CAPTULO

CONCEPTO DE NORMALIDAD Y PRUEBAS DIAGNSTICAS

Dra. Yolanda Torres de G. Dr. Jos Mara Maya M.

El clnico debe responder a importantes preguntas: Est el paciente realmente enfermo? Cmo pueden apoyarlo las ayudas diagnsticas en la decisin? 1. CONCEPTO DE NORMALIDAD En medicina y en investigacin biomdica, cada da los profesionales toman decisiones acerca del diagnstico, pronstico y tratamiento del paciente en dos mbitos: la prctica clnica y la salud pblica. La efectividad de una intervencin preventiva o teraputica depende en gran parte de la mejor experiencia clnica que el profesional adquiere durante la prctica y la mejor evidencia cientfica disponible. Sin embargo, estas decisiones implican problemas adicionales que deben resolverse para un ptimo beneficio del paciente. El trmino "normal" es de uso casi rutinario. El mdico y el investigador, como base para la toma de decisiones, deben responderse las siguientes preguntas: un hallazgo clnico determinado indica enfermedad? El resultado del examen de laboratorio es normal o anormal? Gran parte de su tiempo el clnico debe dedicarlo a distinguir o decidir entre situaciones de "normalidad" y "anormalidad" (saludable o enfermo) y en este ltimo caso, la complejidad se incrementa, con la necesidad de definir sobre los grados de anormalidad, como base para la orien-

tacin del tratamiento y el necesario pronstico de la situacin. En otros casos, en el campo de la salud pblica, cuando se hace necesaria la toma de decisiones para intervenciones en comunidad, por ejemplo, para un programa de tamizacin, con el fin de hacer el diagnstico precoz y seleccionar a los que deben ser objeto de un programa de atencin preferencial, el criterio con que se decide sobre la situacin de normalidad, juega un importante papel en el costo-efectividad de la intervencin. Algunas de las formas de expresar el hallazgo cuando se considera normal, son "dentro de lmites normales", "sin importancia" y cuando se considera que la situacin encontrada es anormal, se habla de "impresin diagnstica", "diagnstico", presuntivo o diferencial (cul de stos?) y del diagnstico final, como la base para la toma de decisiones sobre las intervenciones a seguir. En el trabajo de rutina se identifican los pacientes con problemas, despus ayudados por la exploracin clnica, se llega en forma cuidadosa a una "impresin" de uno, o ms frecuentemente de varios posibles problemas, como base para el diagnstico diferencial. El diagnstico final se ayuda de exploraciones adicionales y pruebas paraclnicas (laboratorio, etc.) pero, en general el proceso diagnstico corto es bastante excepcional y a menudo se utilizan expresiones cualitativas, que en cierta forma se han considerado como asociadas a las probabilidades.

22

Figura 3-1. Estimaciones de la probabilidad asociadas a varias expresiones cualitativas Expresin Altamente probable Probable Posible Con certeza Baja probabilidad Sugiere Muy altamente probable Improbable Moderadamente probable Patognomnico Clsico 0 .1 .2 .3 .4 .5 .6 .7 .8 Probabilidad numrica

.9 1.0

Enla Figura 3-1 se comparan las expresiones de probabilidad con palabras y nmeros. Los valores medios se sealan con un punto y los rangos por una lnea horizontal. 2. ENFOQUES CONCEPTUALES DE NORMALIDAD Por lo anterior es de importancia revisar el concepto de normalidad, cules son las bases para delimitar lo "normal" y lo "anormal", as como sus aplicaciones y limitaciones inherentes a los aspectos conceptuales y metodolgicos. Concepto de normalidad desde la estadstica Desde lo conceptual se encuentran dos enfoques. En el primero, "normalidad" se considera como sinnimo de lo usual o frecuente, basado en el concepto estadstico de la curva normal. En este caso lo "normal", no necesariamente se refiere a la ausencia de un estado mrbido y lo "anormal" est asociado a baja frecuencia, rara aparicin o inusual. Bajo este enfoque estadstico lo "normal" se asocia con las caractersticas que se encuentren entre un espectro de valores esperados o usuales en la poblacin definida como poblacin de referencia y no se encuentra relacionado con el estado de salud o bienestar presente o con el pronstico de esta situacin en el comportamiento futuro. Este es un concepto univariado, que se genera por la medicin de una variable, para la cual se delimitan los intervalos de valores dentro de la totalidad del espectro de mediciones. Por ejemplo, los valores "normales" de la concentracin de colesterol srico, cuando se toman de una poblacin de referencia, sin importar que las personas tengan o no alto consumo de grasas saturadas o vida sedentaria. Los valores de "normalidad" se asignan bajo los criterios de una zona que delimita un 95% de

