Probabilidade pré-teste: como interpretar exames

Um exame volta positivo e a primeira reação é tratar o resultado como diagnóstico. No estágio, porém, o mesmo dímero-D positivo pode significar coisas bem diferentes em dois pacientes, e o mesmo exame negativo pode encerrar a investigação num caso e não dizer quase nada no outro. A diferença está no que você pensava antes de pedir o exame.

O NEXO é um jogo diário de diagnóstico médico: um caso clínico por dia, seis pistas progressivas e feedback por proximidade na CID-10 em cinco níveis.

Este texto explica a probabilidade pré-teste e como ela muda a interpretação de exames: a conta com chance e razão de verossimilhança, um exemplo com o dímero-D na suspeita de trombose venosa profunda, os limiares que dizem quando um exame muda a conduta e os erros mais comuns de estimativa. O atalho para usar razões de verossimilhança de cabeça e o uso de achados da história e do exame físico como testes estão no texto sobre diagnóstico diferencial com pistas; aqui o foco é o passo seguinte, o exame complementar.

Principais pontos

• A probabilidade pré-teste é a chance de a doença estar presente antes do exame, estimada pela história, pelo exame físico e pela epidemiologia.
• O resultado de um exame não diz se a doença existe; ele multiplica a chance que você já tinha pela razão de verossimilhança do resultado.
• O mesmo resultado leva a probabilidades finais muito diferentes conforme a probabilidade de partida.
• Valores preditivos dependem da prevalência do grupo estudado; sensibilidade e especificidade sozinhas não dizem a probabilidade de doença no seu paciente.
• Um exame só ajuda quando a probabilidade está entre dois limiares: abaixo do primeiro, não vale testar; acima do segundo, já se trata.
• Profissionais tendem a superestimar a probabilidade antes e depois dos exames, e treinar a estimativa é parte do raciocínio clínico.

Sumário

• O que é probabilidade pré-teste
• De probabilidade a chance e de volta
• O exemplo do dímero-D
• Sensibilidade, especificidade e valores preditivos
• Quando o exame não muda a conduta
• Por que erramos a estimativa
• Como treinar a estimativa
• Perguntas frequentes
• Checklist para interpretar um exame

O que é probabilidade pré-teste

A probabilidade pré-teste é a sua estimativa de que o paciente tem uma doença antes de conhecer o resultado de um exame. Ela nasce do que você já sabe: idade, sexo, contexto, sintomas, achados do exame físico e a frequência da doença no lugar onde você atende. Depois do exame, essa estimativa é atualizada e vira a probabilidade pós-teste.

O diagnóstico, nessa visão, é uma hipótese, e a certeza absoluta não é alcançável por mais exames que se peçam (Kassirer, 1989). A tarefa é reduzir a incerteza o bastante para tomar a melhor decisão terapêutica (Kassirer, 1989). Pensar em probabilidade pré-teste é o jeito prático de saber quanta incerteza existe e quanto um exame pode reduzi-la.

De onde vem a estimativa

Há três fontes principais. A primeira é a prevalência no contexto: a mesma queixa tem distribuições diferentes de doenças na atenção primária, no pronto-socorro e na enfermaria de um hospital terciário. A segunda são os achados do próprio paciente, cada um com seu peso. A terceira são as regras de predição clínica, que juntam vários achados em uma pontuação e foram validadas em grupos de pacientes.

Quando existe uma regra validada, ela costuma ser a âncora mais segura. No estudo de Wells e colegas, os médicos usaram um modelo clínico para classificar pacientes com suspeita de trombose venosa profunda como prováveis ou improváveis antes de qualquer exame (Wells et al., 2003). O exemplo mais adiante mostra o que acontece com o mesmo exame em cada grupo.

Estimativa não é chute

Uma estimativa pode ser grosseira e ainda ser útil. Dizer "baixa", "intermediária" ou "alta" já muda a forma de ler um resultado, e com prática dá para chegar a faixas numéricas razoáveis. O que não funciona é pular essa etapa e deixar o exame decidir sozinho, porque, como mostram as próximas seções, o exame não tem como fazer isso.

