Aplicaciones del Cálculo de

Probabilidades en las Ciencias de

la Salud

Dr. Wilver Rodríguez López. Bio.Est.

 DIAGNÓSTICO
El diagnóstico es un acto que pretende
identificar la enfermedad o enfermedades que
afectan a un determinado paciente:
El proceso de diagnóstico consta de tres partes:
• La Historia clínica.
• La exploración física.
• Pruebas complementarias.
 CARACTERÍSTICAS PROBABILÍSTICAS
DE LAS PRUEBAS DIAGNÓSTICAS

Las características probabilísticas de las

pruebas diagnósticas son las siguientes:
• Sensibilidad.
• Especificidad.
• Valor predictivo positivo.
• Valor predictivo negativo.
 SENSIBILIDAD Y PROPORCIÓN DE FALSOS
NEGATIVOS
La sensibilidad de una prueba diagnóstica respecto
a una determinada enfermedad es la probabilidad
de que el resultado sea positivo en una persona
afectada de dicha enfermedad, su expresión
PT  E 
matemática es:

P T  


 E P(E )
P : Indica probabilidad
T+: Significa prueba positiva
E : La persona tiene la Enfermo
• La probabilidad complementaria de la
sensibilidad es la probabilidad de falsos
negativos. Su expresión matemática es la
siguiente.

 T 
P   
P T  E 
 E P(E )
T_ : Significa que el resultado de la
prueba es negativo
 ESPECIFICIDAD Y FALSOS POSITIVOS
La especificidad de una prueba diagnóstica, respecto a una determinada
enfermedad es la probabilidad de que el resultado sea negativo en una
persona que no esta afectado por la enfermedad. Su expresión matemática
es la siguiente:

: Indica no enferma
E

 T  PT  E 
P 
 
 E P( E )
• La probabilidad complementaria de la
especificidad es la probabilidad de falsos
positivos. Su expresión matemática es la
siguiente.

 T 
P   
P T  E 
 E P(E )
 VALOR PREDICTIVO POSITIVO
El valor predictivo positivo de una prueba
diagnostica para una determinada enfermedad
es la probabilidad de que una persona, en la
que la prueba es positiva, padezca la
enfermedad de referencia. A esta característica
también se le denomina probabilidad post
prueba de estar enfermo.
• La expresión matemática es la siguiente:

 
P E  
P  E  T 
 T  P(T )
 VALOR PREDICTIVO NEGATIVO
El valor predictivo negativo de una prueba
diagnostica para una determinada enfermedad
es la probabilidad de que una persona, en la
que la prueba es negativa, no padezca la
enfermedad de referencia. Su expresión
matemática es la siguiente:

 
P E  
P E  T  
 T  P(T )
• Se expresa una nueva prueba para
diagnosticar el carcinoma de próstata.
Se dispone de 212 personas a las que se
ha realizado una biopsia de próstata
considerada como estándar de oro para
esta enfermedad. Se considera como
enfermo (E) aquellos en los que la
biopsia es positiva, y no enfermos
aquellos en los que la biopsia es
E 
negativa.
Los resultados obtenidos se expresan en la
siguiente tabla:

Resultados de la
prueba
 
T T
Enfermos 70 10 80

No enfermos 12 120 132

82 130 212
 
Sensibilid ad : P T   70  0.875


 E 80

Especifici dad : P T  120

  0.91

 E 132

Pr op. Falsos Positivos : P  T  12

  0.09

 E 132

Pr op. Falsos Negativos : P    10  0.125
T
 E 80
DETERMINACIÓN DE LOS VALORES PREDICTIVOS:
TEOREMAS DE BAYES
• En la determinación de los valores predictivos
es necesario conocer la prevalencia de la
enfermedad particularizada para cada caso:

 
P E  
P  E  T 
 T  P(T )
 DETERMINACIÓN DE LOS VALORES
PREDICTIVOS: TEOREMAS DE BAYES


PE .P T 



P E    E 

 T  PE .P T   PE P T 
 E  E
   
DETERMINACIÓN DE LOS VALORES PREDICTIVOS:
TEOREMAS DE BAYES


P E  
Pr ev.Sen

 T  Pr ev.Sen  (1  Pr ev)(1  Espc)
DETERMINACIÓN DE LOS VALORES PREDICTIVOS:
TEOREMAS DE BAYES


P E  
P E  T  

 T  P (T )
DETERMINACIÓN DE LOS VALORES PREDICTIVOS:
TEOREMAS DE BAYES


PE .P T 



P E    E 

 T  PE P T   PE .P T 
 E  E
   
DETERMINACIÓN DE LOS VALORES PREDICTIVOS:
TEOREMAS DE BAYES

  (1  Pr ev).Espec
P E  
 T  Pr ev(1  Sen)  (1  Pr ev).Espec
 Ejemplo
• Una prueba diagnostica tiene una sensibilidad de 0.95 y
una especificidad de 0.98. La prueba se le aplica a un
paciente cuya probabilidad de padecer la enfermedad ,
teniendo en cuenta sus características personales es de
0.2. La prueba resulta positivo:
• ¿Cuál es la probabilidad de que este realmente
enfermo?
• Si la prueba resulto ser negativo ¿Cuál es la
probabilidad de que realmente no tenga la enfermedad
  
P E  
Pr ev.Sen
 T  Pr ev.Sen  (1  Pr ev)(1  Espc)

P E  
(0.2)(0.95)

 T  (0.2)(0.95)  (1  0.2)(1  0.98)


P E   0.92

 T 
   (1  Pr ev ). Espec
P E  
 T  Pr ev(1  Espec)  (1  Pr ev).Espec
  (1  0.2)(0.98)
P E  
 T  (0.2)(1  0.98)  (1  0.2)(0.98)

P E   0.99
 T 
EL RIESGO, FACTOR DE RIESGO, FACTOR DE
PROTECCIÓN
• Riesgo es la probabilidad de que ocurra un
suceso desafortunado. En ciencias de la salud
el suceso desafortunado es la enfermedad.
• Factor de riesgo es aquel que aumenta la
probabilidad de padecer la enfermedad.
• Factor de protección es aquel que disminuye
la probabilidad de padecer cierta
enfermedad.
 MEDIDAS EPIDEMIOLÓGICAS
• Medidas de asociación

– Risgo Relativo
– Odds Ratio
– Razón de Prevalencias

• Medidas de impacto
– Risgo atribuible (o diferencia de riesgo exp)
– Fracción etiológica expuestos (o fracción
atribuible en expuestos)
– Riesgo atribuible poblacional (fracción atribuible
población)
– Proporción de RA poblacional
 MEDIDAS DE ASOCIACIÓN
Las “medidas de asociación” intentan establecer:
 Estimar si existe una asociación (causal
generalmente)
 Estimar la dirección de la asociación
 Estimar la magnitud de la asociación

Variable B
(enfermedad)

Variable A
(Exposición)
 RIESGO RELATIVO: RR
• El Riesgo Relativo, RR es la razón entre dos
riesgos; en Epidemiología es el cociente entre el
riesgo de los individuos expuestos al factor y los
no expuestos. La expresión matemática del RR es
la siguiente:
P(E/F)
RR = __________
P(E/ F̅ )
E: Significa Enfermedad
F: Factor presente F̅ : Factor ausente
 RIESGO RELATIVO: RR
También se puede definir un RR de la siguiente
manera:
Tasa incidencia en expuestos
RR = _____________________________
Tasa incidencia en no-expuestos
Interpretación de Riesgo Relativo (RR)

• RR = 1
La incidencia en el grupo de expuestos es igual a la incidencia
en el grupo de no expuestos  no se observa asociación entre
la exposición y la enfermedad.

