Probabilidad preprueba: interpretar exámenes

Un examen da positivo y la primera reacción es tratar el resultado como diagnóstico. En el escenario, sin embargo, el mismo dímero D positivo puede significar cosas muy diferentes en dos pacientes, y el mismo examen negativo puede cerrar la investigación en un caso y no decir casi nada en el otro. La diferencia está en lo que pensabas antes de pedir el examen.

NEXO es un juego diario de diagnóstico médico: un caso clínico por día, seis pistas progresivas y retroalimentación por proximidad en la CIE-10 en cinco niveles.

Este texto explica la probabilidad preprueba y cómo cambia la interpretación de los exámenes: la cuenta con probabilidad y razón de verosimilitud, un ejemplo con el dímero D en la sospecha de trombosis venosa profunda, los umbrales que dicen cuándo un examen cambia la conducta y los errores más comunes de estimación. El atajo para usar razones de verosimilitud de cabeza y el uso de hallazgos de la historia y del examen físico como pruebas están en el texto sobre diagnóstico diferencial con pistas; aquí el foco es el paso siguiente, el examen complementario.

Puntos principales

• La probabilidad preprueba es la probabilidad de que la enfermedad esté presente antes del examen, estimada por la historia, el examen físico y la epidemiología.
• El resultado de un examen no dice si la enfermedad existe; multiplica la probabilidad que ya tenías por la razón de verosimilitud del resultado.
• El mismo resultado lleva a probabilidades finales muy diferentes según la probabilidad de partida.
• Los valores predictivos dependen de la prevalencia del grupo estudiado; la sensibilidad y la especificidad por sí solas no dicen la probabilidad de enfermedad en tu paciente.
• Un examen solo ayuda cuando la probabilidad está entre dos umbrales: por debajo del primero, no vale la pena hacer la prueba; por encima del segundo, ya se trata.
• Los profesionales tienden a sobreestimar la probabilidad antes y después de los exámenes, y entrenar la estimación es parte del razonamiento clínico.

Sumario

• Qué es la probabilidad preprueba
• De probabilidad a momio y de vuelta
• El ejemplo del dímero D
• Sensibilidad, especificidad y valores predictivos
• Cuándo el examen no cambia la conducta
• Por qué nos equivocamos en la estimación
• Cómo entrenar la estimación
• Preguntas frecuentes
• Lista de verificación para interpretar un examen

Qué es la probabilidad preprueba

La probabilidad preprueba es tu estimación de que el paciente tiene una enfermedad antes de conocer el resultado de un examen. Nace de lo que ya sabes: edad, sexo, contexto, síntomas, hallazgos del examen físico y la frecuencia de la enfermedad en el lugar donde atiendes. Después del examen, esa estimación se actualiza y se convierte en la probabilidad posprueba.

El diagnóstico, en esta visión, es una hipótesis, y la certeza absoluta no es alcanzable por más exámenes que se pidan (Kassirer, 1989). La tarea es reducir la incertidumbre lo suficiente para tomar la mejor decisión terapéutica (Kassirer, 1989). Pensar en probabilidad preprueba es la forma práctica de saber cuánta incertidumbre existe y cuánto puede reducirla un examen.

De dónde viene la estimación

Hay tres fuentes principales. La primera es la prevalencia en el contexto: la misma queja tiene distribuciones diferentes de enfermedades en la atención primaria, en urgencias y en la sala de un hospital terciario. La segunda son los hallazgos del propio paciente, cada uno con su peso. La tercera son las reglas de predicción clínica, que juntan varios hallazgos en una puntuación y fueron validadas en grupos de pacientes.

Cuando existe una regla validada, suele ser el ancla más segura. En el estudio de Wells y colegas, los médicos usaron un modelo clínico para clasificar pacientes con sospecha de trombosis venosa profunda como probables o improbables antes de cualquier examen (Wells et al., 2003). El ejemplo más adelante muestra qué pasa con el mismo examen en cada grupo.

Estimar no es adivinar

Una estimación puede ser burda y aun así ser útil. Decir "baja", "intermedia" o "alta" ya cambia la forma de leer un resultado, y con práctica se puede llegar a rangos numéricos razonables. Lo que no funciona es saltarse ese paso y dejar que el examen decida solo, porque, como muestran las próximas secciones, el examen no tiene cómo hacerlo.

