La probabilidad previa a la prueba y la probabilidad posterior a la prueba (que también se escriben como probabilidad previa a la prueba y probabilidad posterior a la prueba) son las probabilidades de la presencia de una afección (como una enfermedad ) antes y después de una prueba diagnóstica , respectivamente. La probabilidad posterior a la prueba , a su vez, puede ser positiva o negativa , dependiendo de si la prueba resulta positiva o negativa , respectivamente. En algunos casos, se utiliza para la probabilidad de desarrollar la afección de interés en el futuro.
En este sentido, el término prueba puede referirse a cualquier prueba médica (pero generalmente en el sentido de pruebas diagnósticas) y, en un sentido amplio, también incluye preguntas e incluso suposiciones (como suponer que el individuo objetivo es una mujer o un hombre). La capacidad de establecer una diferencia entre las probabilidades previas y posteriores a la prueba de diversas afecciones es un factor importante en la indicación de pruebas médicas .
La probabilidad previa a la prueba de un individuo se puede elegir como una de las siguientes:
En la práctica clínica, las probabilidades posteriores a la prueba suelen ser simplemente estimadas o incluso supuestas. Esto suele ser aceptable en el caso de encontrar un signo o síntoma patognomónico , en cuyo caso es casi seguro que la afección objetivo está presente; o en ausencia de encontrar un signo o síntoma sine qua non , en cuyo caso es casi seguro que la afección objetivo está ausente.
En realidad, sin embargo, la probabilidad subjetiva de la presencia de una condición nunca es exactamente 0 o 100%. Sin embargo, existen varios métodos sistemáticos para estimar esa probabilidad. Dichos métodos suelen basarse en haber realizado previamente la prueba en un grupo de referencia en el que se conoce la presencia o ausencia de la condición (o al menos se estima mediante otra prueba que se considera altamente precisa, como por ejemplo mediante el " patrón oro "), con el fin de establecer datos de rendimiento de la prueba. Estos datos se utilizan posteriormente para interpretar el resultado de la prueba de cualquier individuo examinado por el método. Una alternativa o complemento a los métodos basados en el grupo de referencia es comparar el resultado de una prueba con una prueba anterior en el mismo individuo, lo que es más común en las pruebas de seguimiento .
Los métodos basados en grupos de referencia sistemáticos más importantes para estimar la probabilidad posterior a la prueba incluyen los que se resumen y comparan en la siguiente tabla, y se describen con más detalle en secciones individuales a continuación.
Los valores predictivos se pueden utilizar para estimar la probabilidad posterior a la prueba de un individuo si se puede suponer que la probabilidad anterior a la prueba del individuo es aproximadamente igual a la prevalencia en un grupo de referencia en el que están disponibles tanto los resultados de la prueba como el conocimiento sobre la presencia o ausencia de la condición (por ejemplo, una enfermedad, como la que puede determinarse mediante el " estándar de oro ").
Si el resultado de la prueba es de clasificación binaria en pruebas positivas o negativas , entonces se puede elaborar la siguiente tabla:
La probabilidad previa a la prueba se puede calcular a partir del diagrama de la siguiente manera:
Probabilidad previa a la prueba = (Verdadero positivo + Falso negativo) / Muestra total
Además, en este caso, la probabilidad positiva posterior a la prueba (la probabilidad de tener la condición objetivo si la prueba resulta positiva) es numéricamente igual al valor predictivo positivo , y la probabilidad negativa posterior a la prueba (la probabilidad de tener la condición objetivo si la prueba resulta negativa) es numéricamente complementaria al valor predictivo negativo ([probabilidad negativa posterior a la prueba] = 1 - [valor predictivo negativo]), [1] asumiendo nuevamente que el individuo que se está probando no tiene ningún otro factor de riesgo que resulte en que ese individuo tenga una probabilidad previa a la prueba diferente que el grupo de referencia utilizado para establecer los valores predictivos positivo y negativo de la prueba.
