA PRUEBA
Los factores que afectan al paciente y la muestra son importantes. El elemento más crucial en
una prueba de laboratorio bien realizada es una muestra apropiada.
Preparación del paciente
La preparación del individuo es esencial para ciertas pruebas; por ejemplo, es necesario el
estado de ayuno para las mediciones óptimas de glucosa y triglicéridos; la postura y la
ingestión de sodio deben mantenerse bajo control estricto cuando se miden los niveles de
renina y aldosterona, y debe evitarse el ejercicio intenso antes de la toma de muestras para
cuantificar la cinasa de creatina, ya que la actividad muscular intensa puede arrojar resultados
anormales falsos.
Recolección de la muestra
Debe concederse mucha atención a la identificación del paciente y el etiquetado de la
muestra. Algunas veces es importante conocer el momento en que se tomó la muestra. Por
ejemplo, los niveles de aminoglucósidos no pueden interpretarse en forma correcta sin saber
si la muestra se tomó justo antes (“concentración farmacológica mínima”) o después
(“concentración farmacológica máxima”) de administrar el medicamento. Las concentraciones
farmacológicas no pueden interpretarse si la muestra se obtiene durante la fase de
distribución del compuesto (p. ej., los niveles de digoxina que se miden en las 6 h siguientes a
una dosis oral). Las sustancias que tienen una variación circadiana (p. ej., cortisol) sólo
pueden interpretarse en el contexto de la hora del día en que se obtuvo la muestra.
Hay otros principios que deben recordarse durante la recolección de la muestra. Éstas no
deben extraerse de un sitio proximal a un catéter intravenoso, ya que esto la contaminaría
con la solución intravenosa. La permanencia de un torniquete durante tiempo excesivo
produce hemoconcentración e incrementa la concentración de sustancias unidas con
proteínas, como el calcio. La lisis celular durante la recolección de una muestra sanguínea
produce valores séricos altos falsos de las sustancias concentradas en las células (p. ej.,
deshidrogenasa láctica y potasio). Las muestras para ciertas pruebas requieren una
manipulación o almacenamiento especiales (como las correspondientes a gases sanguíneos).
El retraso en la entrega de las muestras al laboratorio posibilita que el metabolismo celular
continúe, lo que arroja resultados falsos en algunos estudios (p. ej., glucosa sérica baja).
CARACTERÍSTICAS DE LAS PRUEBAS
En el cuadro 43–2 se presentan las características generales de las pruebas diagnósticas
útiles. La mayor parte de los principios detallados a continuación se aplica no sólo a las
pruebas de laboratorio y radiográficas, sino también a elementos del interrogatorio y la
exploración física.
Cuadro 43–2. Propiedades de las pruebas diagnósticas útiles. 1. Hay una descripción detallada de la metodología de la prueba, por lo que puede reproducirse en forma exacta y confiable.
2. Ya se confirmaron la exactitud y la precisión de la prueba.
3. El intervalo de referencia está bien establecido.
4. La sensibilidad y la especificidad se determinaron de manera confiable mediante comparación con un método de referencia. La valoración se realizó en diversos pacientes, incluidos aquéllos con trastornos diferentes, pero que a menudo se confunden, y otros con un espectro de la enfermedad de leve a grave, con y sin tratamiento. El proceso de selección de individuos está bien descrito, por lo cual los resultados no se generalizan en forma inapropiada.
5. La contribución independiente al desempeño general de un panel de pruebas está confirmada, si la prueba se sugiere como parte de un panel de pruebas. Exactitud
La exactitud de una prueba de laboratorio es su correspondencia con el valor verdadero. Una
prueba inexacta es aquella que difiere del valor verdadero, aunque los resultados sean
reproducibles. (fig. 43–1A). En el laboratorio clínico, la exactitud de las pruebas se maximiza
mediante la calibración del equipo de laboratorio con material de referencia y la participación
en programas externos de control de calidad.
Figura 43–1
Relación entre la exactitud y la precisión en pruebas diagnósticas. El centro del blanco representa el valor verdadero de la sustancia de prueba. A: una prueba diagnóstica precisa, pero inexacta; con la medición repetida, la prueba produce resultados muy similares, pero todos están lejos del valor real. B: una prueba imprecisa e inexacta; la medición repetida suministra resultados muy diferentes y éstos están lejos del valor real. C: una prueba ideal es precisa y exacta. Precisión
La precisión es una medida de la reproducibilidad de una prueba cuando se repite en la misma
muestra. Una prueba imprecisa es aquella que produce resultados muy variables con las
mediciones repetidas (fig. 43–1B). La precisión de las pruebas diagnósticas, que se vigila en
los laboratorios clínicos con material de control, debe ser lo bastante buena para distinguir los
cambios de relevancia clínica en el estado del paciente a partir de la variabilidad analítica de
la prueba. Por ejemplo, el recuento diferencial manual de leucocitos no es lo bastante preciso
para reconocer cambios de importancia en la distribución de los tipos celulares, y que se
calcula por evaluación subjetiva de un pequeña muestra (100 células). Las mediciones
repetidas en la misma muestra por parte de distintos técnicos proporcionan resultados muy
diferentes. Los recuentos diferenciales automáticos son más precisos porque se obtienen con
máquinas que utilizan características físicas objetivas para clasificar una muestra mucho
mayor (10 000 células).