23

los resultados con base en un modelo matemtico (promedio o mediana ms-menos dos desviaciones estndar). Como complemento, al decidir en esta forma la "normalidad", utilizando el mismo mtodo matemtico, se define la zona de "anormalidad", como los valores que estn por encima o por debajo de dos desviaciones estndar (Figura 3-2). En el ejemplo anterior, estos valores no sern sinnimos de los valores aceptados como aconsejables para la conservacin de la salud cardiovascular, pues la aplicacin o concepto de lo "normal", se hace teniendo en cuenta slo la distribucin de los valores de la medicin del colesterol, sin tener en cuenta el estado de salud, actual o futuro, de los individuos. La estrategia estadstica de normalidad con base en valores de una zona central del 95% y equivalente a lo comn y al 5% (2.5% a la derecha y 2.5% a la izquierda) restante de los valores como lo inusual o anormal, fue propuesta por R. Fisher, pero en su origen slo fue aplicada al proceso de inferencia estadstica y en la definicin del "valor de p", y no al concepto de normalidad en el campo clnico. En la aplicacin de este enfoque se debe considerar: Cul fue el grupo que sirvi como poblacin de referencia? O sean los individuos a partir de los cuales se consideran los datos para la curva de frecuencia de los valores en medi-

cin. Infortunadamente, con una alta frecuencia, no se informa cul fue la poblacin de referencia. Todos los sujetos fueron "normales" desde el punto de vista mdico? Cmo se estableci la normalidad? Si el estudio se llev a cabo en pacientes hospitalizados o de consulta externa, en qu medida se afectan los resultados por sus condiciones clnicas? Por ejemplo: Son extrapolables los resultados de jvenes del sexo masculino, a mujeres posmenopusicas? El tamao de la muestra fue el adecuado para ese tipo de estudio? Son las caractersticas demogrficas como la edad y el sexo, y otras variables importantes, de la poblacin estudiada, similares a las de las personas a las que se aplicarn los resultados?

Entre menos claridad en las respuestas a estas preguntas, ms aumenta el grado de incertidumbre, sobre la validez de la aplicacin de los valores mencionados como "normales", a otras personas o poblaciones. Concepto de normalidad desde la evidencia cientfica Con este enfoque, el valor "normal" se asocia a otra variable y lo "anormal" se refiere a un estado mrbido, o con el riesgo de padecerlo. Con la

Frecuenica

Mediciones Desviaciones estndar -3 -2 -1 69.3 Porcentaje del total 95.4 99.7 +1 +2 +3

Figura 3-2. Representacin de normalidad estadstica

24

aplicacin del conocimiento basado en la evidencia cientfica, lo normal es sinnimo de sano. Cuando se habla en trminos de normalidad se orienta hacia valores o signos que estn asociados, bajo la evidencia de investigaciones de la mejor calidad, con la conservacin de la salud. Con este enfoque lo "anormal" constituye una manifestacin de enfermedad o de un mayor riesgo de padecerla. De acuerdo a lo anteriormente visto: el concepto de lo "normal" como expresin estadstica, representa lo usual o comn y no el estado ideal de salud; mientras que lo "normal" como expresin mdica, basada en la evidencia generada en investigaciones sobre la asociacin entre los valores estudiados y la situacin de salud, conlleva la connotacin de ausencia de enfermedad, en forma independiente de la frecuencia con que ocurra la condicin ideal en la poblacin. Bajo el concepto de normalidad basado en la evidencia, sus aplicaciones tales como los valores normales recomendados de concentraciones de colesterol srico o el valor de 90 a 95 mmHg, como lmite normal de la presin diastlica, se han aceptado a partir de la evidencia generada por estudios de cohorte, como el de Framingan. Con este enfoque, la situacin ideal sera encontrar distribuciones de las frecuencias de valores de la variable bajo anlisis, totalmente diferentes para la poblacin de personas sanas en