En el diagrama anterior, esta probabilidad positiva posterior a la prueba , es decir, la probabilidad posterior a la prueba de una condición objetivo dado un resultado positivo en la prueba, se calcula como:
Probabilidad de post-prueba positiva = Verdaderos positivos / (Verdaderos positivos + Falsos positivos)
Similarmente:
La probabilidad de enfermedad posterior a la prueba, dado un resultado negativo, se calcula como:
Probabilidad de post-prueba negativa = 1 - (Verdaderos negativos / (Falsos negativos + Verdaderos negativos))
La validez de las ecuaciones anteriores también depende de que la muestra de la población no presente un sesgo de muestreo sustancial que haga que los grupos de personas con la enfermedad y de personas sin ella presenten una desproporción sustancial con respecto a la prevalencia y la "no prevalencia" correspondientes en la población. En efecto, las ecuaciones anteriores no son válidas con un simple estudio de casos y controles que recopile por separado un grupo con la enfermedad y un grupo sin ella.
Los métodos anteriores no son apropiados si la probabilidad pre-test difiere de la prevalencia en el grupo de referencia utilizado para establecer, entre otros, el valor predictivo positivo de la prueba. Tal diferencia puede ocurrir si se realizó otra prueba antes, o si la persona involucrada en el diagnóstico considera que se debe utilizar otra probabilidad pre-test debido al conocimiento, por ejemplo, de quejas específicas, otros elementos de una historia clínica , signos en un examen físico , ya sea calculando cada hallazgo como una prueba en sí misma con su propia sensibilidad y especificidad, o al menos haciendo una estimación aproximada de la probabilidad pre-test individual.
En estos casos, la prevalencia en el grupo de referencia no es completamente precisa para representar la probabilidad previa a la prueba del individuo y, en consecuencia, el valor predictivo (ya sea positivo o negativo ) no es completamente preciso para representar la probabilidad posterior a la prueba del individuo de tener la condición objetivo.
En estos casos, la probabilidad posterior a la prueba se puede estimar con mayor precisión utilizando una razón de verosimilitud para la prueba. La razón de verosimilitud se calcula a partir de la sensibilidad y especificidad de la prueba y, por lo tanto, no depende de la prevalencia en el grupo de referencia [2] y, de la misma manera, no cambia con la probabilidad previa a la prueba modificada , a diferencia de los valores predictivos positivos o negativos (que sí cambiarían). Además, en efecto, la validez de la probabilidad posterior a la prueba determinada a partir de la razón de verosimilitud no es vulnerable al sesgo de muestreo con respecto a aquellos con y sin la condición en la muestra de población, y se puede realizar como un estudio de casos y controles que reúne por separado a aquellos con y sin la condición.
La estimación de la probabilidad posterior a la prueba a partir de la probabilidad previa a la prueba y la razón de verosimilitud se realiza de la siguiente manera: [2]
En la ecuación anterior, la probabilidad posterior a la prueba positiva se calcula utilizando el cociente de verosimilitud positivo , y la probabilidad posterior a la prueba negativa se calcula utilizando el cociente de verosimilitud negativo .
La relación también se puede estimar mediante un llamado nomograma de Fagan (mostrado a la derecha), trazando una línea recta desde el punto de la probabilidad previa a la prueba dada hasta la razón de verosimilitud dada en sus escalas, lo que, a su vez, estima la probabilidad posterior a la prueba en el punto donde esa línea recta cruza su escala.
La probabilidad posterior a la prueba puede, a su vez, utilizarse como probabilidad previa a la prueba para pruebas adicionales si continúa calculándose de la misma manera. [2]
Es posible realizar un cálculo de razones de verosimilitud para pruebas con valores continuos o más de dos resultados que es similar al cálculo para resultados dicotómicos. Para este propósito, se calcula una razón de verosimilitud separada para cada nivel de resultado de prueba y se denomina razones de verosimilitud específicas de intervalo o estrato. [4]
Se realizó una prueba de sangre oculta en heces (FOB) a una persona para estimar la probabilidad de que tuviera cáncer de intestino, y el resultado fue positivo (se detectó sangre en las heces). Antes de la prueba, la probabilidad de que esa persona tuviera cáncer de intestino era, por ejemplo, del 3 % (0,03), como se podría haber estimado mediante la evaluación, por ejemplo, de la historia clínica, los exámenes y las pruebas anteriores de esa persona.
La sensibilidad, especificidad, etc. de la prueba FOB se establecieron con una muestra poblacional de 203 personas (sin dicha herencia) y resultaron de la siguiente manera:
A partir de esto se pueden establecer los cocientes de verosimilitud de la prueba: [2]
Por lo tanto, ese individuo tiene una probabilidad post-prueba (o "riesgo post-prueba") del 18,6% de tener cáncer de intestino.