Intervalo de referencia
Los intervalos de referencia son específicos para cada método y laboratorio. En la práctica,
muchas veces, representan los resultados de la prueba que se encuentran en 95% de una
pequeña población que se presupone sana; por consiguiente, 5% de los pacientes sanos tiene
por definición resultados anormales en la prueba (fig. 43-2). Los resultados ligeramente
anormales deben interpretarse en forma crítica y pueden ser anormales verdaderos o falsos.
El médico siempre debe estar consciente de que cuantas más pruebas solicite, mayor será la
probabilidad de obtener un resultado anormal falso. Para una persona sana sometida a 20
pruebas independientes existe una probabilidad de 64% de que una se halle fuera del
intervalo de referencia (cuadro 43–3). Por el contrario, es factible que los valores dentro del
intervalo de referencia no descarten la presencia real de enfermedad, ya que el intervalo de
referencia no establece la distribución de los resultados en pacientes con la enfermedad.
Figura 43–2
.
El intervalo de referencia suele definirse como el limitado por 2 SD del resultado promedio de la prueba (se muestra como -2 y 2) en una pequeña población de voluntarios sanos. Obsérvese, que en este ejemplo, los resultados de la prueba tienen una distribución normal, pero muchas sustancias biológicas poseen distribuciones sesgadas. Copyright © 2006 by The McGrawHill Companies, Inc. All rights reserved.
Cuadro 43–3. Relación entre el número de pruebas y la probabilidad de que una persona sana tenga uno o más resultados anormales. Número de pruebas
Probabilidad de que uno o más resultados sean anormales
1 5%
6 26%
12 46%
20 64% Es importante considerar también si los intervalos de referencia publicados son apropiados
para el individuo en estudio, dado que algunos intervalos dependen de la edad, sexo, peso,
dieta, hora del día, nivel de actividad o postura. Por ejemplo, los intervalos de referencia para
la concentración de hemoglobina dependen de la edad y el sexo. El cuadro 2 del Apéndice
detalla los intervalos de referencia para las pruebas comunes de química sanguínea y
hematología. Las características de la eficacia-desempeño de la prueba, como sensibilidad y
especificidad, son necesarias para interpretar los resultados y se describen más delante.
Factores de interferencia
Los resultados de pruebas diagnósticas pueden alterarse por factores externos, como la
ingestión de fármacos, e internos, como los estados fisiológicos anormales.
Las interferencias externas influyen en los resultados de las pruebas in vivo o in vitro. In vivo,
el alcohol incrementa la concentración de transpeptidasa de -glutamilo, y los diuréticos
modifican las concentraciones de sodio y potasio. El tabaquismo induce enzimas hepáticas, lo
que reduce los niveles de sustancias, como la teofilina, que se metabolizan en el hígado. In
vitro, las cefalosporinas pueden producir niveles espurios de creatinina sérica por la
interferencia con un método de análisis usual en los laboratorios.
Las interferencias internas derivan de estados fisiológicos anormales que influyen en la
medición. Por ejemplo, en los sujetos con lipemia marcada puede obtenerse un resultado bajo
falso de sodio sérico, si la metodología de la prueba incluye un paso en el que se diluye el
suero antes de medir el sodio. En virtud de la posibilidad de interferencia con la prueba, los
médicos deben ser cautos ante los resultados inesperados en las pruebas y precisar razones
distintas de la enfermedad que expliquen los resultados anormales, incluido el error de
laboratorio.
Sensibilidad y especificidad
Los clínicos deben usar mediciones del desempeño de las pruebas, como la sensibilidad y la
especificidad, a fin de juzgar la calidad de una prueba diagnóstica para una enfermedad
particular. La sensibilidad de la prueba es la probabilidad de que un paciente tenga un
resultado positivo. Si todos los individuos con un padecimiento determinado tienen resultado
positivo en una prueba (esto es, que ningún sujeto enfermo muestra resultado negativo), la
sensibilidad es de 100%. Por lo general, una prueba con alta sensibilidad ayuda a descartar
un diagnóstico, porque una prueba muy sensible tiene pocos resultados negativos falsos. Por
ejemplo, para descartar la infección por el virus del síndrome de inmunodeficiencia adquirida
(sida), un médico podría elegir un estudio muy sensible, como el de anticuerpo contra el virus
de inmunodeficiencia humana (VIH).