comparacin con la poblacin de personas enfermas, en tal forma que fuera fcil discriminar a cul de los dos grupos pertenece un cierto valor. Pero en la realidad en el campo biolgico esto es difcil y pueden encontrarse circunstancias en que los valores se sobreponen. Las figuras 3-3, 3-4 se elaboraron con base en los datos del estudio de Klag MJ et al. Serum cholesterol in young men and subsequent cardiovascular disease. New Eng J Med. 1993; 228(5): 313-318. Otro elemento a tener en cuenta, es que el valor o el intervalo de valores considerados como "anormales", o sea que se comportan como factor de riesgo, varia segn el padecimiento de inters, como puede observarse en el ejemplo con los datos de la cohorte seguida por Klang y colaboradores. Los hallazgos del estudio, en la cohorte de 1.017 adultos jvenes, realizada con el propsito de evaluar los valores normales de colesterol y el comportamiento del riesgo de enfermar o morir por enfermedad cardiovascular durante los 40 aos de seguimiento, segn el valor del colesterol srico evaluado a una edad promedio de 22 aos, muestran un comportamiento diferente para cada entidad a partir de los niveles de colesterol total. Por ejemplo, la incidencia acumulativa para infarto del miocardio inicia con un riesgo de 3.4% con unas cifras de colesterol srico entre 118 y 172

Figura 3-3. Incidencia acumulativa (%) de enfermedad cardiovascular y morbilidad y mortalidad total segn colesterol srico

25

Figura 3-4. RR para varias entidades segn concentracin de colesterol total mg/dl, se incrementa a 5.1% en los que presentaron 173 y 189 mg/dl, pasa a 7.2% en los que tenan cifras entre 190 y 208 mg/dl y se incrementa muy fuertemente en el grupo con 209 a 315 mg/dl de colesterol, presentando este ltimo grupo un RR de 8.6, con relacin al que se encontraba con cifras entre 118 y 172 mg/dl, pero si se analiza el riesgo de morir por enfermedad cardiovascular, el RR del segundo grupo (173 a 189 mg/dl) es de 4.2 RR para varias entidades segn concentracin de colesterol total Si se analiza el comportamiento de las cuatro entidades, en las figuras 3-3 y 3-4 anteriores se puede concluir: Es difcil decidir sobre una cifra de corte nica, como "normal" para el colesterol, dado el incremento continuo del riesgo de enfermar o morir a medida que ste aumenta. Al analizar el comportamiento de la mortalidad por enfermedad cardiovascular, se observa que al pasar al rango de 173-189 mg/dl, el riesgo se intensifica pasando de uno a cuatro; sin embargo, el riesgo para infarto slo alcanza a pasar de 1 a 1.5, al ser evaluado a travs de los RR. En otras palabras, al mismo valor del colesterol, el riesgo presenta diferente magnitud para cada entidad. Segn recomendaciones del panel de expertos, la cifra de colesterol "normal" es de 200 mg/dl; sin embargo, adems del estudio de Klag, otros estudios de cohorte llevados a cabo en adultos jvenes y nios han proporcionado evidencia del incremento del riesgo para enfermedad coronaria a medida que se aumentan los niveles de colesterol. En personas de edad mediana, por cada 1% de incremento de colesterol srico, el aumento de riesgo de enfermedad coronaria se incrementa en un 3%. La decisin sobre aconsejar la modificacin con base en el resultado de una prueba diagnstica, como el colesterol, en este ejemplo, tendr que ver con el conocimiento sobre el perfil de riesgo que presentan la persona o el grupo en particular, ya que en estudios tan serios como el de Framingan se ha demostrado la interaccin y potencializacin de los factores pronsticos o de riesgo. Cuando la decisin se hace sobre la intervencin con medicamentos u otras modalidades teraputicas, se tendrn en cuenta otros aspectos que se presentan ms adelante, como la validez de la prueba, su confiabilidad, la sensibilidad y especificidad. 3. MEDICIN EN CLNICA El arte de la medicina requiere de la aplicacin de datos. En los dos ltimos siglos la medicina se vuelve ms cientfica al contar cada vez con ms datos fundamentales proporcionados por los labo-

26

ratorios de bioqumica, hematologa, radiologa, patologa, etc. A la produccin de todos estos datos crudos se les llama medicin. La medida de los fenmenos clnicos y lo concerniente a la utilizacin de escalas, ndices u otras expresiones que se usan para describir o medir sntomas, signos fsicos u otros fenmenos, ha sido denominada por Feinstein como "clinicometra". El concepto general que se aplica al diagnstico se puede extender a todas las mediciones de los fenmenos de salud tanto en un paciente como en una poblacin. La "clinicometra" tambin puede aplicarse a la medicin de riesgos, al diagnstico, al tratamiento o pronstico de la enfermedad y del caso de una enfermedad. Los buenos diagnsticos dependen, en primer lugar, de la buena calidad del trabajo clnico, por lo tanto se han de registrar las quejas de los pacientes, elaborar cuidadosamente la historia, realizar las observaciones, registrarlas y agruparlas en tal forma, que representen los problemas del paciente y finalmente la enfermedad que requiere cuidado y tratamiento, sin olvidar que la vida y el bienestar de los pacientes tambin dependen de ello. Por otra parte, si se desea estudiar la enfermedad en el marco poblacional, valorar su frecuencia en trminos de prevalencia o incidencia, dilucidar su(s) causa(s), ubicar y comparar los grupos de riesgo, y evaluar el impacto de las intervenciones, no se puede olvidar la interdependencia entre la medicina clnica y comunitaria con la salud pblica y la epidemiologa. Niveles de medicin En las mediciones aplicadas en clnica se utilizan tres tipos de escalas: la escala nominal, la ordinal y la de intervalo. Las dos primeras son cualitativas y la tercera es cuantitativa. Escalas nominales Cuando los datos se dan en categoras sin ningn orden, como sexo, errores del metabolismo, antgenos tisulares, son medidos como variables discretas y la escala de medicin se denomina nominal; cuando pueden ser manejados como vivo o muerto, presente o ausente, se denomina escala dicotmica. En este caso la naturaleza de la variable es cualitativa.