Hipótese antes do exame

Na prática, a probabilidade pré-teste só existe para uma hipótese definida. Não se estima a probabilidade de "alguma coisa"; estima-se a probabilidade de trombose venosa profunda, de pneumonia, de infecção urinária. Por isso a lista de hipóteses vem antes do pedido de exames, e cada exame deveria responder a uma pergunta sobre uma hipótese da lista. Como montar e ordenar essa lista está no texto sobre raciocínio clínico.

De probabilidade a chance e de volta

A ferramenta que liga a probabilidade pré-teste ao resultado é a razão de verossimilhança. Ela é a proporção de doentes com um dado resultado dividida pela proporção de pessoas sem a doença com o mesmo resultado (Grimes e Schulz, 2005). Valores maiores que 1 indicam que o resultado se associa à presença da doença, e valores menores que 1, à ausência (Deeks e Altman, 2004).

A conta em três passos

A razão de verossimilhança não se aplica direto à probabilidade, e sim à chance (odds). A chance pré-teste multiplicada pela razão de verossimilhança dá a chance pós-teste, que depois volta a ser probabilidade (Deeks e Altman, 2004). Os três passos são:

1. Chance pré-teste = probabilidade ÷ (1 − probabilidade).
2. Chance pós-teste = chance pré-teste × razão de verossimilhança.
3. Probabilidade pós-teste = chance pós-teste ÷ (1 + chance pós-teste).

No exemplo do artigo de Deeks e Altman, fumar 40 maços-ano ou mais teve razão de verossimilhança de 20,4 para doença obstrutiva das vias aéreas (Deeks e Altman, 2004). Partindo de probabilidade de 0,1, a chance é 0,11; multiplicada por 20,4, fica em 2,27; e a probabilidade final é 0,69 (Deeks e Altman, 2004).

O mesmo resultado, três pontos de partida

Agora a mesma razão de verossimilhança de 20,4, do artigo de Deeks e Altman (Deeks e Altman, 2004), aplicada a outras probabilidades de partida. Os números abaixo são cálculo editorial, feito com a fórmula do artigo.

Probabilidade pré-teste e pós-teste	Conta pela chance (cálculo editorial)
De 1% para cerca de 17% (cálculo editorial com a razão de verossimilhança de Deeks e Altman, 2004)	Chance pré-teste 0,01 ÷ 0,99 = 0,0101; chance pós-teste 0,0101 × 20,4 = 0,206; probabilidade 0,206 ÷ 1,206 ≈ 0,17 (razão e fórmula de Deeks e Altman, 2004)
De 10% para cerca de 69% (o exemplo do próprio artigo de Deeks e Altman, 2004)	Chance pré-teste 0,1 ÷ 0,9 = 0,111; chance pós-teste 0,111 × 20,4 = 2,27; probabilidade 2,27 ÷ 3,27 ≈ 0,69 (razão e fórmula de Deeks e Altman, 2004)
De 50% para cerca de 95% (cálculo editorial com a razão de verossimilhança de Deeks e Altman, 2004)	Chance pré-teste 0,5 ÷ 0,5 = 1; chance pós-teste 1 × 20,4 = 20,4; probabilidade 20,4 ÷ 21,4 ≈ 0,95 (razão e fórmula de Deeks e Altman, 2004)

Cálculo editorial a partir da razão de verossimilhança e da fórmula de Deeks e Altman, 2004; os pontos de partida de 1% e 50% e os arredondamentos são do editor.

A lição da tabela: um resultado com razão de verossimilhança alta, considerada forte, ainda deixa a doença improvável quando a probabilidade de partida é muito baixa (cálculo editorial acima). É por isso que a mesma informação pode confirmar o diagnóstico em um paciente e só levantar uma dúvida em outro.