Hipótesis antes del examen

En la práctica, la probabilidad preprueba solo existe para una hipótesis definida. No se estima la probabilidad de "algo"; se estima la probabilidad de trombosis venosa profunda, de neumonía, de infección urinaria. Por eso la lista de hipótesis viene antes de la solicitud de exámenes, y cada examen debería responder a una pregunta sobre una hipótesis de la lista. Cómo armar y ordenar esa lista está en el texto sobre razonamiento clínico.

De probabilidad a chance y de vuelta

La herramienta que conecta la probabilidad preprueba con el resultado es la razón de verosimilitud. Es la proporción de enfermos con un resultado dado dividida por la proporción de personas sin la enfermedad con el mismo resultado (Grimes y Schulz, 2005). Los valores mayores que 1 indican que el resultado se asocia con la presencia de la enfermedad, y los valores menores que 1, con la ausencia (Deeks y Altman, 2004).

La cuenta en tres pasos

La razón de verosimilitud no se aplica directo a la probabilidad, sino a la chance (odds). La chance preprueba multiplicada por la razón de verosimilitud da la chance posprueba, que después vuelve a ser probabilidad (Deeks y Altman, 2004). Los tres pasos son:

1. Chance preprueba = probabilidad ÷ (1 − probabilidad).
2. Chance posprueba = chance preprueba × razón de verosimilitud.
3. Probabilidad posprueba = chance posprueba ÷ (1 + chance posprueba).

En el ejemplo del artículo de Deeks y Altman, fumar 40 paquetes-año o más tuvo una razón de verosimilitud de 20,4 para enfermedad obstructiva de las vías respiratorias (Deeks y Altman, 2004). Partiendo de una probabilidad de 0,1, la chance es 0,11; multiplicada por 20,4, queda en 2,27; y la probabilidad final es 0,69 (Deeks y Altman, 2004).

El mismo resultado, tres puntos de partida

Ahora la misma razón de verosimilitud de 20,4, del artículo de Deeks y Altman (Deeks y Altman, 2004), aplicada a otras probabilidades de partida. Los números de abajo son cálculo editorial, hecho con la fórmula del artículo.

Probabilidad preprueba y posprueba	Cuenta por la chance (cálculo editorial)
De 1% a cerca de 17% (cálculo editorial con la razón de verosimilitud de Deeks y Altman, 2004)	Chance preprueba 0,01 ÷ 0,99 = 0,0101; chance posprueba 0,0101 × 20,4 = 0,206; probabilidad 0,206 ÷ 1,206 ≈ 0,17 (razón y fórmula de Deeks y Altman, 2004)
De 10% a cerca de 69% (el ejemplo del propio artículo de Deeks y Altman, 2004)	Chance preprueba 0,1 ÷ 0,9 = 0,111; chance posprueba 0,111 × 20,4 = 2,27; probabilidad 2,27 ÷ 3,27 ≈ 0,69 (razón y fórmula de Deeks y Altman, 2004)
De 50% a cerca de 95% (cálculo editorial con la razón de verosimilitud de Deeks y Altman, 2004)	Chance preprueba 0,5 ÷ 0,5 = 1; chance posprueba 1 × 20,4 = 20,4; probabilidad 20,4 ÷ 21,4 ≈ 0,95 (razón y fórmula de Deeks y Altman, 2004)

Cálculo editorial a partir de la razón de verosimilitud y de la fórmula de Deeks y Altman, 2004; los puntos de partida de 1% y 50% y los redondeos son del editor.

La lección de la tabla: un resultado con razón de verosimilitud alta, considerada fuerte, todavía deja la enfermedad improbable cuando la probabilidad de partida es muy baja (cálculo editorial de arriba). Es por eso que la misma información puede confirmar el diagnóstico en un paciente y solo plantear una duda en otro.

El nomograma de Fagan

Para evitar las conversiones, existe un nomograma: una regla con tres columnas en la que una línea recta conecta la probabilidad preprueba con la razón de verosimilitud y muestra la probabilidad posprueba (Fagan, 1975). El artículo de Deeks y Altman trae el nomograma con el mismo ejemplo del tabaquismo, de 0,1 a cerca de 0,7 (Deeks y Altman, 2004). Para el atajo mental sin nomograma, vea el método simplificado en el texto sobre diagnóstico diferencial.