Escalas ordinales En este tipo de escalas est implcito un ordenamiento predeterminado. En los casos de medicin en clnica, los datos poseen un rango inherente, pero cuyo tamao entre los valores de los intervalos no puede ser especificados, la escala se denomina ordinal y su naturaleza tambin es cualitativa. Incluye clasificaciones como: sin depresin clnica, depresin leve, moderada y severa. Escalas cuantitativas Cuando la medicin se hace a travs de intervalos cuya distancia entre los puntos es igual, toma el nombre de escala de intervalo. Existen lmites superiores e inferiores. Algunas variables pueden ser medidas a diferentes niveles de medicin. Por ejemplo, el uso de cigarrillo puede ser evaluado en forma dicotmica (fuma o no fuma), ordinal (no fuma, fuma de 1 a 5 cigarrillos por da, de 6 a 10, de 11 a 20 y ms de una cajetilla por da). Tambin puede evaluarse con escala de intervalo. 4. PROCESO DIAGNSTICO Segn Jenicek, se entiende por diagnstico "el proceso determinante del estado de salud y de los factores que lo producen". Puede aplicarse a un individuo, grupo familiar o a la poblacin. El trmino se aplica tanto al proceso determinante como a los hallazgos, es decir, al resultado. Identificacin del caso Desde el punto de vista del trabajo rutinario se identifican los problemas de los pacientes. Despus, con ayuda de la exploracin clnica, se elabora cuidadosamente una "impresin" de uno o ms problemas, que son la base para el diagnstico diferencial. El diagnstico final se ayuda de exploraciones adicionales y pruebas clnicas (laboratorio), etc. Es importante tener en cuenta: La buena organizacin y estructura del proceso diagnstico La calidad y claridad de la formulacin de la entidad diagnstica Validez de los mtodos que conducen al diagnstico El diagnstico empieza con la observacin global del paciente, sigue con la exploracin

27

del paciente y, de ser necesario, con la decisin de la solicitud de las ayudas diagnsticas ms indicadas, finalizando con la categorizacin de una entidad clnica definida. Entidad diagnstica La entidad diagnstica representa una o ms caractersticas de un individuo y lo separa de las dems personas que no sufren la enfermedad. Indica que el resultado ser diferente: morir antes, sufrir ms, desarrollar complicaciones. Indica la necesidad de tratamiento. Segn los factores pronsticos y la efectividad del tratamiento, las predicciones podrn variar. 5. REFINANDO LA PROBABILIDAD: EL USO DE LAS PRUEBAS DIAGNSTICAS Se entiende por refinar la probabilidad la posibilidad de modificar la estimacin inicial sobre la probabilidad de la presencia de una enfermedad a travs de la aplicacin de una prueba diagnstica. Pruebas diagnsticas Son aquellas que apuntan inequvocamente hacia la enfermedad. Un resultado positivo de la prueba diagnstica es una indicacin para el tratamiento de la enfermedad. Jenicek. Se han de tener en cuenta dos aspectos muy importantes con relacin al mtodo diagnstico: a. La validez interna Se entiende por validez interna del mtodo diagnstico su habilidad para identificar la enfermedad como entidad clnica (caso) separndolo de los no casos.