Se calcula que la prevalencia en la muestra poblacional es:
La probabilidad individual antes de la prueba fue más del doble de la de la muestra de la población, aunque la probabilidad individual después de la prueba fue menos del doble de la de la muestra de la población (que se estima mediante el valor predictivo positivo de la prueba del 10%), opuesto a lo que resultaría mediante un método menos preciso de simplemente multiplicar los riesgos relativos.
Las fuentes específicas de inexactitud al utilizar la razón de verosimilitud para determinar una probabilidad posterior a la prueba incluyen la interferencia con determinantes o pruebas anteriores o la superposición de objetivos de prueba, como se explica a continuación:
La probabilidad posterior a la prueba , estimada a partir de la probabilidad previa a la prueba con la razón de verosimilitud , debe manejarse con precaución en individuos con otros determinantes (como factores de riesgo) distintos a la población general, así como en individuos que se han sometido a pruebas anteriores, porque dichos determinantes o pruebas también pueden influir en la prueba en sí de formas impredecibles, lo que sigue provocando resultados inexactos. Un ejemplo con el factor de riesgo de la obesidad es que la grasa abdominal adicional puede dificultar la palpación de los órganos abdominales y disminuir la resolución de la ecografía abdominal , y de manera similar, el contraste de bario remanente de una radiografía anterior puede interferir con los exámenes abdominales posteriores, [5] en efecto disminuyendo las sensibilidades y especificidades de dichas pruebas posteriores. Por otro lado, el efecto de la interferencia puede mejorar potencialmente la eficacia de las pruebas posteriores en comparación con el uso en el grupo de referencia, como algunos exámenes abdominales que son más fáciles cuando se realizan en personas con bajo peso.
Además, la validez de los cálculos sobre cualquier probabilidad previa a la prueba que se derive de una prueba anterior depende de que las dos pruebas no se superpongan significativamente con respecto al parámetro objetivo que se está probando, como los análisis de sangre de sustancias que pertenecen a una misma vía metabólica alterada . Un ejemplo del extremo de tal superposición es cuando se ha establecido la sensibilidad y especificidad para un análisis de sangre que detecta la "sustancia X", y lo mismo para uno que detecta la "sustancia Y". Si, de hecho, la "sustancia X" y la "sustancia Y" son una y la misma sustancia, entonces, realizar dos pruebas consecutivas de una y la misma sustancia puede no tener ningún valor diagnóstico en absoluto, aunque el cálculo parezca mostrar una diferencia. A diferencia de la interferencia como se describió anteriormente, aumentar la superposición de pruebas solo disminuye su eficacia. En el ámbito médico, la validez diagnóstica aumenta combinando pruebas de diferentes modalidades para evitar una superposición sustancial, por ejemplo al realizar una combinación de un análisis de sangre, una biopsia y una radiografía .
Para evitar estas fuentes de inexactitud mediante el uso de razones de verosimilitud, el método óptimo sería reunir un gran grupo de referencia de individuos equivalentes, con el fin de establecer valores predictivos separados para el uso de la prueba en esos individuos. Sin embargo, cuanto más conocimiento se tenga de la historia clínica, el examen físico y las pruebas anteriores de un individuo, etc., ese individuo se vuelve más diferenciado, y cada vez es más difícil encontrar un grupo de referencia para establecer valores predictivos personalizados, lo que hace que una estimación de la probabilidad posterior a la prueba mediante valores predictivos sea inválida.
Otro método para superar tales imprecisiones es evaluar el resultado de la prueba en el contexto de los criterios de diagnóstico, como se describe en la siguiente sección.
La probabilidad posterior a la prueba a veces se puede estimar multiplicando la probabilidad anterior a la prueba por un riesgo relativo dado por la prueba. En la práctica clínica, esto se aplica generalmente en la evaluación de la historia clínica de un individuo, donde la "prueba" suele ser una pregunta (o incluso una suposición) sobre varios factores de riesgo, por ejemplo, sexo, tabaquismo o peso, pero potencialmente puede ser una prueba sustancial como poner al individuo en una báscula . Cuando se utilizan riesgos relativos, la probabilidad resultante suele estar más relacionada con el desarrollo de la enfermedad por parte del individuo durante un período de tiempo (de manera similar a la incidencia en una población), en lugar de ser la probabilidad de que un individuo tenga la enfermedad en el presente, pero puede ser indirectamente una estimación de esta última.
