stringtranslate.com

Regla de predicción clínica

Una regla de predicción clínica o evaluación de probabilidad clínica especifica cómo utilizar los signos , síntomas y otros hallazgos médicos para estimar la probabilidad de una enfermedad o un resultado clínico específico. [1]

Los médicos tienen dificultades para estimar los riesgos de las enfermedades; frecuentemente cometen el error de sobreestimarlas, [2] quizás debido a sesgos cognitivos como la falacia de la tasa base en la que se exagera el riesgo de un resultado adverso.

Métodos

En un estudio de reglas de predicción, los investigadores identifican un grupo consecutivo de pacientes que se sospecha que padecen una enfermedad o un resultado específico. Luego, los investigadores obtienen un conjunto estándar de observaciones clínicas de cada paciente y una prueba o seguimiento clínico para definir el estado real del paciente. Luego, utilizan métodos estadísticos para identificar los mejores predictores clínicos del estado real del paciente. La probabilidad de enfermedad dependerá de los predictores clínicos clave del paciente. Los estándares metodológicos publicados especifican las buenas prácticas para desarrollar una regla de predicción clínica. [3]

Una encuesta de métodos concluyó que "la mayoría de los estudios de predicción en revistas de alto impacto no siguen las recomendaciones metodológicas actuales, lo que limita su confiabilidad y aplicabilidad", [4] lo que confirma hallazgos anteriores de la literatura sobre diabetes. [5] La declaración TRIPOD ahora se usa ampliamente para mejorar la calidad de los informes de reglas de predicción clínica, [6] con una extensión para proporcionar orientación para las reglas de predicción clínica desarrolladas utilizando métodos de inteligencia artificial [7].

Efecto sobre los resultados de salud

Son pocas las reglas de predicción en las que se han cuantificado las consecuencias de su uso por parte de los médicos. [8]

Cuando se estudió, el impacto de proporcionar únicamente la información (por ejemplo, proporcionar la probabilidad calculada de enfermedad) fue negativo. [9] [10]

Sin embargo, cuando la regla de predicción se implementa como parte de una vía crítica, de modo que un hospital o clínica tiene procedimientos y políticas establecidos sobre cómo manejar a los pacientes identificados como de alto o bajo riesgo de enfermedad, la regla de predicción tiene un mayor impacto en los resultados clínicos. [11]

Cuanto más intensamente se implemente la regla de predicción, mayor será el beneficio que se obtendrá. [12]

Ejemplos de reglas de predicción

Referencias

  1. ^ McGinn TG, Guyatt GH, Wyer PC, Naylor CD, Stiell IG, Richardson WS (2000). "Guías de usuario para la literatura médica: XXII: cómo utilizar artículos sobre reglas de decisión clínica. Grupo de trabajo de medicina basada en la evidencia". JAMA . 284 (1): 79–84. doi :10.1001/jama.284.1.79. PMID  10872017.
  2. ^ Friedmann PD, Brett AS, Mayo-Smith MF (1996). "Diferencias en las percepciones de los generalistas y cardiólogos sobre el riesgo cardiovascular y los resultados de la terapia preventiva en la enfermedad cardiovascular". Ann. Intern. Med . 124 (4): 414–21. doi :10.7326/0003-4819-124-4-199602150-00005. PMID  8554250. S2CID  25470460.
  3. ^ Laupacis, Andreas (1997). "Reglas de predicción clínica: una revisión y modificaciones sugeridas de los estándares metodológicos". Revista de la Asociación Médica Estadounidense . 297 : 488–494. doi :10.1001/jama.1997.03540300056034.
  4. ^ Bouwmeester W, Zuithoff NP, Mallett S, Geerlings MI, Vergouwe Y, Steyerberg EW, et al. (2012). "Informes y métodos en la investigación de predicción clínica: una revisión sistemática". PLOS Med . 9 (5): e1001221. doi : 10.1371/journal.pmed.1001221 . PMC 3358324 . PMID  22629234. 
  5. ^ Collins GS, Mallett S, Omar O, Yu LM (2011). "Desarrollo de modelos de predicción de riesgo para diabetes tipo 2: una revisión sistemática de metodología e informes". BMC Med . 9 : 103. doi : 10.1186/1741-7015-9-103 . PMC 3180398 . PMID  21902820. 
  6. ^ Collins GS, Reitsma HB, Altman DG, Moons KGM. Informe transparente de un modelo de predicción multivariable para el pronóstico o diagnóstico individual (TRIPOD): la declaración TRIPOD. Ann Intern Med. 2015;162:55-63
  7. ^ Collins GS, Moons KGM, Dhiman P, Riley RD, et al. Declaración TRIPOD+AI: guía actualizada para informar modelos de predicción clínica que utilizan métodos de regresión o aprendizaje automático. BMJ. 2024;385: e078378
  8. ^ Reilly BM, Evans AT (2006). "Traducción de la investigación clínica a la práctica clínica: impacto del uso de reglas de predicción para tomar decisiones". Ann. Intern. Med . 144 (3): 201–9. doi :10.7326/0003-4819-144-3-200602070-00009. PMID  16461965. S2CID  32179950.
  9. ^ Lee TH, Pearson SD, Johnson PA, et al. (1995). "Fallo de información como intervención para modificar el manejo clínico. Un ensayo de series temporales en pacientes con dolor torácico agudo". Ann. Intern. Med . 122 (6): 434–7. doi :10.7326/0003-4819-122-6-199503150-00006. PMID  7856992. S2CID  35487553.
  10. ^ Poses RM, Cebul RD, Wigton RS (1995). "Puedes llevar un caballo al agua: mejorar el conocimiento de los médicos sobre las probabilidades puede no afectar sus decisiones". Toma de decisiones médicas . 15 (1): 65–75. doi :10.1177/0272989X9501500110. PMID  7898300. S2CID  72016252.
  11. ^ Marrie TJ, Lau CY, Wheeler SL, Wong CJ, Vandervoort MK, Feagan BG (2000). "Un ensayo controlado de una vía crítica para el tratamiento de la neumonía adquirida en la comunidad. Investigadores del estudio CAPITAL. Ensayo de intervención para la neumonía adquirida en la comunidad que evalúa la levofloxacina". JAMA . 283 (6): 749–55. doi : 10.1001/jama.283.6.749 . PMID  10683053.
  12. ^ Yealy DM, Auble TE, Stone RA, et al. (2005). "Efecto del aumento de la intensidad de la implementación de las directrices sobre neumonía: un ensayo controlado aleatorizado". Ann. Intern. Med . 143 (12): 881–94. doi :10.7326/0003-4819-143-12-200512200-00006. PMID  16365469. S2CID  45414192.

Enlaces externos