Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Cli107
BioestadsticaEpidemiologaBsica
Ao2010Revisin:0
Dr.MariodeLuca
Pgina1de29
Documento base
Los contenidos de esta Gua de Prctica Clnica constituyen una versin corta de la
compilacin adaptada de los Mdulos de Epidemiologa Bsica y Vigilancia de la Salud
(segunda edicin, 2004), que forman parte del material de lectura del Curso de
Epidemiologa Bsica e Intermedia del Instituto de Investigaciones Epidemiolgicas de la
Academia Nacional de Medicina.
Medidas de Frecuencia
Existen 2 medidas de gran relevancia desde el punto de vista epidemiolgico, que
permiten medir la frecuencia de las enfermedades: prevalencia e incidencia.
Prevalencia
Es el nmero de casos o eventos en una poblacin de una determinada enfermedad en
un momento dado en el tiempo. La prevalencia intenta mostrar la frecuencia con la que un
evento de salud o enfermedad existe en el momento, independientemente de cundo se
haya originado.
Cmo se calcula la prevalencia?
Se debe determinar el nmero de sujetos en quienes se presenta el evento estudiado y
relacionar dicho nmero con el total de individuos que forman el grupo observado. Suele
expresarse en forma de proporcin o porcentaje. Existen 2 formas de calcular la
prevalencia:
- Prevalencia puntual: se utiliza cuando se desea determinar la prevalencia de una
enfermedad en la poblacin en un momento en el tiempo, independientemente de cundo
se haya originado. Se denomina puntual porque la medicin se hace en un corto perodo
de tiempo.
Copia N :
Representante de la Direccin:
Revis
Nombre
Fecha:
Aprob
Firma
Fecha
31/05
10/06
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina2de29
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina3de29
(*) K es una constante que puede ser cualquier mltiplo de 10, 100, 1 000, 10 000, etc. Esta multiplicacin facilita las
comparaciones entre poblaciones de diferente tamao absoluto. Nunca debe ser mayor que la poblacin total en
riesgo.
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina4de29
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina5de29
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina6de29
Casos
No casos
Total
Riesgo Relativo
El RR es la relacin existente entre incidencia de la enfermedad en la poblacin expuesta
y la incidencia de la enfermedad en la poblacin no expuesta. Es la medida que expresa
la magnitud de la asociacin entre un factor de riesgo y una enfermedad. Resulta del
cociente entre las tasas de incidencia de la poblacin expuesta y no expuesta. La
incidencia en el grupo expuesto se expresa como Ie y la incidencia en grupo no expuesto
como Io. Entonces:
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina7de29
Existen ciertos atributos (edad, sexo, raza) que renen casi todas las caractersticas de
los factores de riesgo, es decir, se asocian con una mayor ocurrencia de algunas
enfermedades y adems preceden el desarrollo de la misma. Sin embargo, la exposicin
a estos atributos no puede evitarse, son inmodificables. Por este motivo, estos atributos
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina8de29
que se asocian con un riesgo mayor de ocurrencia de una determinada enfermedad pero
que no pueden ser modificados se denominan marcadores de riesgo. Esta constituye la
principal diferencia con los factores de riesgo, cuya presencia puede ser controlada y
prevenida antes del desarrollo de la enfermedad.
Habitualmente, cuando se habla de factores de riesgo se suele utilizar otro trmino muy
relacionado con este concepto, que es el de exposicin. Una persona que estuvo en
contacto con un factor de riesgo estuvo expuesta a dicho factor. Sin importar la duracin o
la intensidad de la exposicin, o ambas, en caso de que la persona enferme s es
importante saber si la exposicin precedi al desarrollo de la enfermedad. Algunos
autores consideran que un grupo expuesto a un determinado factor constituye un grupo o
poblacin de riesgo. Sin embargo, otros consideran que, adems de importar la
exposicin al factor, debe tenerse en cuenta tambin la susceptibilidad propia de cada
individuo para el desarrollo de la enfermedad, por lo que prefieren definir como poblacin
de riesgo a aquella que posee un riesgo mayor de presentar una determinada
enfermedad o evento por una mayor susceptibilidad a la enfermedad, por la presencia de
un determinado factor, o por ambas condiciones. Un ejemplo es la exposicin al cigarrillo:
las personas fumadoras constituyen un grupo de riesgo para el desarrollo de cncer de
pulmn. Sin embargo, no todos los fumadores desarrollarn esta enfermedad.