Fuerza de una razón de verosimilitud

Las razones por encima de 10 y por debajo de 0,1 se consideran evidencia fuerte para confirmar o descartar un diagnóstico en la mayoría de las situaciones (Deeks y Altman, 2004). Las razones cercanas a 1 poco cambian la decisión, mientras que las razones muy altas o muy bajas cambian bastante la estimación (Grimes y Schulz, 2005). "Fuerte" aquí es siempre relativo al punto de partida, como mostró la tabla.

Resultados con varios niveles

No todo examen es positivo o negativo. Los exámenes con resultado en rangos pueden tener una razón de verosimilitud para cada rango (Grimes y Schulz, 2005). En el ejemplo de Deeks y Altman, cada rango de carga tabáquica tiene la suya: 20,4 para 40 paquetes-año o más, 1,01 para 20 a 40 y 0,55 para hasta 20 (Deeks y Altman, 2004). Leer un valor muy alterado como igual a uno levemente alterado desperdicia información.

El ejemplo del dímero D

El ensayo de Wells y colegas es un buen ejemplo de probabilidad pretest en la práctica, porque muestra el mismo examen en dos grupos con probabilidades de partida diferentes (Wells et al., 2003). Los números de abajo fueron verificados en el texto completo del artículo.

El diseño del estudio

Pacientes ambulatorios con sospecha de trombosis venosa profunda en los miembros inferiores fueron clasificados por un modelo clínico como probables (puntuación de 2 o más) o improbables (menos de 2) y asignados al azar a ecografía aislada o dímero D seguido de ecografía (Wells et al., 2003). En el grupo del dímero D, quien era improbable y tuvo dímero D negativo no se hizo ecografía (Wells et al., 2003).

La probabilidad de partida en cada grupo

Entre los 1.082 pacientes que completaron el seguimiento, la prevalencia de trombosis venosa profunda proximal o embolia pulmonar fue de 15,7% (Wells et al., 2003). En el grupo probable, fue de 27,9%; en el improbable, de 5,5% (Wells et al., 2003). Dentro del brazo del dímero D, las proporciones fueron de 28,7% entre los probables y 5,1% entre los improbables (Wells et al., 2003).

El mismo examen, dos resultados

Grupo (brazo del dímero D)	Probabilidad de partida	Valor predictivo negativo	Valor predictivo positivo
Improbable	5,1% (Wells et al., 2003)	99,1% (Wells et al., 2003)	14,1% (Wells et al., 2003)
Probable	28,7% (Wells et al., 2003)	89,0% (Wells et al., 2003)	38,6% (Wells et al., 2003)

Fuente de todos los números de la tabla: Wells et al., 2003.

En el grupo improbable, el valor predictivo negativo fue de 99,1% y el positivo, de 14,1% (Wells et al., 2003). En el grupo probable, el negativo fue de 89,0% y el positivo, de 38,6% (Wells et al., 2003). Leído de otra manera (cálculo editorial: 100% menos el valor predictivo negativo de Wells et al., 2003), después de un dímero D negativo quedaba cerca de 0,9% de enfermedad en el grupo improbable y cerca de 11% en el probable.

Ese es el centro de la probabilidad pretest: el mismo examen negativo casi descartó la enfermedad en quien ya partía bajo y dejó una probabilidad de alrededor de una en nueve en quien partía alto (cálculo editorial a partir de Wells et al., 2003). No por casualidad, el protocolo del estudio pedía ecografía para todo paciente probable, con o sin dímero D negativo (Wells et al., 2003).

Lo que el artículo no informa

El artículo de Wells y colegas no informa la sensibilidad ni la especificidad del dímero D en esta muestra. Trae la prevalencia por grupo y los valores predictivos, y cita que los dos exámenes usados tenían valores predictivos negativos similares en un estudio anterior de los autores (Wells et al., 2003). Por eso, este texto no atribuye números de sensibilidad o especificidad al estudio.