O nomograma de Fagan

Para evitar as conversões, existe um nomograma: uma régua com três colunas em que uma linha reta liga a probabilidade pré-teste à razão de verossimilhança e mostra a probabilidade pós-teste (Fagan, 1975). O artigo de Deeks e Altman traz o nomograma com o mesmo exemplo do tabagismo, de 0,1 para cerca de 0,7 (Deeks e Altman, 2004). Para o atalho mental sem nomograma, veja o método simplificado no texto sobre diagnóstico diferencial.

Força de uma razão de verossimilhança

Razões acima de 10 e abaixo de 0,1 são consideradas evidência forte para confirmar ou afastar um diagnóstico na maioria das situações (Deeks e Altman, 2004). Razões próximas de 1 pouco mudam a decisão, enquanto razões muito altas ou muito baixas mudam bastante a estimativa (Grimes e Schulz, 2005). "Forte" aqui é sempre relativo ao ponto de partida, como mostrou a tabela.

Resultados com vários níveis

Nem todo exame é positivo ou negativo. Exames com resultado em faixas podem ter uma razão de verossimilhança para cada faixa (Grimes e Schulz, 2005). No exemplo de Deeks e Altman, cada faixa de carga tabágica tem a sua razão: 20,4 para 40 maços-ano ou mais, 1,01 para 20 a 40 e 0,55 para até 20 (Deeks e Altman, 2004). Ler um valor muito alterado como igual a um levemente alterado joga fora informação.

O exemplo do dímero-D

O ensaio de Wells e colegas é um bom exemplo de probabilidade pré-teste na prática, porque mostra o mesmo exame em dois grupos com probabilidades de partida diferentes (Wells et al., 2003). Os números abaixo foram conferidos no texto completo do artigo.

O desenho do estudo

Pacientes ambulatoriais com suspeita de trombose venosa profunda nos membros inferiores foram classificados por um modelo clínico como prováveis (pontuação de 2 ou mais) ou improváveis (menos de 2) e sorteados para ultrassonografia isolada ou dímero-D seguido de ultrassonografia (Wells et al., 2003). No grupo do dímero-D, quem era improvável e teve dímero-D negativo não fez ultrassonografia (Wells et al., 2003).

A probabilidade de partida em cada grupo

Entre os 1.082 pacientes que completaram o seguimento, a prevalência de trombose venosa profunda proximal ou embolia pulmonar foi de 15,7% (Wells et al., 2003). No grupo provável, foi de 27,9%; no improvável, de 5,5% (Wells et al., 2003). Dentro do braço do dímero-D, as proporções foram de 28,7% entre os prováveis e 5,1% entre os improváveis (Wells et al., 2003).

O mesmo exame, dois resultados

Grupo (braço do dímero-D)	Probabilidade de partida	Valor preditivo negativo	Valor preditivo positivo
Improvável	5,1% (Wells et al., 2003)	99,1% (Wells et al., 2003)	14,1% (Wells et al., 2003)
Provável	28,7% (Wells et al., 2003)	89,0% (Wells et al., 2003)	38,6% (Wells et al., 2003)

Fonte de todos os números da tabela: Wells et al., 2003.

No grupo improvável, o valor preditivo negativo foi de 99,1% e o positivo, de 14,1% (Wells et al., 2003). No grupo provável, o negativo foi de 89,0% e o positivo, de 38,6% (Wells et al., 2003). Lido de outro jeito (cálculo editorial: 100% menos o valor preditivo negativo de Wells et al., 2003), depois de um dímero-D negativo restavam cerca de 0,9% de doença no grupo improvável e cerca de 11% no provável.

Esse é o centro da probabilidade pré-teste: o mesmo exame negativo quase afastou a doença em quem já partia baixo e deixou uma chance em cerca de nove em quem partia alto (cálculo editorial a partir de Wells et al., 2003). Não por acaso, o protocolo do estudo pedia ultrassonografia para todo paciente provável, com ou sem dímero-D negativo (Wells et al., 2003).