Valor nulo
Ie+ = Ie-

Protección Riesgo
Ie+ < Ie- Ie+ > Ie-
1
0
∞
Interpretación de Riesgo Relativo (RR)

• RR > 1
La incidencia en el grupo de expuestos es mayor que la
incidencia en el grupo de no expuestos  se observa
asociación “positiva” o “directa” entre la exposición y la
enfermedad.

Valor nulo
Ie+ = Ie-

Protección Riesgo
Ie+ < Ie- Ie+ > Ie-
1
0
asociación ∞
positiva o
directa
Interpretación de riesgo relativo (RR)

• RR < 1
La incidencia en el grupo de expuestos es menor que la incidencia en
el grupo de no expuestos  se observa asociación “negativa” o
“inversa” entre la exposición y la enfermedad.

Valor nulo
Ie+ = Ie-

Protección Riesgo
Ie+ < Ie- Ie+ > Ie-
1
0
asociación ∞
negativa o
inversa
 Tabla de contingència o Tabla de 2 X 2

Enfermedad

Sí No

Exposición Sí a b

No c d
 RR a partir de incidencias acumuladas

Enfermedad

Sí No

Exposición Sí a b Incidencia expuestos (Ie+) = a / a+b

No c d Incidencia no expuestos (Ie-) = c / c+d

(a / a+b)
Riesgo relativo (RR) = Ie+ / Ie- =
(c / c+d)
RR a partir de incidencias acumuladas

(a / a+b)
Riesgo relativo (RR) = Ie+ / Ie- =
(c / c+d)

IC 95 % = RR * exp ( 1,96 *  Var lnRR )

Var (ln RR) = (1/ a) + (1/c) - (1/a+b)- (1/c+d)

IC 95 %:
Límite inferior RR: RR * exp (1,96 *  Var lnRR )
Límite superior RR: RR * exp (-1,96 *  Var lnRR )
 Ejemplo: RR a partir de incidencias acumuladas

Influencia del consumo de tabaco en la supervivencia tras

un infarto agudo de miocardio (156 fumadores con IAM).

Seguimiento

Muerto Vivo

Tabaco Siguen 27 48 (a / a+b)

RR = Ie+ / Ie- =
Dejan 14 67 (c / c+d)
27/75 0,36
RR = = = 2,08
14/81 0,17

Los que fuman tienen un riesgo de 2.08 de tener IAM, en

relación a los que han dejado de fumar.
 Odds Ratio o Razón de Odds
Definición: medida de asociación que se obtiene
dividiendo la odds de enfermedad en los expuestos
por la odds de enfermedad en los no expuestos

OR = Odds enf|exp / Odds enf|no exp

Indica cuánta odds más (o menos) tienen las

personas expuestas de desarrollar la enfermedad
respecto a los no expuestos.
 Odds ¿Qué es un Odds?

• Es el cociente entre dos probabilidades complementarias

(o mutuamente excluyentes).

p
Odds 
1- p

Ej.: La probabilidad de que un médico fume es 0,20, entonces la odds

es:
0,20 0,20
Odds    1: 4
1 - 0,20 0,80

Es decir, por cada médico que fuma, hay 4 médicos que no fuman.
 Odds Ratio o Razón de Odds

• Se puede calcular en cualquier tabla de contingencia

• Es la medida de asociación propia de los estudios de casos y
controles
• También se puede aplicar en estudios de cohortes y de prevalencia

Se puede calcular tanto

una OR de enfermedad como una OR de exposición
 Cálculo del OR

Casos Controles

Exposición Sí a b Odds enfermedad expuestos = a / b

No c d Odds enfermedad no expuestos = c / d

Odds ratio o razón de odds (OR) = (a/b) / (c/d) = a·d / b·c

“razón del producto cruzado”

 Intervalos de confianza del OR

OR = (a/b) / (c/d) = a·d / b·c

IC 95 % = OR * exp ( 1,96 *  Var lnOR )