La especificidad de una prueba es la probabilidad de que un paciente sano tenga un
resultado negativo. Si todos los individuos que no tienen una enfermedad determinada
muestran resultados negativos (es decir, ninguna persona sana tiene una prueba positiva), la
especificidad es de 100%. Una prueba con alta especificidad contribuye a confirmar un
diagnóstico, porque pocos de sus resultados son positivos falsos. Por ejemplo, para
determinar el diagnóstico de artritis gotosa, un médico podría elegir una prueba muy
específica, como la presencia de cristales en forma de aguja con birrefringencia negativa
dentro de los leucocitos en el estudio microscópico del líquido sinovial.
Para establecer la sensibilidad y la especificidad de una prueba para una enfermedad
particular, la técnica debe compararse con una “prueba de referencia” que defina el estado
real de afección en el sujeto. Por ejemplo, la sensibilidad y la especificidad de la gammagrafía
de ventilación-perfusión para la embolia pulmonar se obtienen al comparar los resultados de
las gammagrafías con la prueba de referencia, la arteriografía pulmonar. La “prueba de
referencia” aplicada a los pacientes con gammagrafías con resultados positivos establece la
especificidad. La falta de aplicación de la prueba de referencia a los individuos con
gammagrafías positivas determina la especificidad. El no realizar la prueba de referencia
después de las gammagrafías negativas podría derivar en la sobreestimación de la
sensibilidad, ya que no se identificarían los resultados negativos falsos. Sin embargo, para
muchos estados patológicos (p. ej., pancreatitis), no hay una prueba de referencia
independiente o, si la hay, es muy difícil o costosa; en tales casos, algunas veces es difícil
obtener una estimación confiable de la sensibilidad y la especificidad de una prueba.
La sensibilidad y la especificidad también pueden alterarse por la población de la cual derivan
los valores. Así, muchos procedimientos diagnósticos se valoran primero en personas que
tienen la forma grave de la enfermedad y en grupos controles jóvenes y sanos. En
comparación con la población general, este grupo de estudio presenta más resultados
positivos verdaderos (porque los individuos sufren una enfermedad más avanzada) y más
resultados negativos reales (porque el grupo control es sano). Por lo tanto, la sensibilidad y la
especificidad de la prueba son más altas de lo esperado en la población general, en la que hay
un espectro más amplio de salud y enfermedad. Los médicos deben estar conscientes de esta
tendencia de espectro cuando generalicen los resultados publicados de pruebas a su
práctica particular.
La sensibilidad y la especificidad de una prueba dependen del umbral por arriba del cual la
prueba se interpreta como anormal (fig. 43–3). Si se reduce el umbral, la sensibilidad
aumenta a expensas de una menor especificidad; si éste se incrementa, la sensibilidad
disminuye al tiempo que aumenta la especificidad.
Figura 43–3
Distribución hipotética de los resultados de pruebas para individuos sanos y enfermos. La posición del “punto límite” entre los resultados “normal” y “anormal” de la prueba (o”negativo” y “positivo”) determina la sensibilidad y la especificidad de la prueba. Si A es el punto límite, la prueba tendría sensibilidad de 100%, pero especificidad baja. Si el punto límite es C, la prueba tendría una especificidad de 100%, pero sensibilidad baja. Para muchas pruebas, el punto límite se determina por el intervalo de referencia, es decir, el intervalo de resultados de la prueba que esté a menos de 2 desviaciones estándar (SD) del resultado promedio para individuos sanos (punto B). En algunas situaciones, el límite se altera para aumentar la sensibilidad o la especificidad. Copyright © 2006 by The McGrawHill Companies, Inc. All rights reserved La figura 43–4 muestra cómo pueden calcularse la sensibilidad y la especificidad con los
resultados de la prueba en pacientes clasificados antes como enfermos o no enfermos, con
base en la prueba de referencia.