O que o artigo não informa

O artigo de Wells e colegas não informa a sensibilidade nem a especificidade do dímero-D nesta amostra. Ele traz a prevalência por grupo e os valores preditivos, e cita que os dois testes usados tinham valores preditivos negativos semelhantes em estudo anterior dos autores (Wells et al., 2003). Por isso, este texto não atribui números de sensibilidade ou especificidade ao estudo.

Razões de verossimilhança implícitas (cálculo editorial)

Dá para estimar, de forma aproximada, a razão de verossimilhança que levaria da probabilidade de partida à probabilidade final em cada grupo. Este é um cálculo editorial, com os números de Wells et al. (2003), e não um resultado publicado pelo artigo.

• Improvável, dímero-D negativo: chance pré-teste 0,051 ÷ 0,949 ≈ 0,054; chance pós-teste 0,009 ÷ 0,991 ≈ 0,009; razão implícita 0,009 ÷ 0,054 ≈ 0,17 (cálculo editorial com os números de Wells et al., 2003 e a fórmula de Deeks e Altman, 2004).
• Improvável, dímero-D positivo: chance pós-teste 0,141 ÷ 0,859 ≈ 0,164; razão implícita 0,164 ÷ 0,054 ≈ 3,1 (cálculo editorial com os números de Wells et al., 2003 e a fórmula de Deeks e Altman, 2004).
• Provável, dímero-D negativo: chance pré-teste 0,287 ÷ 0,713 ≈ 0,40; chance pós-teste 0,11 ÷ 0,89 ≈ 0,12; razão implícita 0,12 ÷ 0,40 ≈ 0,31 (cálculo editorial com os números de Wells et al., 2003 e a fórmula de Deeks e Altman, 2004).
• Provável, dímero-D positivo: chance pós-teste 0,386 ÷ 0,614 ≈ 0,63; razão implícita 0,63 ÷ 0,40 ≈ 1,6 (cálculo editorial com os números de Wells et al., 2003 e a fórmula de Deeks e Altman, 2004).

As razões implícitas diferem entre os grupos (cálculo editorial acima). Uma explicação possível é que a capacidade de um exame de separar doentes de não doentes pode variar com o tipo de paciente avaliado, o chamado viés de espectro, que é uma das ressalvas apontadas para estudos de acurácia (Pewsner et al., 2004). A lição para o estudo é dupla: a probabilidade de partida pesa, e o desempenho de um exame depende do grupo em que foi medido.

O ganho prático

Usar a probabilidade pré-teste junto com o dímero-D reduziu a média de ultrassonografias por paciente de 1,34 para 0,78 (Wells et al., 2003). Duzentos e dezoito pacientes do grupo do dímero-D, 38,8% dos que completaram o seguimento, não precisaram de ultrassonografia (Wells et al., 2003). Entre os pacientes do grupo do dímero-D em que a trombose foi afastada pela estratégia inicial, 0,4% tiveram evento tromboembólico em três meses, contra 1,4% no grupo controle, diferença sem significância estatística (Wells et al., 2003).

Sensibilidade, especificidade e valores preditivos

Sensibilidade e especificidade descrevem como a presença ou a ausência da doença prevê o resultado do exame; elas não dizem, sozinhas, a probabilidade de doença diante de um resultado (Deeks e Altman, 2004). Os valores preditivos dão essa probabilidade, mas dependem da prevalência no grupo estudado (Deeks e Altman, 2004). A razão de verossimilhança junta as duas coisas: vem do desempenho do exame e se aplica à probabilidade do seu paciente.

Por que o valor preditivo não viaja

O exemplo do dímero-D mostrou isso na prática: o mesmo exame teve valores preditivos bem diferentes nos grupos provável e improvável (Wells et al., 2003). Um valor preditivo publicado vale para pacientes parecidos com os do estudo. Se o seu paciente parte de uma probabilidade bem diferente, o valor preditivo do artigo não é o dele.