b. La validez externa La validez externa de un mtodo diagnstico o prueba es su habilidad para obtener resultados comparables, si se utiliza el test-retest o aun en distintos ambientes, por varios y diferentes profesionales, sobre distintos pacientes, usando diversos instrumentos y trabajando en diferentes condiciones. En otras palabras, es la reproducibilidad de la prueba. La elaboracin de un diagnstico no produce invariablemente un resultado perfecto. Cuando una persona se presenta con sus quejas ante el mdico, ste a menudo se enfrenta al dilema del diagnstico. Y en el proceso para resolverlo, genera el diagnstico diferencial, que incluye las causas posibles ms importantes y es a partir de varias piezas de informacin como la historia, el examen fsico, las pruebas de laboratorio y estudios radiolgicos, que se ayuda a "refinar la probabilidad de enfermedad". Dicho en otras palabras, "refinar la probabilidad" no es ms que la aplicacin del principio matemtico basado en el teorema de Bayes, que significa simplemente que la probabilidad de un evento depende de la nueva informacin aadida al conocimiento previo. En el caso de las pruebas diagnsticas se simplifica con la ecuacin anotada al final de la pgina: Probabilidad pretest o probabilidad a priori: el punto de partida de cualquier proceso diagnstico es el paciente y la experiencia del mdico para hacer un buen anlisis de los signos y sntomas. Cada parte de la historia clnica y del examen fsico aumentan o disminuyen la probabilidad de un trastorno objetivo, en algunos casos la sumatoria de la experiencia y la intuicin son sorprendentemente precisas pero a menudo las estimaciones de las probabilidades preexamen resultan con una amplia variacin. A partir del avance en la investigacin en este campo y las guas sobre el "examen clnico racional", se ha avanzado hacia la

Qu pensaba antes + informacin de prueba = qu pienso ahora

Probabilidad pretest x C. de probabilidades *= probabilidad posprueba *O razn de mxima verosimilitud

28

exactitud y precisin de la historia y del examen fsico. Para algunos trastornos como la isquemia del miocardio, se pueden proporcionar sistemas para combinar informacin que permiten generar estimaciones, de la probabilidad pretest, ms precisas. Si esto no es posible, se puede llegar, entre los colegas, a un consenso de expertos, para generar las probabilidades preexamen en forma ms precisa, que la obtenida por la estimacin individual. Cuando se siguen presentando dudas acerca de la probabilidad pretest, se puede suponer la ms alta plausible y la ms baja posible y responder si esto modifica el curso clnico de accin. De este paso surgen las primeras conclusiones en forma de diagnstico posible, a esta etapa se le denomina: probabilidad pretest o probabilidad a priori. Prueba diagnstica: cuando el diagnstico no es claro, el clnico se enfrenta al dilema de solicitar e interpretar uno o ms exmenes diagnsticos, pero dada la gran proliferacin de la tecnologa mdica, as como sus altos costos, se hace cada vez ms importante su capacitacin para seleccionar y utilizar las pruebas diagnsticas en la forma ms correcta. Por lo anterior debe: Actualizar constantemente el conocimiento a travs de la evaluacin de artculos sobre exmenes diagnsticos, lo cual comienza con: Una adecuada formulacin de la pregunta que necesita responder, relacionando en forma precisa la prueba y la entidad diagnstica que desea confirmar. Una buena seleccin de la fuente de informacin y de las palabras claves para la bsqueda, as como el perodo de tiempo. Adecuada interpretacin de la validez de los resultados.

Son vlidos los resultados del estudio? Criterios principales - La comparacin fue ciega, con relacin al estndar de referencia? - La muestra incluy un espectro adecuado de pacientes a los cuales se aplicar en la prueba en la prctica clnica? Criterios secundarios - Influyeron los resultados de la prueba en estudio en la decisin de aplicar el test estndar de referencia? - Se describieron los mtodos para realizar el examen, con suficiente detalle para permitir su reproduccin? Cules fueron los resultados? - Se presentan los cocientes de probabilidad de los resultados, o los datos necesarios para su clculo? Me ayudarn los resultados en la asistencia de mis pacientes? - Ser posible una adecuada reproducibilidad del examen y de su interpretacin mi ambiente de trabajo? - Son aplicables los resultados a mi paciente? - Los resultados mejorarn el diagnstico inicial? - Se modificar la decisin sobre el tratamiento? - Se beneficiarn los pacientes como consecuencia de la prueba? Cociente de probabilidades (CP): al cociente de probabilidades (CP), tambin se le denomina razn de mxima verosimilitud; es muy buen indicador de la utilidad clnica de la prueba. Evala la precisin con la que se identifica el trastorno en forma objetiva con relacin a la prueba de referencia. A continuacin se da un ejemplo para el clculo del CP a partir de un grupo de 1.600 personas, a las cuales se les aplic, en forma ciega, una prueba diagnstica para alcoholismo, junto con una entrevista estructurada, mediante la cual un grupo de psiquiatras, aplicando los criterios del DSM-4 para este trastorno, los clasific en alcohlicos o sin alcoholismo (Tabla 3-1). En la tabla anterior se comparan los resultados hipotticos de un test para alcoholismo, y el

Utilizar de manera ptima la informacin que proporcionan.