Figura 43–4
Cálculo de sensibilidad, especificidad y probabilidad de enfermedad después de una prueba positiva (probabilidad posterior a prueba). TP = positivo verdadero; FP = positivo falso; FN = negativo falso; TN = negativo verdadero. Copyright © 2006 by The McGrawHill Companies, Inc. All rights reserved. Puede compararse el desempeño de dos pruebas diferentes mediante una gráfica de la
sensibilidad y (1 menos la especificidad) de cada prueba en varios valores límite del intervalo
de referencia. La curva de eficacia diagnóstica (ROC) muestra a menudo cuál técnica es
mejor; una prueba superior tiene una curva ROC que siempre queda por arriba y a la
izquierda de la curva de una prueba inferior. En general, la mejor técnica tiene una mayor
área bajo la curva ROC. Por ejemplo, la ilustración de la figura 43-5 muestra las curvas ROC
para el antígeno prostático específico (PSA) y la fosfatasa ácida prostática (PAP) para el
diagnóstico de cáncer prostático. La prueba de PSA es superior, porque tiene mayor
sensibilidad y especificidad para todos los valores límite.
Figura 43–5
Curvas de eficacia diagnóstica (ROC) para el antígeno prostático específico (PSA) y fosfatasa ácida prostática (PAP) en el diagnóstico de cáncer prostático. Para todos los valores límite, el PSA tiene mayor sensibilidad y especificidad; por lo tanto, es una mejor prueba con base en estas características de eficacia. (Modificado y reproducido con autorización a partir de Nicoll D et al: Routine acid phosphatase testing for screening and monitoring prostate cancer no longer justified. Clin Chem 1993;39:2540.) Copyright © 2006 by The McGrawHill Companies, Inc. All rights reserved. Bossuyt PM et al: Towards complete and accurate reporting of studies of diagnostic accuracy:
The STARD Initiative. Ann Intern Med 2003;138:40. [PMID: 12513403]
Gilbert R et al: Assessing diagnostic and screening tests: part 1. Concepts. West J Med
2001;174:405. [PMID: 11381009]
Loong TW: Understanding sensitivity and specificity with the right side of the brain. BMJ
2003;327:716. [PMID: 14512479]
Miller TD et al: Effects of adjustment for referral bias on the sensitivity and specificity of single
photon emission computed tomography for the diagnosis of coronary artery disease. Am J
Med 2002;112:290. [PMID: 11893368]
Mulherin SA et al: Spectrum bias or spectrum effect? Subgroup variation in diagnostic test
evaluation. Ann Intern Med 2002;137:598. [PMID: 12353947]
Omalley AJ et al: Bayesian regression methodology for estimating a receiver operating
characteristic curve with two radiologic applications: prostate biopsy and spiral CT of ureteral
stones. Acad Radiol 2001;8:713. [PMID: 11508750]
Punglia S et al: Effect of verification bias on screening for prostate cancer by measurement of
prostate-specific antigen. N Engl J Med 2003;349:335. [PMID: 12878740]
USO DE PRUEBAS PARA EL DIAGNÓSTICO Y ATENCIÓN
El valor de una prueba en una situación clínica particular depende no sólo de la sensibilidad y
la especificidad, sino también de la probabilidad de que el paciente tenga la enfermedad antes
de conocer el resultado de la prueba (probabilidad anterior a la prueba). Los resultados de
una prueba útil modifican en forma sustancial la probabilidad de que el sujeto padezca la
enfermedad (probabilidad posterior a la prueba). La figura 43-4 muestra cómo puede
calcularse la probabilidad posterior a la prueba a partir de la sensibilidad y la especificidad
conocidas, así como la probabilidad anterior a la prueba calculada de la afección (o
prevalencia de la enfermedad).
La probabilidad de enfermedad antes de la prueba tiene un profundo efecto en su probabilidad
después de la prueba. Como se demuestra en el cuadro 43–4, cuando se usa una prueba con
sensibilidad y especificidad de 90%, la probabilidad posterior a la prueba puede variar de 8 a
99%, según sea la probabilidad de enfermedad antes de la prueba. Además, conforme
decrece la probabilidad antes de la prueba, se vuelve más probable que un resultado positivo
represente un falso positivo.
Cuadro 43–4. Influencia de la probabilidad anterior a la prueba sobre la probabilidad de enfermedad posterior a la prueba cuando se utiliza una técnica con sensibilidad de 90% y especificidad de 90%.