SnNOut e SpPIn com cuidado

Duas regras de memória são populares: exame muito sensível, quando negativo, afasta a doença (SnNOut); exame muito específico, quando positivo, confirma (SpPIn) (Pewsner et al., 2004). Pewsner e colegas mostram que o poder de afastar não depende só da sensibilidade e cai quando a especificidade é baixa; do mesmo modo, o poder de confirmar depende das duas medidas (Pewsner et al., 2004). Os autores recomendam avaliar criticamente os estudos de acurácia e calcular probabilidades pós-teste, com intervalos de confiança, antes de tratar um exame como SnNOut ou SpPIn (Pewsner et al., 2004).

Combinar exame e clínica

As razões de verossimilhança dos exames complementares, quando somadas a uma boa avaliação clínica, melhoram a acurácia diagnóstica de forma sinérgica (Grimes e Schulz, 2005). Na prática, isso quer dizer que o exame não substitui a história e o exame físico: ele parte do ponto em que eles deixaram a probabilidade.

Quando o exame não muda a conduta

Um exame vale a pena quando o resultado pode mudar o que você faz. Pauker e Kassirer descreveram dois limiares de probabilidade para essa decisão: o limiar de teste e o limiar de teste e tratamento (Pauker e Kassirer, 1980).

Os dois limiares

Se a probabilidade de doença está abaixo do limiar de teste, não se trata e não se testa; se está acima do limiar de teste e tratamento, trata-se sem novos exames; o exame só deve ser feito entre os dois limiares (Pauker e Kassirer, 1980). Os valores dos limiares dependem da confiabilidade e dos riscos do exame e dos benefícios e riscos do tratamento (Pauker e Kassirer, 1980).

Um exemplo publicado de limiar

Kline e colegas estimaram em 1,8% o limiar de teste para pedir dímero-D na suspeita de embolia pulmonar, usando o método de Pauker e Kassirer (Kline et al., 2004). Com oito critérios clínicos, entre eles idade abaixo de 50 anos e pulso abaixo de 100 batimentos por minuto, os autores derivaram uma regra para justificar não pedir o exame (Kline et al., 2004). Entre os pacientes de baixo risco que cumpriam todos os critérios, a prevalência de embolia pulmonar foi de 1,4%, abaixo do limiar (Kline et al., 2004).

Os próprios autores apontam a limitação: a especificidade da regra foi de 27% no grupo de baixo risco e de 15% no de muito baixo risco (Kline et al., 2004). O valor do exemplo, para quem estuda, é mostrar o raciocínio: quando a probabilidade já está abaixo do limiar de teste, o resultado do exame não deveria mudar a conduta.

A busca pela certeza

Kassirer apontou a busca teimosa pela certeza diagnóstica como uma causa de excesso de exames e lembrou que a tarefa é reduzir a incerteza o bastante para decidir, e não eliminá-la (Kassirer, 1989). Numa meta-análise de 15 anos de estudos, a taxa média de uso excessivo de exames laboratoriais foi de 20,6% (Zhi et al., 2013). A mesma meta-análise encontrou subutilização média de 44,8%, o que lembra que o problema também é deixar de pedir o exame que mudaria a conduta (Zhi et al., 2013).

Perguntas antes de pedir

Uma forma simples de aplicar os limiares no estágio, como orientação editorial:

1. Qual hipótese este exame vai testar?
2. Qual é a minha probabilidade pré-teste para ela, mesmo em faixa?
3. Se o resultado vier positivo, o que eu faço? E se vier negativo?
4. Se as duas respostas forem iguais, o exame não muda a conduta.

Orientação editorial; a decisão de pedir ou não um exame é sempre do médico responsável pelo paciente.

Por que erramos a estimativa

Estimar probabilidade é difícil, e os estudos mostram que o erro é comum mesmo entre profissionais formados.