Factor de riesgo es "el atributo de un grupo que presenta mayor incidencia de una
determinada enfermedad o evento en comparacin con otros grupos caracterizados
por la ausencia o baja frecuencia de tal atributo. Se trata de una caracterstica
potencialmente modificable".
Odds Ratio
Cuando no se dispone de la informacin necesaria para calcular las tasas de incidencia
en expuestos y en no expuestos, se debe utilizar otra medida de asociacin denominada
OR. El ejemplo tpico en el cual el clculo de la incidencia de la enfermedad no es posible
es cuando se utiliza un diseo de casos y controles para investigar la asociacin entre
uno o ms factores y una determinada enfermedad. En esta circunstancia, el investigador
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina9de29
selecciona los casos de la enfermedad, que habitualmente son los casos existentes o
casos prevalentes. Entonces, si no es posible conocer los casos nuevos, no puede
determinarse la incidencia ni calcularse el RR Cmo determinar entonces la presencia
de asociacin? En esta situacin se recurre a otra medida de asociacin denominada OR.
As como para el clculo del RR debe comprenderse que es el riesgo, para entender y
calcular el OR debe conocerse a que se llama odds. El odds se obtiene dividiendo el
nmero de personas que experimentan el evento sobre el nmero de personas que no lo
experimentan.
Cmo calculamos el odds?
Verifiquemos entonces la diferencia entre riesgo (R) y odds (O):
No Expuestos
b
d
Odds
Oe= a/b
One = c/d
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina10de29
Casos
No casos
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina11de29
Riesgo Atribuible
El riesgo atribuible (RA) es una medida de asociacin o de efecto, que recibe tambin el
nombre de "diferencia de riesgos", ya que representa la diferencia de la incidencia de la
enfermedad en la poblacin expuesta al factor de riesgo y la incidencia en la poblacin no
expuesta a dicho factor. Algunos autores prefieren llamarlo riesgo absoluto, ya que como
su nombre lo indica y en contraste con el riesgo relativo, expresa la diferencia de las
incidencias en la poblacin expuesta y no expuesta en trminos absolutos. El RA es la
medida de asociacin entre un factor de riesgo y una enfermedad que resulta de la resta
entre las tasas de incidencia de la poblacin expuesta y no expuesta. La incidencia en el
grupo expuesto se expresa como Ie y la incidencia en el grupo no expuesto como Io. Si
utilizamos la tabla de contingencia, se verifica:
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina12de29
Si el RA es > que cero, representa el nmero de casos que se podran prevenir entre
los expuestos si se removiera la exposicin.
Si el RA es < que cera, representa el nmero de casos que se han prevenido gracias
a la exposicin en estudio.
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina13de29
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina14de29
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina15de29
RiesgoAbsoluto
Obsrvese que aunque los RR son iguales para los datos de ambas tablas, los dems
son distintos, y los NNT, muy distintos. Existe evidencia emprica proveniente de cientos
de metanlisis que sugiere que los ndices relativos (OR y RR) tienden a ser ms
parecidos entre diferentes ensayos del mismo tratamiento que los ndices absolutos (RAR
y NNT) o, dicho de otra manera, los ndices relativos seran caractersticos del
tratamiento, mientras que los absolutos dependeran del tratamiento y tambin del riesgo
basal. Para decidir si el resultado de un ensayo, expresado con un ndice absoluto como
el NNT, es aplicable en nuestro medio, hay que evaluar si el riesgo basal del ensayo es
similar al de nuestro medio y, en caso contrario, adaptar el ndice a nuestro riesgo basal.
Principales Fuentes de Error en la Cuantificacin
Una medicin de cualquier tipo es confiable cuando es capaz de lograr el mismo resultado
en distintas determinaciones realizadas del mismo modo. Para ser confiable debe estar
libre de error por azar. Una medida de cualquier tipo es vlida cuando mide todo lo que
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina16de29
desea medir, y slo eso que desea medir. Para ser vlida debe estar libre de cualquier
factor que desva los resultados en una direccin particular.
Qu es Error en Epidemiologa?