Probabilidad anterior a la prueba Probabilidad posterior a la prueba
0.01 0.08
0.50 0.90
0.99 0.999 A manera de ejemplo, supóngase que el médico desea calcular la probabilidad posterior a la
prueba de cáncer prostático si utiliza el procedimiento de PSA y un valor límite de 4 μg/L. Con
base en los datos mostrados en la figura 43–5, la sensibilidad es de 90% y la especificidad de
60%. El médico determina la probabilidad anterior a la prueba de una enfermedad particular
respecto de toda la evidencia, y luego calcula la probabilidad posterior a la prueba mediante el
procedimiento que se muestra en la figura 43–4. La probabilidad anterior a la prueba de que
un varón de 50 años de edad, por lo demás sano, tenga cáncer prostático es igual a la
prevalencia de cáncer prostático en ese grupo de edad (probabilidad = 10%) y la probabilidad
posterior a la prueba después de ésta, cuando el resultado es positivo, es sólo de 20%; esto
significa que, aunque la prueba sea positiva, todavía existe una probabilidad de 80% de que
el sujeto no tenga cáncer prostático (fig. 43–6A). Si el médico encuentra un ganglio prostático
durante la exploración rectal, la probabilidad anterior a la prueba de cáncer prostático se
incremente 50% y la probabilidad posterior a la prueba, si se usa la misma técnica, es de
69% (fig. 43–6B). Por último, si el médico prevé que la probabilidad anterior a la prueba es
de 98% con base en un ganglio prostático, dolor óseo y lesiones líticas en las radiografías de
columna, la probabilidad posterior a la prueba con PSA es de 99% (fig. 43–6C). Este ejemplo
ilustra que la probabilidad anterior a la prueba tiene un efecto profundo en la probabilidad
posterior a la prueba y que las pruebas suministran más información cuando el diagnóstico es
muy incierto (probabilidad anterior a la prueba cercana a 50%) respecto de cuando el
diagnóstico es improbable o casi seguro.
Figura 43–6
Efecto de la probabilidad anterior a la prueba, y de la sensibilidad y especificidad de la prueba en la probabilidad posterior a la prueba de la enfermedad. (Véase el texto para la explicación.) Copyright © 2006 by The McGrawHill Companies, Inc. All rights reserved.
Gendo K et al: Evidence-based diagnostic strategies for evaluating suspected allergic rhinitis.
Ann Intern Med 2004;140:278. [PMID: 14970151]
Knotterus JA et al: Evaluation of diagnostic procedures. BMJ 2002;324:477. [PMID:
11859054]
Knotterus JA et al: Evaluation of diagnostic procedures. BMJ 2002;324:477. [PMID:
11859054]
RELACIÓN DE PROBABILIDAD DE MOMIOS
Otra forma de calcular la probabilidad de enfermedad posterior a la prueba consiste en usar la
probabilidad de momios. Se combinan la sensibilidad y la especificidad en una entidad llamada
índice de probabilidad (LR).
LR = Probabilidad del resultado en personas enfermas
Probabilidad del resultado en personas no enfermas
Cuando los resultados de la prueba se dividen en dos, toda prueba tiene dos índices de
probabilidad, uno correspondiente a un resultado positivo (LR+) y otro a uno negativo (LR–):
LR+ = Probabilidad de que la prueba sea positiva en personas enfermas Probabilidad de que la prueba sea positiva en personas no enfermas
= Sensibilidad 1 – Especificidad
LR- = Probabilidad de que la prueba sea negativa en personas enfermas Probabilidad de que la prueba sea negativa en personas no enfermas
= 1- Sensibilidad Especificidad
Para las mediciones continuas pueden definirse múltiples índices de probabilidad para
corresponder a los intervalos de los resultados. (Véase el cuadro 43–5 para obtener un
ejemplo.)
Cuadro 43–5. Índices de probabilidad de la ferritina sérica en el diagnóstico de la anemia ferropénica. Ferritina sérica (µg/L) LR para anemia ferropénica
100 0.08
45–99 0.54
35–44 1.83
25–34 2.54
15–24 8.83
< 15 51.85
Tomado de Guyatt G: Laboratory diagnosis of iron deficiency anemia. J Gen Intern Med 1992;7:145.
Se pueden encontrar listas de índices de probabilidad en algunos libros de texto, artículos de
revistas y programas de computadoras (véase el cuadro 43–6 que tiene valores muestra). Los
índices de probabilidad pueden usarse para cuantificaciones rápidas de la utilidad de una
prueba diagnóstica prevista en una situación particular. El método más sencillo para calcular
la probabilidad posterior a la prueba, a partir de la probabilidad antes de la prueba y los
índices de probabilidad, consiste en utilizar un nomograma (fig. 43–7). El médico coloca una
línea recta para unir los puntos que representan la probabilidad anterior a la prueba y el
índice de probabilidad, y luego lee la probabilidad posterior a la prueba en el punto donde la
línea recta cruza la línea de probabilidad posterior a la prueba.