Criterios para la evaluacin de estudios sobre pruebas diagnsticas A continuacin se presentan los criterios de D. Sacket (Medicina Basada en la Evidencia), para la evaluacin de pruebas diagnsticas.

29

Probabilidad del resultado de la prueba Probabilidad alta Probabilidad media Probabilidad baja Normal Total

Presencia del trastorno Presente Ausente No. 210 200 79 11 500 Proporcin 210/500 = 0.44 200/500 = 0.40 79/500 = 0.16 11/500 = 0.02 No. 30 401 440 229 1.100 Proporcin 0/1.100 = 0.02 401/1.100 = 0.36 440/1.100 = 0.40 229/1.100 = 0.2

Cociente de probabilidades CP 22 1.1 0.4 0.1

Tabla 3-1. Ejemplo para el clculo del cociente de probabilidades. diagnstico por entrevista con el psiquiatra con la aplicacin de los criterios del DSM-4. Se puede observar que llenaron estos criterios diagnsticos, segn el diagnstico del psiquiatra, 500 personas (alcoholismo presente) y en 1.100 la entrevista no encontr el cumplimiento de los criterios, por tanto se diagnosticaron negativos (alcoholismo ausente). Al total de las 1.600 personas se les aplic en forma ciega la "prueba X". Tanto a los 500 pacientes diagnosticados por llenar los criterios del DSM-4, como a los 1.100 que no los llenaron, se les clasific por la prueba, con una probabilidad, desde alta hasta normal, segn el puntaje asignado. Se pregunta: Cun probable es que la prueba detecte como alcohlicos a las personas diagnosticadas por el psiquiatra como tales? En la tabla se puede observar que 210 de los 500 presentan una probabilidad alta de ser detectados por la prueba (probabilidad = 0.44). 210/500 = 0.44 Qu tan a menudo se presenta este resultado entre los que no cumplen los criterios diagnsticos por el psiquiatra? En la tabla 3-1 se observa que 30 de los 1.100, con ausencia del trastorno de alcoholismo, son clasificados con alta probabilidad por la prueba (probabilidad = 0.02). 30/1.100 = 0.02 El CP o razn de mxima verosimilitud, en este caso igual a 22 (0.44/0.02 = 22), lo que significa que es 22 veces ms probable que la prueba identifique con una "alta probabilidad de alcoholismo" a un paciente alcohlico, a que esto pase con una persona no alcohlica. Probabilidad de que la prueba sea positiva en pacientes con la enfermedad CP = Probabilidad de que la prueba sea positiva en pacientes sin la enfermedad CP = 0.44/0.02 = 22 En forma similar se pueden calcular los otros cocientes de probabilidades y en cada caso se dar la respuesta a dos preguntas: Cun probable es obtener un resultado determinado del examen, por ejemplo, la prueba para alcoholismo, entre los individuos con el trastorno? Cun probable es obtener el mismo resultado sin el trastorno, en este ejemplo, alcoholismo?

Cuando los resultados de la prueba son dicotmicos se pueden analizar en una tabla de dos por dos. Probabilidad de que la prueba sea positiva en pacientes con la enfermedad CP(+) = Probabilidad de que la prueba sea positiva en pacientes sin la enfermedad

30

Y en este caso la frmula cuando el CP es positivo ser igual a: Sensibilidad CP(+) = a/a + c = 1 - Especificidad 1 - (d/b + d) Enfermedad + Verdaderos Falsos positivos positivos (a) (b) 207 231 Falsos negativos (c) 44 a+b -

mayor de 1, entre ms alto sea ms confirma el diagnstico, incrementando la posibilidad de que el paciente lo presente. Por el contrario, cuando el CP es inferior a 0, disminuye la probabilidad de la presencia o confirmacin.

Positivos

Cundo es alto o bajo el coeficiente de probabilidades (CP)? A pesar de que la utilizacin en la prctica lleva a aplicaciones particulares, como gua aproximada se ha propuesto: CP superiores a 10 generan cambios amplios y a menudo concluyentes con relacin a la probabilidad pretest. CP de 5 a 10 y 0.1 a 0.2 generan cambios moderados desde la probabilidad pretest. CP de 1 a 2 y 0.5 alteran la probabilidad en un grado insignificante y rara vez importante.