Se llama error a toda diferencia entre el valor medido, observado o calculado y el
verdadero valor. Si bien existen innumerables fuentes de error durante la realizacin de
cualquier estudio epidemiolgico, se deben evitar fundamentalmente 3 tipos de errores:
Error por azar: sobreviene al realizar mediciones en muestras de una poblacin. Por
qu trabajamos con muestras si este proceder est sujeto a error? Por qu no
estudiamos toda la poblacin? Habitualmente, resulta poco prctico para el
investigador, en general por cuestiones de tiempo y costo, estudiar toda la poblacin
objetivo (poblacin sobre la cual se desea conocer una determinada caracterstica
susceptible de ser estudiada). Por este motivo, suele seleccionarse una parte de esta
poblacin por medio de diferentes tipos de tcnicas de muestreo. El proceso de
seleccin de una muestra no es perfecto, aunque se realice en forma correcta, y
simplemente debido a cuestiones del azar, ocurre inevitablemente el error muestral o
error por azar. De qu depende el error por azar? Fundamentalmente, del tamao de
la muestra y del mtodo o la forma que utilizamos para seleccionarla. Cuanto mayor
es el error, menor es la confiabilidad: alta confiabilidad implica menor error por azar.
En otras palabras, el test fundamental de la confiabilidad es la repetibilidad, es decir,
la habilidad de lograr el mismo resultado en distintas medidas realizadas del mismo
modo.
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina17de29
En la fila superior de la figura de la pgina siguiente, ambos blancos presentan los dardos
agrupados cerca del mismo punto. La persona que arrojaba los dardos lo hizo
aproximadamente en el mismo lugar del blanco. Por este motivo, prcticamente, no existe
error por azar en estos resultados.
En contraste, en la fila inferior los dardos se distribuyen alrededor de un rea ms amplia.
En este caso, la persona que arrojaba los dardos no lo haca exactamente de la misma
manera en uno y otro tiro, resultando los dardos distribuidos aleatoriamente en los
blancos. No son buenas rplicas uno del otro. No tienen repetitibilidad. Estos diagramas
muestran la relacin entre la confiabilidad y el error por azar. Cuanto mayor es el error,
menor es la confiabilidad. Alta confiabilidad implica menor error por azar. Como ya
mencionamos anteriormente, el test fundamental de la confiabilidad es la repetitibilidad,
la habilidad de lograr el mismo resultado en distintas medidas realizadas del mismo modo.
Validez, Error Sistemtico, Sesgos y Factores de Confusin
En la ya mencionada figura, los 2 diagramas de la izquierda contienen dardos que estn
en el centro o alrededor de ste. Aunque los dardos del diagrama inferior estn dispersos
en un rea ms amplia, estn distribuidos en un patrn aleatorio alrededor del centro.
Nada tira o atrae los dardos en una direccin especfica.
Analoga entre los conceptos de validez y confiabilidad con una "prueba de tiro al blanco
(adaptado de Alreck y Settle).
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina18de29
En contraste, los patrones de los 2 blancos de la columna de la derecha estn fuera del
centro, todos tendiendo hacia una direccin. La persona que arroj los dardos en el
blanco superior derecho tena una mano firme, pero consistentemente tiraba los dardos
ms arriba y un poco a la derecha del centro del blanco. La persona que arrojaba los
dardos en el blanco inferior derecho tena una mano menos firme y consistente, y tambin
persistentemente tiraba los dardos a la derecha y un poco ms abajo del centro. De este
modo, el efecto de un error sistemtico o simplemente sesgo es el de empujar o atraer los
resultados en una direccin especfica. Los 2 blancos de la derecha representan los
resultados de un estudio que presenta baja validez.
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina19de29
Para evitar errores, debe recordarse que los resultados de una investigacin no sern
vlidos si la forma de seleccin y recoleccin de los datos acerca de la exposicin o la
enfermedad difieren en los grupos de estudio y de control. Es imprescindible que las
fuentes de informacin sean comparables (idnticas) en el grupo de estudio y de control.
En los estudios prospectivos de larga duracin se deben extremar las precauciones para
que se pierda el menor nmero posible de sujetos durante la etapa de seguimiento.
Efecto de Confusin
Existe otro tipo de error que se produce cuando una asociacin entre un factor y una
enfermedad est distorsionado por la presencia de otro factor que simultneamente
a. se asocia al factor de exposicin.
b. es factor de riesgo de la enfermedad en estudio y no es consecuencia del factor de
exposicin.
Este factor se denomina factor de confusin. Un factor de confusin puede ejercer
suficiente influencia, incluso para cambiar la direccin de una asociacin. El error
introducido por la presencia de factores de confusin recibe el nombre de efecto de
confusin.