El uso del cociente de riesgo se puede realizar de forma similar al del riesgo relativo.
Para establecer un riesgo relativo, el riesgo en un grupo expuesto se divide por el riesgo en un grupo no expuesto.
Si se tiene en cuenta solo un factor de riesgo de un individuo, la probabilidad posterior a la prueba se puede estimar multiplicando el riesgo relativo por el riesgo en el grupo de control. El grupo de control generalmente representa a la población no expuesta, pero si una fracción muy pequeña de la población está expuesta, entonces la prevalencia en la población general a menudo se puede suponer igual a la prevalencia en el grupo de control. En tales casos, la probabilidad posterior a la prueba se puede estimar multiplicando el riesgo relativo por el riesgo en la población general.
Por ejemplo, la incidencia de cáncer de mama en una mujer en el Reino Unido de 55 a 59 años se estima en 280 casos por 100.000 por año, [6] y el factor de riesgo de haber estado expuesta a radiación ionizante de dosis alta en el pecho (por ejemplo, como tratamientos para otros cánceres) confiere un riesgo relativo de cáncer de mama entre 2,1 y 4,0, [7] en comparación con las no expuestas. Debido a que una fracción baja de la población está expuesta, la prevalencia en la población no expuesta puede asumirse igual a la prevalencia en la población general. Posteriormente, se puede estimar que una mujer en el Reino Unido que tenga entre 55 y 59 años y que haya estado expuesta a radiación ionizante de dosis alta debería tener un riesgo de desarrollar cáncer de mama durante un período de un año de entre 588 y 1.120 en 100.000 (es decir, entre 0,6% y 1,1%).
En teoría, el riesgo total en presencia de múltiples factores de riesgo se puede estimar multiplicando por cada riesgo relativo, pero generalmente es mucho menos preciso que usar razones de verosimilitud y, por lo general, se hace solo porque es mucho más fácil de realizar cuando solo se dan los riesgos relativos, en comparación con, por ejemplo, convertir los datos de origen en sensibilidades y especificidades y calcular mediante razones de verosimilitud. Asimismo, en la literatura, a menudo se dan los riesgos relativos en lugar de las razones de verosimilitud porque la primera es más intuitiva. Las fuentes de inexactitud de la multiplicación de los riesgos relativos incluyen:
El efecto (mencionado más arriba) de la sobreestimación se puede compensar convirtiendo los riesgos en probabilidades y los riesgos relativos en razones de probabilidades . Sin embargo, esto no compensa el efecto (mencionado anteriormente) de cualquier diferencia entre la probabilidad previa a la prueba de un individuo y la prevalencia en el grupo de referencia.
Un método para compensar ambas fuentes de inexactitud es establecer los riesgos relativos mediante un análisis de regresión multivariante. Sin embargo, para mantener su validez, los riesgos relativos establecidos como tales deben multiplicarse por todos los demás factores de riesgo en el mismo análisis de regresión, y sin ninguna adición de otros factores más allá del análisis de regresión.
Además, multiplicar varios riesgos relativos tiene el mismo riesgo de pasar por alto importantes superposiciones de los factores de riesgo incluidos, de manera similar a cuando se utilizan razones de verosimilitud. Asimismo, diferentes factores de riesgo pueden actuar en sinergia , con el resultado de que, por ejemplo, dos factores que individualmente tienen un riesgo relativo de 2 tienen un riesgo relativo total de 6 cuando ambos están presentes, o pueden inhibirse entre sí, de manera similar a la interferencia descrita para el uso de razones de verosimilitud.
La mayoría de las enfermedades importantes tienen criterios diagnósticos y/o reglas de predicción clínica establecidos . El establecimiento de criterios diagnósticos o reglas de predicción clínica consiste en una evaluación integral de muchas pruebas que se consideran importantes para estimar la probabilidad de una afección de interés, que a veces también incluye cómo dividirla en subgrupos y cuándo y cómo tratar la afección. Dicho establecimiento puede incluir el uso de valores predictivos, razones de verosimilitud y riesgos relativos.