Razones de verosimilitud implícitas (cálculo editorial)

Se puede estimar, de forma aproximada, la razón de verosimilitud que llevaría de la probabilidad de partida a la probabilidad final en cada grupo. Este es un cálculo editorial, con los números de Wells et al. (2003), y no un resultado publicado por el artículo.

• Improbable, dímero D negativo: probabilidad pretest 0,051 ÷ 0,949 ≈ 0,054; probabilidad postest 0,009 ÷ 0,991 ≈ 0,009; razón implícita 0,009 ÷ 0,054 ≈ 0,17 (cálculo editorial con los números de Wells et al., 2003 y la fórmula de Deeks y Altman, 2004).
• Improbable, dímero D positivo: probabilidad postest 0,141 ÷ 0,859 ≈ 0,164; razón implícita 0,164 ÷ 0,054 ≈ 3,1 (cálculo editorial con los números de Wells et al., 2003 y la fórmula de Deeks y Altman, 2004).
• Probable, dímero D negativo: probabilidad pretest 0,287 ÷ 0,713 ≈ 0,40; probabilidad postest 0,11 ÷ 0,89 ≈ 0,12; razón implícita 0,12 ÷ 0,40 ≈ 0,31 (cálculo editorial con los números de Wells et al., 2003 y la fórmula de Deeks y Altman, 2004).
• Probable, dímero D positivo: probabilidad postest 0,386 ÷ 0,614 ≈ 0,63; razón implícita 0,63 ÷ 0,40 ≈ 1,6 (cálculo editorial con los números de Wells et al., 2003 y la fórmula de Deeks y Altman, 2004).

Las razones implícitas difieren entre los grupos (cálculo editorial anterior). Una explicación posible es que la capacidad de una prueba de separar enfermos de no enfermos puede variar con el tipo de paciente evaluado, el llamado sesgo de espectro, que es una de las objeciones señaladas para los estudios de exactitud (Pewsner et al., 2004). La lección para el estudio es doble: la probabilidad de partida pesa, y el desempeño de una prueba depende del grupo en que se midió.

La ganancia práctica

Usar la probabilidad pretest junto con el dímero D redujo el promedio de ecografías por paciente de 1,34 a 0,78 (Wells et al., 2003). Doscientos dieciocho pacientes del grupo del dímero D, 38,8% de los que completaron el seguimiento, no necesitaron ecografía (Wells et al., 2003). Entre los pacientes del grupo del dímero D en los que la trombosis fue descartada por la estrategia inicial, 0,4% tuvieron un evento tromboembólico en tres meses, frente a 1,4% en el grupo control, diferencia sin significancia estadística (Wells et al., 2003).

Sensibilidad, especificidad y valores predictivos

La sensibilidad y la especificidad describen cómo la presencia o la ausencia de la enfermedad predice el resultado de la prueba; no dicen, por sí solas, la probabilidad de enfermedad ante un resultado (Deeks y Altman, 2004). Los valores predictivos dan esa probabilidad, pero dependen de la prevalencia en el grupo estudiado (Deeks y Altman, 2004). La razón de verosimilitud junta las dos cosas: viene del desempeño de la prueba y se aplica a la probabilidad de su paciente.

Por qué el valor predictivo no viaja

El ejemplo del dímero D lo mostró en la práctica: la misma prueba tuvo valores predictivos muy diferentes en los grupos probable e improbable (Wells et al., 2003). Un valor predictivo publicado vale para pacientes parecidos a los del estudio. Si su paciente parte de una probabilidad muy diferente, el valor predictivo del artículo no es el suyo.

SnNOut y SpPIn con cuidado

Dos reglas mnemotécnicas son populares: una prueba muy sensible, cuando es negativa, descarta la enfermedad (SnNOut); una prueba muy específica, cuando es positiva, confirma (SpPIn) (Pewsner et al., 2004). Pewsner y colegas muestran que el poder de descartar no depende solo de la sensibilidad y cae cuando la especificidad es baja; del mismo modo, el poder de confirmar depende de las dos medidas (Pewsner et al., 2004). Los autores recomiendan evaluar críticamente los estudios de exactitud y calcular probabilidades postest, con intervalos de confianza, antes de tratar una prueba como SnNOut o SpPIn (Pewsner et al., 2004).