En el siguiente ejemplo, un investigador estudi el consumo de caf y el cncer de
pulmn mediante el seguimiento durante 10 aos de 500 bebedores de caf y 500 no
bebedores. En este estudio, el riesgo de padecer cncer de pulmn de los bebedores
asiduos fue 10 veces mayor respecto de los no bebedores.
Relacin del factor de confusin con las variables en estudio.
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina20de29
En este estudio, el fumar puede ser un factor de confusin si se supone que fumar
cigarrillos y beber caf estn asociados. En otras palabras, es ms probable que los
bebedores de caf fumen ms que los no bebedores de caf. Adems, fumar cigarrillos
est asociado con el cncer de pulmn. Por este motivo, fumar cigarrillos es un factor de
confusin potencial debido a que se encuentra asociado tanto a tomar caf como a la
ocurrencia de cncer de pulmn. Para controlar la presencia de los factores de confusin
se puede actuar sobre la seleccin de los grupos de estudio, sobre el anlisis posterior de
los resultados observados o sobre ambas etapas. En este ltimo caso, se recurre a
distintas tcnicas estadsticas, como anlisis estratificados y anlisis multivariados.
Durante la etapa de seleccin de los grupos de estudio y de control, las variables
universales que pudieran estar relacionadas con la enfermedad estudiada y sus
manifestaciones pueden introducir un efecto de confusin. La utilizacin de distintas
tcnicas puede garantizar la distribucin similar de estas caractersticas en ambos grupos
de estudio, por ejemplo la aleatorizacin, la estratificacin, el apareamiento y/o la
restriccin. Se recuerda, entonces, que siempre ha de considerarse la posibilidad de
introducir un error sistemtico durante la investigacin. El sesgo es muy difcil de evaluar
cuantitativamente, por lo que es de fundamental importancia que para controlarlo se
realicen adecuados protocolos de investigacin que permitan anticipar y controlar su
ocurrencia durante la realizacin del estudio.
Por otra parte, los factores de confusin pueden evaluarse cuantitativamente, pudiendo
controlarse tanto en la etapa de seleccin de los grupos de estudio como en el anlisis
posterior de los resultados por medio de distintas tcnicas estadsticas.
Pruebas Diagnsticas
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina21de29
Documento base
Esta seccin es una compilacin de Pita Fernndez, S. Prtegas Daz, S. Unidad de
Epidemiologa Clnica y Bioestadstica. Complexo Hospitalario-Universitario Juan
Canalejo. A Corua (Espaa)- Cad Aten Primaria 2003; 10: 120-124.
Comentarios esenciales
La medicina es una ciencia de probabilidades y un arte de manejar la incertidumbre.
Dicha incertidumbre se extiende no slo a las actividades preventivas, teraputicas y
pronsticas sino tambin a las diagnsticas. En las fases del proceso diagnstico
intervienen la historia clnica, la exploracin fsica y la realizacin de pruebas
complementarias. Cuando existen varias hiptesis diagnsticas, se realizar el
diagnstico diferencial y las pruebas complementarias tratarn de aclarar las dudas
existentes. Si slo hay una sospecha diagnstica, las pruebas complementarias tratarn
de confirmarla. La realizacin simultnea de varias pruebas se denomina pruebas
complementarias en paralelo y la realizacin de estos exmenes segn los resultados de
otras previas, se denomina pruebas complementarias en serie. Al realizar pruebas en
paralelo aumenta la probabilidad de diagnosticar a un enfermo, pero tambin aumenta la
probabilidad de considerar como enfermo a un sano. El riesgo de la realizacin de
pruebas en serie es no diagnosticar a algunos enfermos. En cambio, pocos sanos sern
considerados como enfermos. Es evidente que una buena prueba diagnstica es la que
ofrece resultados positivos en enfermos y negativos en sanos. Por lo tanto, las
condiciones que deben ser exigidas a un test son:
Validez: es el grado en que un test mide lo que se supone que debe medir. Con qu
frecuencia el resultado del test es confirmado por procedimientos diagnsticos ms
complejos y rigurosos? La sensibilidad y la especificidad de un test son medidas de su
validez.
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina22de29
A su vez, es conveniente que el test sea sencillo de aplicar, aceptado por los pacientes o
la poblacin general, que tenga los mnimos efectos adversos y que econmicamente sea
soportable. En este trabajo se revisarn fundamentalmente los conceptos que determinan
la validez de un test (sensibilidad y especificidad) y su seguridad (valores predictivos
positivos y negativos).