Negativos

Verdaderos negativos c + d (d) 399

Y cuando es negativo igual a: Probabilidad de que la prueba sea negativa en pacientes con la enfermedad CP(-) = Probababilidad de que la prueba sea negativa en pacientes sin la enfermedad 1 - Sensibilidad* CP(-) = Especificidad** Verdaderos positivos (a) *Sensibilidad = = Total de casos positivos (a + c) Para aplicar lo anterior se requiere: Verdaderos negativos (d) **Especificidad = = Total de casos negativos (b + d) Pero, qu significan estos resultados? Los coeficientes de probabilidad (CP) positivos y negativos, son indicadores de si el resultado de una prueba diagnstica aumentar o disminuir la probabilidad de que realmente se encuentre el trastorno. Un CP de 1 significa que la probabilidad postprueba es igual que la probabilidad pretest. Cuando el cociente de probabilidades es a. Convertir las probabilidades del pretest en "odds" b. Multiplicar su resultado por el CP o razn de mxima verosimilitud. Clculo de la "Odds" Probabilidad de que ocurra Odds = p = Probabilidad de no que ocurra 1 - p Odds pretest x coeficiente probabilidades = Odds posprueba Probabilidad posprueba: si se ha seleccionado adecuadamente la prueba diagnstica, en la lnea de razonamiento clnico surge como consecuencia la modificacin de la probabilidad con que acepta el diagnstico. Probabilidad pretest Probabilidad posprueba

c. Convertir la odds postest en probabilidad. Una vez que se obtiene la probabilidad pretest

31

(recurdese que es posible estimarla por consenso, entre colegas o usando las reglas de prediccin por literatura), se puede calcular la odds posprueba multiplicando la "odds" pretest por el CP (coeficiente de probabilidades). Clculo de la probabilidad posprueba La"odds posprueba" puede convertirse de nuevo en probabilidad utilizando la frmula: Odds Probabilidad = Odds + 1 Los resultados de lo anterior equivalen a: Una probabilidad de 0.5 representa una odds de 0.50/0.50 o de 1 a 1. Una probabilidad de 0.80 representa una odds de 0.80/0.20 o de 4 a 1. Una probabilidad de 0.25 representa una odds de 0.25/0.75 o de 1 a 3

Figura 3-5. Diagrama para interpretar los resultados de las pruebas diagnsticas .1 .2 .5 1 2 1.000 500 200 100 50 20 10 5 2 1 .5 .2 .1 .05 .02 .01 .005 .002 .001 10 5 99

95 90 80 70 60 50 40 30 20 %

5 10 20 % 30 40 50 60 70 80 90 95

Los clculos pueden ser remplazados por la aplicacin del diagrama de Fagan modificado (Figura 3-5). En el diagrama para la aplicacin del teorema de Bayes, propuesto por Fagan en 1975 y modificado por Jaeschke en 1994, la primera columna representa la probabilidad pretest, la segunda los valores del CP y la tercera la probabilidad posprueba. La probabilidad posprueba se obtiene uniendo con una regla la probabilidad pretest con el nmero que representa el CP, y llegando hasta la probabilidad posprueba en la columna de la derecha. Estos nuevos enfoques remplazan los clculos de la especificidad y la sensibilidad, proporcionando herramientas mucho ms seguras en la toma de decisiones. Usando la secuencia del CP Una importante propiedad de la razn de mxima verosimilitud (CP), es que puede ser usada en forma de secuencia, ya que la probabilidad posprueba se considera como el resultado de las probabilidades anteriores a partir de la probabilidad pretest, como puede observarse en el siguiente diagrama:

2 1 .5

.2 99 Pretest probability Likeli hood ratio = Pretest probability = Posttest probability = Likeli hood ratio .1 Posttest probability

Razn de mxima verosimilitud Probabilidad pretest Probabilidad posprueba

32

SECUENCIA DE RAZONES DE MXIMA VEROSIMILITUD Prob. pretest Odds x CP1 pretest 1 x CP2 Prob. posprueba

Resultados de una prueba de deteccin o prueba tamiz Enfermedad + Enfermos Sanos Verdaderos positivos (a)

Resultados x CP3 Odds posprueba Positivos Por ejemplo, al usar tres diferentes pruebas para refinar la probabilidad del diagnstico inicial para generar la probabilidad posprueba. 6. PROGRAMAS DE TAMIZACIN Pruebas de deteccin Las pruebas de deteccin son aquellas que: Identifican problemas de salud en personas aparentemente sanas. No confirman el diagnstico pero identifican posibles afectados a quienes debe someterse a procedimientos diagnsticos para confirmar la enfermedad. Son rpidas, baratas y aceptadas ampliamente por el pblico y los profesionales. No son indicativas de tratamiento per se, slo si se confirma el diagnstico. a= b= c= d=