Combinar prueba y clínica

Las razones de verosimilitud de las pruebas complementarias, cuando se suman a una buena evaluación clínica, mejoran la exactitud diagnóstica de forma sinérgica (Grimes y Schulz, 2005). En la práctica, esto quiere decir que la prueba no sustituye la historia y el examen físico: parte del punto en que ellos dejaron la probabilidad.

Cuando la prueba no cambia la conducta

Una prueba vale la pena cuando el resultado puede cambiar lo que usted hace. Pauker y Kassirer describieron dos umbrales de probabilidad para esa decisión: el umbral de prueba y el umbral de prueba y tratamiento (Pauker y Kassirer, 1980).

Los dos umbrales

Si la probabilidad de enfermedad está por debajo del umbral de prueba, no se trata y no se prueba; si está por encima del umbral de prueba y tratamiento, se trata sin nuevas pruebas; la prueba solo debe hacerse entre los dos umbrales (Pauker y Kassirer, 1980). Los valores de los umbrales dependen de la confiabilidad y los riesgos de la prueba y de los beneficios y riesgos del tratamiento (Pauker y Kassirer, 1980).

Un ejemplo publicado de umbral

Kline y colegas estimaron en 1,8% el umbral de prueba para pedir dímero-D en la sospecha de embolia pulmonar, usando el método de Pauker y Kassirer (Kline et al., 2004). Con ocho criterios clínicos, entre ellos edad por debajo de 50 años y pulso por debajo de 100 latidos por minuto, los autores derivaron una regla para justificar no pedir el examen (Kline et al., 2004). Entre los pacientes de bajo riesgo que cumplían todos los criterios, la prevalencia de embolia pulmonar fue de 1,4%, por debajo del umbral (Kline et al., 2004).

Los propios autores señalan la limitación: la especificidad de la regla fue de 27% en el grupo de bajo riesgo y de 15% en el de muy bajo riesgo (Kline et al., 2004). El valor del ejemplo, para quien estudia, es mostrar el razonamiento: cuando la probabilidad ya está por debajo del umbral de prueba, el resultado del examen no debería cambiar la conducta.

La búsqueda de la certeza

Kassirer señaló la búsqueda obstinada de la certeza diagnóstica como una causa de exceso de exámenes y recordó que la tarea es reducir la incertidumbre lo suficiente para decidir, y no eliminarla (Kassirer, 1989). En un metaanálisis de 15 años de estudios, la tasa media de uso excesivo de exámenes de laboratorio fue de 20,6% (Zhi et al., 2013). El mismo metaanálisis encontró subutilización media de 44,8%, lo que recuerda que el problema también es dejar de pedir el examen que cambiaría la conducta (Zhi et al., 2013).

Preguntas antes de pedir

Una forma simple de aplicar los umbrales en el internado, como orientación editorial:

1. ¿Qué hipótesis va a probar este examen?
2. ¿Cuál es mi probabilidad pretest para ella, aunque sea en rango?
3. Si el resultado viene positivo, ¿qué hago? ¿Y si viene negativo?
4. Si las dos respuestas son iguales, el examen no cambia la conducta.

Orientación editorial; la decisión de pedir o no un examen es siempre del médico responsable del paciente.

Por qué erramos la estimación

Estimar probabilidad es difícil, y los estudios muestran que el error es común incluso entre profesionales formados.

Sobreestimar antes y después

En una encuesta con 553 profesionales de consultorios externos en ocho estados americanos, con escenarios comunes en la atención primaria, la probabilidad pretest fue sobreestimada en los cuatro escenarios presentados (Morgan et al., 2021). Tras radiografía positiva para neumonía, la probabilidad estimada fue de 95%, contra 46% a 65% en la evidencia (Morgan et al., 2021). Tras mamografía positiva, la estimación fue de 50%, contra 3% a 9% en la evidencia (Morgan et al., 2021). Los autores sugieren que esas sobreestimaciones contribuyen al sobrediagnóstico y al uso excesivo de exámenes (Morgan et al., 2021).

