TEOREMA DE

BAYES
Mg. Ananí Basaldúa Galarza
Especialista en epidemiología
 THOMAS BAYES
• Matemático, nació en Londres,
Inglaterra en 1702.
• Fue uno de los primeros en
utilizar la probabilidad
inductivamente y establecer una
base matemática para la
inferencia probabilística.
• En salud la inferencia bayesiana
ha tenido un desarrollo sostenido
en lo que concierne al análisis de
ensayos clínicos
 TEOREMA DE BAYES

• Es a posteriori, es decir que se analiza

después de observado el fenómeno
• Probabilidad condicional de B dado A
• Nos permite expresar la probabilidad de
ocurrencia de un evento A conociendo que
se presentó el evento B.
PROBABILIDAD CONDICIONADA Y
EL TEOREMA DE BAYES
TEOREMA DE BAYES
 PROBABILIDADES PARA EL CALCULO
DE INDICADORES EPIDEMIOLOGICOS
• Los exámenes físicos, la historia clínica, las placas de
rayos X, las pruebas de laboratorios, etc. A los cuales se
denominan “pruebas” o “test”, proveen al profesional
en salud de los elementos de juicio para tomar una
decisión con respecto al estado de salud o enfermedad
de un paciente. Cuándo él (o ella) toma la decisión, lo
hacen bajo la suposición de que la prueba de tamizaje
que utilizó puede ser repetida y es capaz de diferenciar
con precisión si la enfermedad está presente aún cuando
los síntomas todavía no se han manifestado.
• Se puede definir Tamizaje como: La aplicación de un test o
prueba a individuos, quienes aún no han exhibido síntomas
clínicos, para clasificarlos con respecto a su probabilidad de
tener una enfermedad particular.
• El tamizaje es utilizado frecuentemente por los profesionales de
salud, en situaciones en las que la detección temprana de la
enfermedad; va a contribuir a tomar medidas preventivas para el
individuo o la población en general. Si los individuos muestran
un resultado positivo en la prueba, se considera que tiene una
probabilidad alta (proxima a uno) de tener una enfermedad
particular, y generalmente son sometidos a otras pruebas de
diagnóstico o aun tratamiento.
• Las pruebas de tamizaje involucran un cierto grado de incerteza
por lo que se pueden utilizar las reglas de probabilidades para
evaluarlas. El siguiente ejemplo ilustra esta afirmación:
• “El cancer cervical es una enfermedad que tiene
muchas posibilidades de ser controlada si es detectada
tempranamente. Un procedimiento de tamizaje que
detecta este tipo de cancer cuando el paciente aún no
presenta síntomas y que tiene mucha aceptación; es el
Papanicolaou. Se considera que en los últimos años el
Papanicolaou ha contribuido al decrecimiento de las
tasas de mortalidad debido al cancer cervical. Un grupo
de invedstigadores está interesado en evaluar la
precisión de esta prueba por lo que realiza un estudio
considerando 1’010,000 mujeres las cuales fueron
evaluadas utilizando el papanicolaou y posteriormente,
fueron examinadas utilizando métodos más sofisticados
(y costosos) para verificar si realmente tenían al
cancer”.
 PAPANICOLAU Y DETECCIÓN DE
CANCER CERVICAL EN UNA
POBLACIÓN DE MUJERES
Prueba de Cáncer cervical (enfermedad)
Tamizaje CANCER NO CANCER TOTAL
(papanicolau) (D+) (D-)
PRUEBA 8,375 186,400 194,775
POSITIVA (+)
PRUEBA 1,625 813,600 815,225
NEGATIVA (-)