Superestimar antes e depois

Num levantamento com 553 profissionais de ambulatórios em oito estados americanos, com cenários comuns na atenção primária, a probabilidade pré-teste foi superestimada em todos os quatro cenários apresentados (Morgan et al., 2021). Após radiografia positiva para pneumonia, a probabilidade estimada foi de 95%, contra 46% a 65% na evidência (Morgan et al., 2021). Após mamografia positiva, a estimativa foi de 50%, contra 3% a 9% na evidência (Morgan et al., 2021). Os autores sugerem que essas superestimativas contribuem para sobrediagnóstico e uso excessivo de exames (Morgan et al., 2021).

A pergunta clássica do falso positivo

Em 1978, Casscells e colegas perguntaram a médicos, residentes e estudantes qual a chance de doença após um exame positivo, numa doença com prevalência de 1 em 1.000 e taxa de falso positivo de 5% (Manrai et al., 2014). Ao repetir a mesma pergunta em 2013, Manrai e colegas encontraram 23% de respostas corretas, sem diferença significativa em relação aos 18% do estudo original (Manrai et al., 2014). A resposta mais comum nos dois estudos foi 95%, dada por 44% dos participantes em 2013 (Manrai et al., 2014).

A conta, como cálculo editorial com a prevalência e a taxa de falso positivo da pergunta relatada por Manrai et al., 2014 e supondo que o exame detecte todo doente: em 1.000 pessoas, 1 tem a doença e testa positivo; das 999 sem a doença, cerca de 5%, ou 50, testam positivo; então 1 em cerca de 51 positivos tem a doença, perto de 2%, a mesma resposta que Manrai e colegas consideraram correta (Manrai et al., 2014). A distância entre a resposta mais comum, 95%, e a correta, perto de 2%, é a distância entre ignorar e considerar a probabilidade pré-teste (Manrai et al., 2014).

Frequências naturais ajudam

Trocar porcentagens por contagens, como no cálculo acima, facilita o raciocínio. Num estudo com 48 médicos, o valor preditivo positivo foi estimado corretamente em 10% das vezes quando a informação veio em probabilidades, e em 46% quando veio em frequências naturais (Hoffrage e Gigerenzer, 1998). Pensar "em cada 1.000 pacientes como este" é uma ferramenta simples para o estágio.

Estimativas muito diferentes para o mesmo caso

Num estudo com residentes e professores de emergência e de clínica médica, as estimativas de probabilidade pré-teste para o mesmo caso escrito variaram muito; num dos casos, as respostas foram de 3% a 98% (Phelps e Levitt, 2004). Os autores alertam que essa variação pode limitar a consistência das probabilidades pós-teste calculadas com razões de verossimilhança (Phelps e Levitt, 2004). Por isso, sempre que existir, uma regra de predição validada ou um dado de prevalência local ajuda a ancorar a estimativa.

Erros que valem evitar

• Esquecer o ponto de partida: ler o resultado como se ele bastasse.
• Usar o valor preditivo de outro grupo: aplicar o número do artigo a um paciente bem diferente dos estudados.
• Tratar resultado de faixa como binário: perder a informação de quão alterado veio o exame.
• Confiar demais na regra de memória: aplicar SnNOut a um exame com especificidade baixa.
• Pedir exame que não muda a conduta: quando qualquer resultado leva à mesma decisão.

Como treinar a estimativa

A estimativa melhora com repetição e retorno, como qualquer habilidade do raciocínio clínico. O ponto central é escrever um número antes de ver o resultado e comparar depois.

No estágio

Antes de olhar um exame, diga para si mesmo a hipótese principal e uma faixa de probabilidade. Depois do resultado, refaça a estimativa e veja se a mudança combina com a força do exame. Quando houver uma regra de predição validada para a situação, compare a sua estimativa com a da regra. Discuta com o residente ou o preceptor não só o diagnóstico, mas a probabilidade que cada um tinha antes do exame.