La pregunta clásica del falso positivo

En 1978, Casscells y colegas preguntaron a médicos, residentes y estudiantes cuál era la probabilidad de enfermedad tras un examen positivo, en una enfermedad con prevalencia de 1 en 1.000 y tasa de falso positivo de 5% (Manrai et al., 2014). Al repetir la misma pregunta en 2013, Manrai y colegas encontraron 23% de respuestas correctas, sin diferencia significativa en relación con el 18% del estudio original (Manrai et al., 2014). La respuesta más común en los dos estudios fue 95%, dada por 44% de los participantes en 2013 (Manrai et al., 2014).

La cuenta, como cálculo editorial con la prevalencia y la tasa de falso positivo de la pregunta relatada por Manrai et al., 2014 y suponiendo que el examen detecte a todo enfermo: en 1.000 personas, 1 tiene la enfermedad y da positivo; de las 999 sin la enfermedad, cerca de 5%, o 50, dan positivo; entonces 1 de cada 51 positivos tiene la enfermedad, cerca de 2%, la misma respuesta que Manrai y colegas consideraron correcta (Manrai et al., 2014). La distancia entre la respuesta más común, 95%, y la correcta, cerca de 2%, es la distancia entre ignorar y considerar la probabilidad pretest (Manrai et al., 2014).

Las frecuencias naturales ayudan

Cambiar porcentajes por conteos, como en el cálculo de arriba, facilita el razonamiento. En un estudio con 48 médicos, el valor predictivo positivo se estimó correctamente en 10% de las veces cuando la información vino en probabilidades, y en 46% cuando vino en frecuencias naturales (Hoffrage y Gigerenzer, 1998). Pensar "de cada 1.000 pacientes como este" es una herramienta simple para el internado.

Estimaciones muy diferentes para el mismo caso

En un estudio con residentes y profesores de emergencia y de clínica médica, las estimaciones de probabilidad pretest para el mismo caso escrito variaron mucho; en uno de los casos, las respuestas fueron del 3% al 98% (Phelps y Levitt, 2004). Los autores advierten que esa variación puede limitar la consistencia de las probabilidades postest calculadas con razones de verosimilitud (Phelps y Levitt, 2004). Por eso, siempre que exista, una regla de predicción validada o un dato de prevalencia local ayuda a anclar la estimación.

Errores que conviene evitar

• Olvidar el punto de partida: leer el resultado como si fuera suficiente.
• Usar el valor predictivo de otro grupo: aplicar el número del artículo a un paciente muy distinto de los estudiados.
• Tratar un resultado de rango como binario: perder la información de cuánto alterado vino el examen.
• Confiar demasiado en la regla mnemotécnica: aplicar SnNOut a un examen con especificidad baja.
• Pedir un examen que no cambia la conducta: cuando cualquier resultado lleva a la misma decisión.

Cómo entrenar la estimación

La estimación mejora con repetición y retroalimentación, como cualquier habilidad del razonamiento clínico. El punto central es escribir un número antes de ver el resultado y comparar después.

En el internado

Antes de mirar un examen, dígase a sí mismo la hipótesis principal y un rango de probabilidad. Después del resultado, rehaga la estimación y vea si el cambio coincide con la fuerza del examen. Cuando haya una regla de predicción validada para la situación, compare su estimación con la de la regla. Discuta con el residente o el tutor no solo el diagnóstico, sino la probabilidad que cada uno tenía antes del examen.

Con casos de entrenamiento

Los casos por etapas son buenos para este ejercicio porque los datos llegan poco a poco, como en la sala de hospitalización. Con cada nueva información, anote la hipótesis principal y la probabilidad que le atribuye; al final, vea en qué momento cambió la estimación y por qué.

Entrenar en NEXO

En NEXO, cada caso llega en hasta seis pistas, y ese formato es un buen campo para entrenar la probabilidad pretest: con cada pista usted formula hipótesis y puede estimar cuánto confía en la principal antes de la siguiente. Cada hipótesis muestra la proximidad en la CIE-10 en cinco niveles, lo que dice si su hipótesis estaba en el grupo correcto de enfermedades. En la tercera pista aparece el área del caso y, en la quinta, el rango de la CIE; puede saltar una pista cuando quiera avanzar.

Un ejercicio simple para hacer en el Diario, con el caso del día, el mismo para todos: antes de cada hipótesis, escriba su hipótesis y un rango de probabilidad; al final, compare con el grupo en qué pista cada uno quedó más confiado. El Archivo reúne los casos anteriores, el Multimedia trae casos con imagen y audio, y el modo Continentes, casos ligados a África, Américas, Asia, Europa y Oceanía, donde la epidemiología cambia la probabilidad de partida. El Adrenalina, con la dosis elegida antes, entrena la estimación con tiempo.