Cuadro 43–6. Ejemplos de índices de probabilidad (LR). Enfermedad buscada Prueba LR+
LR–
Absceso Tomografía computarizada de abdomen 9.5 0.06
Enfermedad coronaria Electrocardiograma de esfuerzo (depresión de 1 mm)
3.5 0.45
Cáncer pulmonar Radiografía torácica 15 0.42
Hipertrofia ventricular izquierda Ecocardiografía 18.4 0.08
Infarto miocárdico Troponina I 24 0.01
Cáncer prostático Valoración rectal digital 21.3 0.37
Tomado de http://www.med.unc.edu/medicine/edursrc/lrmain.htm
Figura 43–7
Nomograma para establecer la probabilidad posterior a la prueba a partir de la probabilidad anterior a la prueba y el índice de probabilidades. Para cuantificar la probabilidad posterior a la prueba se coloca una línea recta entre la probabilidad anterior a la prueba y el índice de probabilidad para la prueba particular. La probabilidad posterior a la prueba es el punto donde la línea recta cruza la línea de probabilidad posterior a la prueba. (Adaptado y reproducido con autorización a partir de Fagan TJ: Nomogram for Bayes theorem. [Letter.] N Engl J Med 1975;293:257.) Copyright © 2006 by The McGrawHill Companies, Inc. All rights reserved.
Otra manera de calcular la probabilidad posterior a la prueba es utilizando el índice de
probabilidad como sigue:
Momios antes de la prueba x índice de probabilidad = momios después de la prueba
Para utilizar esta fórmula, las probabilidades deben convertirse en momios, donde los momios
de presentar una enfermedad se expresan como la probabilidad de tener la enfermedad
dividida entre la probabilidad de no tenerla. Por ejemplo, una probabilidad de 0.75 es lo
mismo que momios de 3:1 (Fig. 43–8).
Figura 43–8
Fórmulas para convertir entre probabilidades y momios. Copyright © 2006 by The McGrawHill Companies, Inc. All rights reserved. Para calcular el beneficio de una prueba diagnóstica, el médico cuantifica primero los momios
de la enfermedad anteriores a la prueba, con base en toda la información clínica disponible, y
luego multiplica los momios antes de la prueba entre los índices de probabilidad positivo y
negativo. Los resultados son los momios posteriores a la prueba, o los momios de que el
paciente tenga la enfermedad si la prueba es positiva o negativa. Para obtener la probabilidad
posterior a la prueba, los momios se convierten en una probabilidad (fig. 43–8).
Por ejemplo, si el clínico cree que el enfermo tiene una probabilidad de 60% de sufrir un
infarto miocárdico (momios antes de la prueba, 3:2), y la prueba de troponina I es positiva
(LR+ = 24), los momios posteriores a la prueba de padecer un infarto miocárdico son
Si la prueba de troponina I es negativa (LR- = 0.01), los momios posteriores a la prueba de
tener un infarto miocárdico son
Pruebas en secuencia
Hasta el momento, se ha descrito el efecto de una sola prueba en la probabilidad de
enfermedad, pero, en la mayor parte de los estudios diagnósticos, los médicos obtienen
información clínica de manera secuencial. Por ejemplo, para calcular los momio posteriores a
la prueba después de tres pruebas, el médico podría cuantificar los momios anteriores a la
prueba y usar el índice de probabilidad adecuado para cada prueba:
Momios anteriores a la prueba x LR1 x LR2 x LR3 = momios posteriores a la prueba
Sin embargo, cuando se utiliza este método, el clínico debe estar consciente de una
presuposición importante: las pruebas o hallazgos elegidos deben ser condicionalmente
independientes. Por ejemplo, cuando hay daño celular hepático, las enzimas
aminotransferasa de aspartato (AST) y aminotransferasa de alanina (ALT) se liberan por el
mismo proceso, razón por la cual no son condicionalmente independientes. Si se usan pruebas
condicionalmente dependientes de este método secuencial, se obtiene una probabilidad
posterior a la prueba inexacta.
Blume JD: Likelihood methods for measuring statistical evidence. Stat Med 2002;21:2563.
[PMID: 12205699]
Sutton AJ et al: Bayesian methods in meta-analysis and evidence synthesis. Stat Methods
Med Res 2001;10:277. [PMID: 11491414]
Método de umbral para tomar decisiones
Un aspecto clave para tomar decisiones médicas es la selección del umbral terapéutico, esto
es, la probabilidad de enfermedad en la que está indicado el tratamiento. La figura 43-9
muestra una forma posible de reconocer un umbral terapéutico mediante la consideración del
valor (utilidad) de los cuatro posibles resultados de la decisión de tratar/no tratar.