Com casos de treino

Casos em etapas são bons para esse exercício porque os dados chegam aos poucos, como na enfermaria. A cada nova informação, anote a hipótese principal e a probabilidade que você atribui a ela; no fim, veja em que momento a estimativa mudou e por quê.

Treinar no NEXO

No NEXO, cada caso chega em até seis pistas, e esse formato é um bom campo para treinar a probabilidade pré-teste: a cada pista você formula hipóteses e pode estimar quanto confia na principal antes da próxima. Cada palpite mostra a proximidade na CID-10 em cinco níveis, o que diz se a sua hipótese estava no grupo certo de doenças. Na terceira pista aparece a área do caso e, na quinta, a faixa da CID; você pode pular uma pista quando quiser avançar.

Um exercício simples para fazer no Diário, com o caso do dia, o mesmo para todo mundo: antes de cada palpite, escreva sua hipótese e uma faixa de probabilidade; no fim, compare com a turma em que pista cada um ficou mais confiante. O Arquivo reúne os casos anteriores, o Multimídia traz casos com imagem e áudio, e o Continentes, casos ligados a África, Américas, Ásia, Europa e Oceania, onde a epidemiologia muda a probabilidade de partida. O Adrenalina, com a dose escolhida antes, treina a estimativa com tempo.

O botão do Anki cria o card direto do NEXO e abre no app do Anki, busca os cards que você já tem e, quando o caso tem imagem, leva a imagem para o card; vale guardar o achado que mais mudou a sua estimativa. Para entender os limites de cada modo, veja a página de economia do NEXO. Para conhecer o jogo, leia o que é o NEXO.

Com a turma

O ranking tem as abas Global, Universidades e Grupo, esta com código de convite. Com a liga ou a turma jogando o mesmo caso, comparar as estimativas mostra na prática a variação que os estudos descrevem e ajuda cada um a calibrar o próprio número. Se você coordena uma faculdade, liga ou residência e quer usar casos assim no ensino, conheça o NEXO Closer. Pesquisadores que queiram estudar como estudantes calibram a estimativa podem conhecer o NEXO Researcher, médicos que queiram revisar casos, o NEXO Curator, e quem produz conteúdo de Medicina, o NEXO Creators.

Perguntas frequentes

O que é probabilidade pré-teste?

É a estimativa de que o paciente tem uma doença antes do resultado de um exame, baseada na história, no exame físico, na epidemiologia e, quando existem, em regras de predição validadas. Depois do exame, ela é atualizada e vira a probabilidade pós-teste.

Como calcular a probabilidade pós-teste?

Converta a probabilidade pré-teste em chance, multiplique pela razão de verossimilhança do resultado e converta de volta em probabilidade (Deeks e Altman, 2004). O nomograma de Fagan faz a mesma conta sem cálculo (Fagan, 1975).

Por que o mesmo exame positivo significa coisas diferentes?

Porque o resultado multiplica a chance que já existia. Com a mesma razão de verossimilhança de 20,4, uma probabilidade de 10% vai a cerca de 69% (Deeks e Altman, 2004), enquanto uma de 1% vai a cerca de 17% (cálculo editorial com a mesma fórmula).

Qual a diferença entre valor preditivo e razão de verossimilhança?

O valor preditivo já é uma probabilidade de doença, mas depende da prevalência do grupo em que foi medido (Deeks e Altman, 2004). A razão de verossimilhança mede a força do resultado e pode ser aplicada à probabilidade do seu paciente.

O dímero-D negativo sempre afasta trombose?

No estudo de Wells e colegas, um dímero-D negativo afastou a trombose com segurança em pacientes clinicamente improváveis, mas não foi usado sozinho nos prováveis, que fizeram ultrassonografia (Wells et al., 2003). A decisão em cada paciente é do médico responsável.

Quando não vale a pena pedir um exame?

Quando a probabilidade está abaixo do limiar de teste ou acima do limiar de teste e tratamento, porque o resultado não muda a conduta (Pauker e Kassirer, 1980).