El botón de Anki crea la tarjeta directo de NEXO y abre en la app de Anki, busca las tarjetas que usted ya tiene y, cuando el caso tiene imagen, lleva la imagen a la tarjeta; vale la pena guardar el hallazgo que más cambió su estimación. Para entender los límites de cada modo, vea la página de economía de NEXO. Para conocer el juego, lea qué es NEXO.

Con el grupo

El ranking tiene las pestañas Global, Universidades y Grupo, esta con código de invitación. Con la liga o el grupo jugando el mismo caso, comparar las estimaciones muestra en la práctica la variación que describen los estudios y ayuda a cada uno a calibrar su propio número. Si usted coordina una facultad, liga o residencia y quiere usar casos así en la enseñanza, conozca el NEXO Closer. Investigadores que quieran estudiar cómo los estudiantes calibran la estimación pueden conocer el NEXO Researcher, médicos que quieran revisar casos, el NEXO Curator, y quienes producen contenido de Medicina, el NEXO Creators.

Preguntas frecuentes

¿Qué es la probabilidad pretest?

Es la estimación de que el paciente tiene una enfermedad antes del resultado de un examen, basada en la historia, el examen físico, la epidemiología y, cuando existen, en reglas de predicción validadas. Después del examen, se actualiza y se convierte en la probabilidad postest.

¿Cómo calcular la probabilidad postest?

Convierta la probabilidad pretest en chance, multiplique por la razón de verosimilitud del resultado y convierta de nuevo en probabilidad (Deeks y Altman, 2004). El nomograma de Fagan hace la misma cuenta sin cálculo (Fagan, 1975).

¿Por qué el mismo examen positivo significa cosas diferentes?

Porque el resultado multiplica la probabilidad que ya existía. Con la misma razón de verosimilitud de 20,4, una probabilidad de 10% pasa a cerca de 69% (Deeks y Altman, 2004), mientras que una de 1% pasa a cerca de 17% (cálculo editorial con la misma fórmula).

¿Cuál es la diferencia entre valor predictivo y razón de verosimilitud?

El valor predictivo ya es una probabilidad de enfermedad, pero depende de la prevalencia del grupo en que se midió (Deeks y Altman, 2004). La razón de verosimilitud mide la fuerza del resultado y puede aplicarse a la probabilidad de su paciente.

¿Un dímero D negativo siempre descarta trombosis?

En el estudio de Wells y colegas, un dímero D negativo descartó la trombosis con seguridad en pacientes clínicamente improbables, pero no se usó solo en los probables, que se hicieron ecografía (Wells et al., 2003). La decisión en cada paciente es del médico responsable.

¿Cuándo no vale la pena pedir un examen?

Cuando la probabilidad está por debajo del umbral de prueba o por encima del umbral de prueba y tratamiento, porque el resultado no cambia la conducta (Pauker y Kassirer, 1980).

¿Cómo entrenar la estimación de la probabilidad pretest?

Escriba un rango de probabilidad antes de cada resultado y compárelo después. Los casos por etapas, como los de NEXO con hasta seis pistas, ayudan a practicar la formulación de hipótesis y la estimación con cada nueva información.

Lista de verificación para interpretar un examen

1. Defina la hipótesis que el examen va a probar.
2. Estime la probabilidad pretest, aunque sea por rango.
3. Busque una regla de predicción validada para la situación.
4. Pregunte si el resultado cambia la conducta, positivo o negativo.
5. Use la razón de verosimilitud, no solo la sensibilidad o la especificidad.
6. Haga la cuenta por la chance o use el nomograma.
7. Lea los resultados por rango según el nivel, no solo como positivo o negativo.
8. Piense en frecuencias naturales: en cada 1.000 pacientes como este.
9. Verifique si el estudio del examen tenía pacientes parecidos al suyo.
10. Compare su estimación con la de colegas y con el desenlace del caso.

¿Quiere entrenar hoy? Juegue el caso del día en NEXO.

Referencias

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/