Por ejemplo, los criterios del ACR para el lupus eritematoso sistémico definen el diagnóstico como la presencia de al menos 4 de 11 hallazgos, cada uno de los cuales puede considerarse como un valor objetivo de una prueba con su propia sensibilidad y especificidad. En este caso, se han evaluado las pruebas para estos parámetros objetivo cuando se utilizan en combinación con respecto, por ejemplo, a la interferencia entre ellos y la superposición de parámetros objetivo, tratando de evitar así las imprecisiones que podrían surgir si se intenta calcular la probabilidad de la enfermedad utilizando razones de probabilidad de las pruebas individuales. Por lo tanto, si se han establecido criterios de diagnóstico para una afección, generalmente es más apropiado interpretar cualquier probabilidad posterior a la prueba para esa afección en el contexto de estos criterios.
Además, existen herramientas de evaluación de riesgos para estimar el riesgo combinado de varios factores de riesgo, como la herramienta en línea [1] del Framingham Heart Study para estimar el riesgo de sufrir enfermedades coronarias utilizando múltiples factores de riesgo, como la edad, el sexo, los lípidos en sangre, la presión arterial y el tabaquismo, siendo mucho más precisa que multiplicar los riesgos relativos individuales de cada factor de riesgo.
Aun así, un médico experimentado puede estimar la probabilidad posterior a la prueba (y las acciones que motiva) mediante una consideración amplia que incluye criterios y reglas además de otros métodos descritos anteriormente, incluidos tanto los factores de riesgo individuales como los resultados de las pruebas que se han llevado a cabo.
Un parámetro clínicamente útil es la diferencia absoluta (en lugar de relativa, y no negativa) entre la probabilidad previa y posterior a la prueba, calculada como:
Diferencia absoluta = | (probabilidad previa a la prueba) - (probabilidad posterior a la prueba) |
Un factor importante para una diferencia absoluta de este tipo es la potencia de la prueba en sí, que puede describirse en términos de, por ejemplo, sensibilidad y especificidad o razón de verosimilitud. Otro factor es la probabilidad previa a la prueba, ya que una probabilidad previa a la prueba más baja da como resultado una diferencia absoluta más baja, con la consecuencia de que incluso pruebas muy potentes logran una diferencia absoluta baja para condiciones muy improbables en un individuo (como enfermedades raras en ausencia de cualquier otro signo indicador), pero, por otro lado, incluso pruebas con baja potencia pueden marcar una gran diferencia para condiciones altamente sospechosas.
Las probabilidades en este sentido también pueden necesitar ser consideradas en el contexto de condiciones que no son objetivos primarios de la prueba, como las probabilidades relativas al perfil en un procedimiento de diagnóstico diferencial .
La diferencia absoluta se puede poner en relación con el beneficio que una prueba médica consigue para un individuo, que aproximadamente se puede estimar así:
, dónde:
En esta fórmula, lo que constituye un beneficio o un daño varía en gran medida según los valores personales y culturales , pero aun así se pueden sacar conclusiones generales. Por ejemplo, si el único efecto esperado de una prueba médica es hacer que una enfermedad sea más probable que otra, pero las dos enfermedades tienen el mismo tratamiento (o ninguna puede tratarse), entonces r i = 0 y la prueba no ofrece esencialmente ningún beneficio para el individuo.
Otros factores que influyen en la decisión de realizar o no una prueba médica son: el coste de la prueba, la disponibilidad de pruebas adicionales, la posible interferencia con una prueba posterior (como una palpación abdominal que podría inducir actividad intestinal cuyos sonidos interfieren con una auscultación abdominal posterior ), el tiempo que lleva la prueba u otros aspectos prácticos o administrativos. Además, aunque no sean beneficiosos para la persona que se somete a la prueba, los resultados pueden ser útiles para el establecimiento de estadísticas con el fin de mejorar la atención sanitaria a otras personas.
Las probabilidades previas y posteriores a la prueba son subjetivas y se basan en el hecho de que, en realidad, un individuo tiene la condición o no (la probabilidad siempre es del 100%), por lo que las probabilidades previas y posteriores a la prueba para los individuos pueden considerarse más bien como fenómenos psicológicos en las mentes de aquellos involucrados en los diagnósticos en cuestión.