La Validez de una Prueba Diagnstica: Sensibilidad y Especificidad
El caso ms sencillo que se nos puede plantear es el de una prueba dicotmica, que
clasifica a cada paciente como sano o enfermo en funcin de que el resultado de la
prueba sea positivo o negativo. En casos como ste, generalmente un resultado positivo
se asocia con la presencia de enfermedad y un resultado negativo con la ausencia de la
misma. Cuando se estudia una muestra de pacientes, los datos obtenidos permiten
clasificar a los sujetos en cuatro grupos segn una tabla 2x2 como la que se muestra en
la tabla 1. En ella, se enfrenta el resultado de la prueba diagnstica (en filas) con el
estado real de los pacientes (en columnas) o, en su defecto, el resultado de la prueba de
referencia o gold standard que vayamos a utilizar. El resultado de la prueba puede ser
correcto (verdadero positivo y verdadero negativo) o incorrecto (falso positivo y falso
negativo). El anlisis de su validez puede obtenerse calculando los valores de sensibilidad
y especificidad.
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina23de29
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina24de29
Se encontraron en total 1 121 casos de cncer, lo cual representa un 42.45% del total de
sujetos estudiados. La sensibilidad del tacto rectal para detectar cncer fue de 56.56%
(634/1121) y la especificidad de 82.3% (1251/1520). As, el tacto fue anormal en un
56.56% de los casos de cncer prosttico y normal en un 82.3% de los casos que
presentaron finalmente otras enfermedades. Esto significa que un 100 56.56 = 43,44%
de los pacientes que efectivamente tenan cncer presentaban tactos normales.
Resulta obvio que lo ideal sera trabajar con pruebas diagnsticas de alta sensibilidad y
especificidad, pero esto no siempre es posible. En general, las pruebas de screening
deben ser de alta sensibilidad para poder captar a todos los enfermos. Una prueba muy
sensible ser especialmente adecuada en aquellos casos en los que el no diagnosticar la
enfermedad puede resultar fatal para los enfermos, como ocurre con enfermedades
peligrosas pero tratables, como los linfomas o la tuberculosis, o en enfermedades en las
que un falso positivo no produzca serios trastornos psicolgicos o econmicos para el
paciente (por ejemplo, la realizacin de mamografa en el cncer de mama).
Por otra parte, la especificidad se refiere, como se seal previamente, a la probabilidad
de que un sujeto sano sea clasificado adecuadamente. En general, las pruebas
confirmatorias del diagnstico deben ser de alta especificidad, para evitar falsos positivos.
Los tests de alta especificidad son necesarios en enfermedades graves pero sin
tratamiento disponible que las haga curables, cuando exista gran inters por conocer la
ausencia de enfermedad o cuando diagnosticar a un paciente de un mal que realmente no
padece pueda acarrear graves consecuencias, ya sean fsicas, psicolgicas o econmicas
(por ejemplo, en el caso del sida).
Seguridad de una Prueba Diagnstica. Valores Predictivos
Los conceptos de sensibilidad y especificidad permiten, por lo tanto, valorar la validez de
una prueba diagnstica. Sin embargo, carecen de utilidad en la prctica clnica. Tanto la
sensibilidad como la especificidad proporcionan informacin acerca de la probabilidad de
obtener un resultado concreto (positivo o negativo) en funcin de la verdadera condicin
del enfermo con respecto a la enfermedad. Sin embargo, cuando a un paciente se le
realiza alguna prueba, el mdico carece de informacin a priori acerca de su verdadero
diagnstico, y ms bien la pregunta se plantea en sentido contrario: ante un resultado
positivo (negativo) en la prueba, cul es la probabilidad de que el paciente est
realmente enfermo (sano)?. As pues, resulta obvio que hasta el momento slo hemos
abordado el problema en una direccin. Por medio de los valores predictivos
completaremos esta informacin:
Valor predictivo positivo: es la probabilidad de padecer la enfermedad si se obtiene un
resultado positivo en el test. El valor predictivo positivo puede estimarse, por tanto, a partir
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina25de29
Retomando el ejemplo anterior sobre cncer prosttico, el VPP es en este caso del
70.21% (634/903) y el valor predictivo negativo del 71.98% (1251/1738). Ello significa que
en un 70.21% de los pacientes con un tacto anormal finalmente se confirm la presencia
de cncer, mientras que de los que no se detectaron anomalas en el tacto un 71.98%
estaban efectivamente sanos.