Figura 43–9
Umbral de “tratar/no tratar”. A: el paciente no tiene la enfermedad y no recibe tratamiento (la mayor utilidad). B: el paciente no tiene la enfermedad y recibe tratamiento (menor utilidad que A). C: el paciente tiene la enfermedad y recibe tratamiento (menor utilidad que A). D: el paciente tiene la enfermedad y no recibe tratamiento (menor utilidad que C). Copyright © 2006 by The McGrawHill Companies, Inc. All rights reserved.
El uso de una prueba diagnóstica está indicado cuando su resultado podría modificar la
probabilidad de enfermedad en el umbral de tratamiento. Por ejemplo, un médico podría
decidir la terapéutica con antibióticos si la probabilidad de faringitis estreptocócica en un
sujeto con irritación faríngea es mayor de 25% (fig. 43-10A). Si después de revisar los datos
del interrogatorio y de la exploración física, el médico considera que la probabilidad anterior a
la prueba de faringitis estreptocócica es de 15%, una prueba diagnóstica como el cultivo
faríngeo (LR+ = 7) sólo sería útil si el resultado positivo llevara la probabilidad posterior a la
prueba a más de 25%. El uso del nomograma mostrado en la figura 43-7 indica que la
probabilidad posterior a la prueba sería de 55% (fig. 43–10B); por lo tanto, estaría justificado
solicitar la prueba, ya que afecta el tratamiento del paciente. Por otro lado, si el interrogatorio
y la exploración física sugirieron que la probabilidad anterior a la prueba de faringitis
estreptocócica es de 60%, el cultivo faríngeo (LR-= 0.33) sólo estaría indicado si un resultado
negativo redujera la probabilidad posterior a la prueba a menos de 25%. Si se usa el mismo
nomograma, la probabilidad posterior a la prueba después de un resultado negativo sería de
33% (fig. 43–10C). En consecuencia, no estaría justificado realizar un cultivo faríngeo, ya que
no influye en el tratamiento del paciente.
Figura 43–10
Método de umbral aplicado a la solicitud de pruebas. Si la prueba prevista no cambia el tratamiento del paciente, no debe solicitarse. (Véase el texto para obtener la explicación.)
Copyright © 2006 by The McGrawHill Companies, Inc. All rights reserved. Este método para tomar decisiones se describe en la literatura clínica.
Dorin RI et al: Diagnosis of adrenal insufficiency. Ann Intern Med 2003;139:194. [PMID:
12899587]
Solomon DH et al: The rational clinical examination. Does this patient have a torn meniscus or
ligament of the knee? Value of the physical examination. JAMA 2001;286:1610. [PMID:
11585485]
Análisis de decisiones
Hasta este punto, la discusión sobre las pruebas diagnósticas se ha enfocado en las
características de la prueba y los métodos para usar estas propiedades en el cálculo de
probabilidad de enfermedad en distintas situaciones clínicas. Aunque son útiles, estos
métodos son limitados porque no incorporan los múltiples resultados que pueden ocurrir en la
medicina clínica, ni los valores que los individuos y los médicos dan a tales resultados. Para
incorporar los resultados y los valores a las características de las pruebas, puede emplearse el
análisis de decisiones.
La idea básica del análisis de decisiones es modelar las opciones de una decisión médica,
conceder probabilidades a las acciones alternativas, asignar valores (utilidades) a los diversos
resultados y luego precisar qué decisión aporta el mayor valor esperado (utilidad esperada).
Para completar un análisis de decisión, el médico podría proceder de la siguiente manera: (1)
Trazar un árbol de decisiones que muestre los elementos de la decisión médica. (2) Asignar
probabilidades a las diversas ramas. (3) Asignar valores (utilidades) a los resultados. (4)
Establecer el valor esperado (utilidad esperada) (el producto de probabilidad y valor
[utilidad]) de cada rama). (5) Tomar la decisión con el mayor valor esperado (utilidad
esperada).
La figura 43.11 muestra un árbol de decisión en el que se determina si se administra
tratamiento sin pruebas, si se realiza una prueba y después se trata con base en sus
resultados, o si no se solicitan pruebas y tampoco se prescribe tratamiento. El médico
comienza el análisis con la elaboración de un árbol de decisiones que muestre los elementos
importantes de la decisión. Una vez que está hecho el árbol, el médico asigna probabilidades
a todas las ramas. En este caso, todas las probabilidades de rama pueden calcularse a partir
de (1) la probabilidad de enfermedad antes de la prueba (probabilidad anterior a la prueba);
(2) la probabilidad de un resultado positivo si existe la enfermedad (sensibilidad), y (3) la
probabilidad de un resultado negativo en caso de ausencia de la enfermedad (especificidad). A
continuación, el médico concede un valor (utilidad) a cada uno de los resultados.