Var (ln RR) = (1/ a) + (1/b) + (1/c) + (1/d)

IC 95 %:
Límite inferior OR: OR * exp (1,96 *  Var lnOR )
Límite superior OR: OR * exp (-1,96 *  Var lnOR )
 Ejemplo de interpretación del OR:
Uso de salicilatos y hemorragia digestiva

Casos Controles

Uso de Sí 26 53 OR = Odds enf exp / Odds enf no exp

salicilatos
No 1 87 = (26/53) / (1/87) = 42,7

Otra interpretación: Los que sufren de hemorragia digestiva tienen un riesgo

de 43 veces de haber estado expuestos al uso de salicilatos, en relación a los
que no tienen hemorragia digestiva.
 El OR es un buen estimador del RR

Odds de Enf. en Exp.

OR= p1: probabilidad de Enf. en Exp.
Odds de Enf. en no Exp. p2: probabilidad de Enf. en no Exp.

p1 / 1-p1 p1 (1-p2) p1 (1-p2)

OR= = = x
p2 / 1-p2 p2 ( 1-p1) p2 ( 1-p1)

RR Error

Si p es baja (1-p≈1, “enfermedad poco frecuente”),

el error es pequeño
 Interpretación del odds ratio (OR)

• Análoga al RR

OR=1

Valor nulo

Protección Riesgo

OR<1 1 OR>1
0
∞
Odds ratio (OR)

Otras denominaciones:
–Razón de odds (razón de ods)
–Razón de ventajas, de posibilidades
–Razón de momios

–Odds ratio

Es la medida de asociación propia

de los estudios de casos y controles,
aunque se puede calcular en estudios de cohortes
y de prevalencia
 Razón de prevalencias

• Se puede utilizar como medida de asociación en

estudios transversales

• Indica cuántas veces es más probable que los

individuos expuestos presenten la enfermedad
respecto los no expuestos.
Interpretación de la razón de prevalencias (RP)

RP=1

Valor nulo

Asociación negativa Asociación posotiva

RP<1 1 RP>1
0
∞
 Cálculo de la RP
Enfermos No
enfermos a
Preval. Enf en Exp = -------
Exposición Sí a b a+b

No c d c
Preval. Enf en No Exp = -------
c+d
a
------
a+b
RP = ----------------
c
------
c+d

b/a d/c
Var (ln RP) = ------- + -------
a+b c+d
_________
IC 95% : RP * exp (1.96  var (ln RP)
Razón de prevalencias (RP)

• Razones de prevalencia de enfermedad ≠ de exposición

• Poco utilizada en la práctica
• Indica aosciación, pero no necesariamente causalidad

Otras denominaciones:
–Prevalence rate ratio o prevalence ratio
 Ejemplo
• Un estudio transversal para conocer la prevalencia de osteoporosis y su

relación con algunos factores de riesgo potenciales incluyó a 400 mujeres

con edades entre 50 y 54 años. A cada una se le realizó una densitometría de

columna y en cada caso se completó un cuestionario de antecedentes. Para el

ejemplo se consideran solo las variables dicotómicas osteoporosis y

antecedentes de dieta pobre en calcio. De las 80 pacientes que presentaban

osteoporosis 58 presentaban antecedentes de dieta pobre en calcio, en tanto

que entre las 320 que no tenían osteoporosis, el número de mujeres con este

antecedente era de 62. Una vez ingresados estos datos, la tabla se presentará

de la siguiente manera:
 Antecedentes de dieta Osteoporosis Total
pobre en calcio SI No
Expuestos 58 62 120
No expuestos 22 258 280
Total 80 320 400

RP=6.15
Las mujeres expuestas a antecedentes de dieta pobre en calcio tienen más
probabilidad de tener osteoporosis que aquellas mujeres no expuestas a
una dieta pobre en calcio.