TOTAL 10,000 1´000,000 1´010,000

a = número de pac. Con la enfermedad diagnosticados como “positivos” por la prueba.
b = número de pac. Sin la enfermedad diagnosticados como “positivos” por la prueba.
c = número de pac. Con la enfermedad diagnosticados como “negativos” por la prueba.
d = número de pac. Sin la enfermedad diagnosticados como “negativos” por la prueba.
ENTONCES PUEDE DECIRSE QUE:
a = Verdaderos positivos (VP)
b = Falsos positivos (FP).
c = Falsos negativos (FN)
d = Verdaderos negativos (VN)
 FALSO NEGATIVO
• Un falso negativo ocurre cuando la prueba
no detecta (T-) la enfermedad, dado que ella
realmente está presente (D+).
p (T- y D+)
p(T- / D+) = --------------- = c / a + c
p(D+)
1625 / 10,000 = 0.1625 = 16.25%
La probabilidad de un falso negativo es de
16.25%.
 SENSIBILIDAD Y
ESPECIFICIDAD
• So indicadores estadísticos que evalúan el grado de
eficiencia inherente a una prueba diagnostica.
• Permite comparar directamente la eficacia de una
prueba con el de otra y esperar resultados similares
cuando son aplicadas en diferentes países, regiones o
ámbitos.
• La sensibilidad (S) indica la capacidad de a prueba
para detectar a un sujeto enfermo, en términos
probabilísticos: si la enfermedad está presente ¿cuál
es la probabilidad de que el resultado sea positivo?
 SENSIBILIDAD
• Se dice que una prueba es sensible cuando detecta la
enfermedad (T+), dado que ella está presente (D+).
p(T+ y D+)
p(T+/D+) = ---------------- = a / a + c
p(D+)
8375 / 10,000 = 0.8375 = 83.75%
Sobre el total de mujeres con cáncer cervical, cuyas
muestras de células fueron analizadas en el
laboratorio de citología, el papnicolaou identificó la
enfermedad en el 83.75% de los casos. Es decir que
el papanicolaou mostró una sensibilidad del 83.75%.
 FALSO POSITIVO
• Un falso positivo ocurre cuando la prueba
detecta la enfermedad (T+) dado que ella está
ausente (D-).
p(T+ y D-)
p(T+/D-) = ----------------- = b / b + d
p(D-)
186400 / 1000000 = 0.1864 = 18.64%
la probabilidad de un falso positivo es de
18.64%.
ESPECIFICIDAD
ESPECIFICIDAD
 ESPECIFICIDAD
• La especificidad de una prueba es la probabilidad de
que el resultado sea negativo (T-) dado que la
enfermedad está ausente (D-).
p(T- y D-)
p(T- / D-) = ------------------- = d / b + d
p(D-)
813600 / 1000000 = 0.8136 = 81.36%
Sobre un total de 1000000 de mujeres sin cancer
cervical, cuyas muestras de células fueron analizadas
en el laboratorio de citología. El papanicolaou
identificó 81.36% casos negativos. Es decir, el
papanicolaou mostró una especificidad del 81.36%.
 VALOR PREDICTIVO DE UN
RESULTADO POSITIVO (PRECISION)

• Ahora puede averiguar cuál es la precisión de la

prueba, ésta prueba puede evaluar la probabilidad
de que la persona esté enferma, dado que el test la
identificó como tal (T+). Esto es muy importante
tanto para el cuidado de la salud del individuo
como de la comunidad.
p(D+) . P(T+ / D+)
p(D+/T+) = -----------------------------------------------
p(D+) . P(T+/D+) + P(D-) . P(T+/D-)
• Esta fórmula es deducida a partir de un
importante resultado de la teoría de
probabilidades conocido como “TEOREMA
DE BAYES”.
• El valor predictivo de un resultado positivo
también se puede expresar como:
(PREVALENCIA) . (SENSIBILIDAD)
VPP = ----------------------------------------------------
(PREVALENCIA) . (SENSIBILIDAD) + (1 – PREVALENCIA) .
(FALSO POSITIVO)

• ¿Cuál es el VPP para la prueba del

papanicolau?
• P(D+) = 0.001 (Prevalencia)
• P(D-) = 0.999 (1 – Prevalencia)
• P(T+/D+) = 0.8375 (Sensibilidad)
• P(T+/D-) = 0.1864 (Falso Positivo)
• Por lo tanro el VPP de la prueba es:
(0.001) . (0.8375)
p(D+/T+) = ---------------------------------------------
(0.001) . (0.8375) + (0.999) . (0.1864)
P(D+/T+) = 0.043 = 4.3%
Por cada mil resultados positivos en la prueba de
Papanicolaou, solamente 43 representan verdaderos
casos de cáncer cervical.
 VALOR PREDICTIVO DE UN
RESULTADO NEGATIVO
• Ahora, usted puede querer evaluar la
probabilidad de que una persona no tenga la
enfermedad (D-), dado que el test dio un
resultado negativo (T-). En este caso también
se utilizará el Teorema de Bayes.
p(D-) . P(T-/D-)
P(D-/T-) = -----------------------------------------------
p(D+) . P(T-/D+) + p(D-) . P(T-/D-)
 (1 – PREVALENCIA) . (ESPECIFICIDAD)
VPN = ---------------------------------------------------
(PREVALENCIA) . (FALSO NEGATIVO) + (1 –
PREVALENCIA) . (ESPECIFICIDAD)

• ¿Cuál es el VPN de la prueba del

papanicolaou?
• P(D+) = 0.001 (Prevalencia)
• P(D-) = 0.999 (1 – Prevalencia)
• P(T-/D+) = 0.1625 (Falso negativo)
• P(T-/D-) = 0.8136 (Especificidad)
• El VPN de un resultado negativo es:
(0.999) . (0.8136)
VPN = -----------------------------------------------
(0.999) . (0.8136) + (0.001) . (0.1625)

VPN = 0.998 = 99.8%

• Por cada mil mujeres con resultados

negativos en la prueba de papanicolaou, 998
no tienen cáncer cervical.