Figura 43–11
Árbol genérico para una decisión clínica en la que las opciones son (1) tratar al paciente de manera empírica; (2) realizar la prueba y luego tratar sólo si el resultado es positivo; (3) prescindir de la terapia. El nodo cuadrado se conoce como nodo de decisión y los nodos circulares se llaman nodos de oportunidad. p = probabilidad de enfermedad antes de la prueba; Sens = sensibilidad; Spec = especificidad. Copyright © 2006 by The McGrawHill Companies, Inc. All rights reserved. Después de calcular el valor esperado (utilidad esperada) para cada rama del árbol de
decisión mediante la multiplicación del valor (utilidad) del resultado por la probabilidad del
resultado, el médico puede identificar la alternativa con el mayor valor esperado (utilidad
esperada).
Aunque requiere tiempo, el análisis de decisión ayuda a estructurar los problemas clínicos
complejos y tomar decisiones clínicas difíciles.
En la actualidad, hay interés en la manera en qué se comunica al paciente la información
basada en la evidencia durante el proceso de tomar decisiones compartidas.
Elwyn G et al: Decision analysis in patient care. Lancet 2001;358:571. [PMID: 11520546]
Epstein RM et al: Communicating evidence for participatory decision-making. JAMA
2004;291:2359. [PMID: 15150208]
Kuntz KM et al: Assessing the sensitivity of decision-analytic results to unobserved markers of
risk: defining the effects of heterogeneity bias. Med Decis Making 2002;22:218. [PMID:
12058779]
McNutt RA: Shared medical decision making: problems, process, progress. JAMA
2004;292:2516. [PMID: 15562137]
Sculpher M et al: Assessing quality in decision analytic cost-effectiveness models. A suggested
framework and example of application. Pharmacoeconomics 2000;17:461. [PMID: 10977388]
Whitney SN: A new model of medical decisions: exploring the limits of shared decision
making. Med Decis Making 2003;23:275. [PMID: 12926577]
Winkler RL et al: On uncertainty in medical testing. Med Decis Making 2004;24:654. [PMID:
15534345]
Medicina basada en evidencias
La medicina basada en evidencias subraya el uso de los datos de la investigación clínica – en
lugar de la intuición y el razonamiento fisiopatológico – como base para tomar decisiones
clínicas. La medicina basada en la evidencia depende de la identificación de información con
bases metodológicas, el reconocimiento crítico de estudios clínicos y la difusión de resúmenes
de la evidencia exactos y útiles para informar al tomar decisiones clínicas. Pueden utilizarse
las revisiones sistemáticas para resumir la evidencia a fin de difundirla; por ejemplo, las
sinopsis basadas en los datos de las revisiones sistemáticas de investigación vigente usan a
menudo técnicas estadísticas de metaanálisis para combinar evidencia de distintos estudios
con objeto de obtener un cálculo más preciso del efecto de una intervención o la exactitud de
una prueba.
Los lineamientos para la práctica clínica son afirmaciones que se desarrollan en forma
sistemática y cuya finalidad es ayudar a los médicos y pacientes a tomar decisiones sobre la
atención a la salud. Los algoritmos clínicos y los lineamientos para la práctica ya son
elementos regulares en la medicina. Su utilidad y validez dependen de la calidad de la
evidencia que delineó las recomendaciones o de su actualización constante, así como de su
aceptación y aplicación correcta por parte de los clínicos. Aunque algunos médicos están
preocupados por el efecto de los lineamentos en la autonomía profesional y las decisiones
individuales, muchas organizaciones intentan emplear el cumplimiento de los lineamientos
para la práctica como una medida de calidad de la atención.
Guyatt G et al (editors): Users' guides to the medical literature: A manual for evidence-based
clinical practice. AMA Press, 2002.
Hatala R et al: Evaluating the teaching of evidence-based medicine. JAMA 2002;288:1110.
[PMID: 12204080]
Man-Son-Hing M et al: Determination of the clinical importance of study results. J Gen Intern
Med 2002;17:469. [PMID: 12133163]
Newman DH et al: Evidence-based medicine. A primer for the emergency medicine resident.
Ann Emerg Med 2002;39:77. [PMID: 11782735]
Shea B et al: A comparison of the quality of Cochrane reviews and systematic reviews
published in paper-based journals. Eval Health Prof 2002;25:116. [PMID: 11868441]
Torpy JM, Lynm C, Glass RM. JAMA patient page. Evidence-based medicine. JAMA. 2006 Sep
6;296(9):1192. http://jama.ama-assn.org/cgi/content/full/296/9/1192 [PMID: 16954497]