Como treinar a estimativa da probabilidade pré-teste?

Escreva uma faixa de probabilidade antes de cada resultado e compare depois. Casos em etapas, como os do NEXO com até seis pistas, ajudam a praticar a formulação de hipóteses e a estimativa a cada nova informação.

Checklist para interpretar um exame

1. Defina a hipótese que o exame vai testar.
2. Estime a probabilidade pré-teste, nem que seja em faixa.
3. Procure uma regra de predição validada para a situação.
4. Pergunte se o resultado muda a conduta, positivo ou negativo.
5. Use a razão de verossimilhança, não só a sensibilidade ou a especificidade.
6. Faça a conta pela chance ou use o nomograma.
7. Leia resultados em faixa pelo nível, não só como positivo ou negativo.
8. Pense em frequências naturais: em cada 1.000 pacientes como este.
9. Confira se o estudo do exame tinha pacientes parecidos com o seu.
10. Compare sua estimativa com a de colegas e com o desfecho do caso.

Quer treinar hoje? Jogue o caso do dia no NEXO.

Referências

1. Kassirer JP. Our stubborn quest for diagnostic certainty. A cause of excessive testing. N Engl J Med. 1989. https://doi.org/10.1056/NEJM198906013202211
2. Wells PS, Anderson DR, Rodger M, et al. Evaluation of D-dimer in the diagnosis of suspected deep-vein thrombosis. N Engl J Med. 2003. https://doi.org/10.1056/NEJMoa023153
3. Grimes DA, Schulz KF. Refining clinical diagnosis with likelihood ratios. Lancet. 2005. https://pubmed.ncbi.nlm.nih.gov/15850636/
4. Deeks JJ, Altman DG. Diagnostic tests 4: likelihood ratios. BMJ. 2004. https://pubmed.ncbi.nlm.nih.gov/15258077/
5. Fagan TJ. Letter: Nomogram for Bayes's theorem. N Engl J Med. 1975. https://pubmed.ncbi.nlm.nih.gov/1143310/
6. Pewsner D, Battaglia M, Minder C, et al. Ruling a diagnosis in or out with "SpPIn" and "SnNOut": a note of caution. BMJ. 2004. https://pubmed.ncbi.nlm.nih.gov/15271832/
7. Pauker SG, Kassirer JP. The threshold approach to clinical decision making. N Engl J Med. 1980. https://pubmed.ncbi.nlm.nih.gov/7366635/
8. Kline JA, Mitchell AM, Kabrhel C, et al. Clinical criteria to prevent unnecessary diagnostic testing in emergency department patients with suspected pulmonary embolism. J Thromb Haemost. 2004. https://pubmed.ncbi.nlm.nih.gov/15304025/
9. Zhi M, Ding EL, Theisen-Toupal J, et al. The landscape of inappropriate laboratory testing: a 15-year meta-analysis. PLoS One. 2013. https://pubmed.ncbi.nlm.nih.gov/24260139/
10. Morgan DJ, Pineles L, Owczarzak J, et al. Accuracy of Practitioner Estimates of Probability of Diagnosis Before and After Testing. JAMA Intern Med. 2021. https://pubmed.ncbi.nlm.nih.gov/33818595/
11. Manrai AK, Bhatia G, Strymish J, et al. Medicine's uncomfortable relationship with math: calculating positive predictive value. JAMA Intern Med. 2014. https://pubmed.ncbi.nlm.nih.gov/24756486/
12. Hoffrage U, Gigerenzer G. Using natural frequencies to improve diagnostic inferences. Acad Med. 1998. https://pubmed.ncbi.nlm.nih.gov/9609869/
13. Phelps MA, Levitt MA. Pretest probability estimates: a pitfall to the clinical utility of evidence-based medicine? Acad Emerg Med. 2004. https://pubmed.ncbi.nlm.nih.gov/15175211/