La Influencia de la Prevalencia
Hemos visto cmo los valores de sensibilidad y especificidad, a pesar de definir
completamente la validez de la prueba diagnstica, presentan la desventaja de que no
proporcionan informacin relevante a la hora de tomar una decisin clnica ante un
determinado resultado de la prueba.
Sin embargo, tienen la ventaja adicional de que son propiedades intrnsecas a la prueba
diagnstica, y definen su validez independientemente de cul sea la prevalencia de la
enfermedad en la poblacin a la cual se aplica.
Por el contrario, el concepto de valores predictivos, a pesar de ser de enorme utilidad a la
hora de tomar decisiones clnicas y transmitir a los pacientes informacin sobre su
diagnstico, presenta la limitacin de que dependen en gran medida de lo frecuente que
sea la enfermedad a diagnosticar en la poblacin objeto de estudio. Cuando la
prevalencia de la enfermedad es baja, un resultado negativo permitir descartar la
enfermedad con mayor seguridad, siendo as el valor predictivo negativo mayor. Por el
contrario, un resultado positivo no permitir confirmar el diagnstico, resultando en un
bajo valor predictivo positivo.
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina26de29
Como sencillo ejemplo, para el diagnstico del VIH se emplean tests que han confirmado
tener una alta validez, con valores aproximados de sensibilidad y especificidad de un
99.5%. Supongamos que se aplicase esta prueba a la totalidad de la poblacin gallega,
que se cifra en 2 800 000 habitantes. Si asumimos que en Galicia existen 6 000 pacientes
VIH positivos (lo cual implicara una prevalencia de 6 000 / 2 800 000 = 0.21%), el test
resultara positivo en un total de 19 940 sujetos, obtenindose un valor predictivo positivo
del 29.9% (tabla 3).
As pues, slo un 29.9% de los sujetos con un resultado positivo en el test resultaran
estar realmente afectados, mientras que un 70.1% de los mismos no presentaran la
enfermedad. Resulta obvio que en una comunidad como la gallega la utilizacin de esta
prueba no resultara til, debido a la alta proporcin de falsos positivos que conllevara.
Veamos ahora que ocurrira si se aplicase la misma prueba a una poblacin en la que el
nmero de enfermos VIH+ fuese de 800 000 (resultando en una prevalencia mucho mayor
de un 800 000 / 2 800 000 = 28.6%). En este caso, la predictividad de una prueba positiva
aumenta de un 29.9% a un 98.7%, disminuyendo la proporcin de falsos positivos a tan
slo un 1.3% (tabla 4). Por lo tanto, si la prevalencia es alta, un resultado positivo tiende a
confirmar la presencia de la enfermedad, mientras que si la prevalencia es baja, un
resultado positivo no permitir afirmar su existencia.
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina27de29
Razones de Probabilidad
Queda claro, pues, cmo la prevalencia es un factor determinante en los valores
predictivos de un test. Por lo tanto, stos no pueden ser utilizados como ndices a la hora
de comparar 2 mtodos diagnsticos diferentes, ni tampoco a la hora de extrapolar los
resultados de otros estudios a datos propios.
En consecuencia, resulta necesario determinar otros ndices de valoracin que sean a la
vez clnicamente tiles y no dependan de la prevalencia de la enfermedad en la poblacin
a estudiar. As, adems de los conceptos de sensibilidad, especificidad y valores
predicitivos, se suele hablar de razn de verosimilitudes, razn de probabilidad, o
cociente de probabilidades, que miden cunto ms probable es un resultado concreto
(positivo o negativo) segn la presencia o ausencia de enfermedad:
La razn de verosimilitudes positiva o cociente de probabilidades positivo se calcula
dividiendo la probabilidad de un resultado positivo en los pacientes enfermos entre la
probabilidad de un resultado positivo entre los sanos. Es, en definitiva, el cociente entre la
fraccin de verdaderos positivos (sensibilidad) y la fraccin de falsos positivos (1
especificidad):
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina28de29
GUADEPRCTICACLNICA
Cli107
BioestadsticaEpidemiologaBsica
Revisin:0Ao2010
Dr.M.deLuca
Pgina29de29
Bibliografa