Totales

Falsos positivos (b) a + b

Falsos Verdaderos Negativos negativos (c) negativos (d) c + d Total enfermos Total sanos Verdaderos positivos Falsos positivos Falsos negativos Verdaderos negativos

Verdaderos positivos (a) VP Sensibilidad = = = x 100 Total de (a + c) VP + FN casos positivos Verdaderos negativos (d) VN = = x 100 Especificidad = Total de (d + b) VN + FP casos negativos Sensibilidad de una prueba La sensibilidad responde a las preguntas siguientes: Cuntos resultados positivos se obtienen en los individuos enfermos? Cuntos casos del total de casos en la poblacin estudiada pueden identificarse por los resultados de la prueba?

Confiabilidad de los ndices de sensibilidad y especificidad Los ndices de sensibilidad y especificidad de una prueba de deteccin o prueba tamiz se determinan con base en estudios realizados en muestras que representan tanto a personas sanas como a las que ya presentan la enfermedad. Los ndices obtenidos se generalizan a la poblacin objetivo. Cuando la muestra es representativa, los valores de sensibilidad y especificidad presentan mayor posibilidad de aplicacin a la poblacin general y a mayor tamao de la muestra menor ser la desviacin estndar de los indicadores de sensibilidad y especificidad. Los clculos de los valores de la prueba se realizan por comparacin con los valores encontrados en una "prueba de referencia" o un "estndar diagnstico ideal" o "prueba de oro". En la metodologa para su evaluacin se deben aplicar las dos pruebas al total de la muestra y en forma "ciega" y sin que el resultado de la primera sea condicin de la "prueba de oro".

Una sensibilidad baja produce prdidas de casos que pudieran ser tratados, siendo ms seria la situacin a mayor gravedad del padecimiento, o al dejar a pacientes enfermos como fuente de infeccin en la comunidad. No existe un nivel mgico de sensibilidad que determine que una prueba sea aceptable. Por ejemplo, en la bsqueda de cncer de colon con una prueba de una sensibilidad de 75%, uno de

33

cada cuatro casos retrasar su diagnstico o ser tratado sin xito cuando la enfermedad haya progresado a estadios terminales. Especificidad de una prueba La especificidad responde a las siguientes preguntas: Cuntos resultados negativos se obtendrn en personas sin la enfermedad? Cuntos individuos sanos se confirmarn por el resultado de la prueba?

Valor predictivo positivo de la prueba El trmino ms usado es "valor predictivo positivo" y responde a las siguientes preguntas: De todos los resultados positivos, cuntos se han encontrado en personas que sufren la enfermedad? Cul es la probabilidad en el caso de un resultado positivo de la prueba de que la persona realmente est enferma?

El anlisis econmico estar a favor de pruebas con alta especificidad, ya que un alto nmero de resultados de "falsos positivos" determina altos costos de "pruebas diagnsticas" que pueden llevar a incremento de los costos del programa. Si el tratamiento es de riesgo para el paciente y se le da sin necesitarlo, puede tener como consecuencia efectos secundarios. En sntesis, las pruebas de baja especificidad pueden producir por iatrogena efectos indeseables en el paciente y costo elevado en individuos sin enfermedad. Una prueba con el 64% de especificidad lleva a hacer necesaria una segunda prueba en ms de un tercio de la poblacin, a veces con mtodos costosos. Relacin entre especificidad y sensibilidad Hasta el momento se calcula slo en forma excepcional la desviacin estndar de estos dos ndices. Muchas pruebas de tamizaje tienen sensibilidad y especificidad altas, por ejemplo, la prueba de ELISA para el SIDA con una sensibilidad entre el 93.4 y el 99.6% y una especificidad entre el 99.2 y el 99.8%. Pero en muchos casos se obtiene una sensibilidad elevada al precio de una baja especificidad y viceversa. En estos casos el anlisis de decisin debe tener en cuenta el pronstico de la enfermedad y la disponibilidad de tratamiento. En este caso es preferible aplicar una prueba tamiz de alta sensibilidad ms otra prueba. Si la enfermedad es de mal pronstico, pero incurable, la prueba tamiz debe ser de alta especificidad, ya que los falsos positivos pueden ocasionar trastornos econmicos para los servicios de salud y psicolgicos para el paciente y su familia.

Verdaderos positivos Valor predictivo + = x 100 V. positivos + falsos positivos En este caso tampoco se han propuesto niveles deseables en particular. Sin embargo, si el valor es menor de 50%, es ms probable que realmente no se encuentre la enfermedad presente. A ms alto es ms valioso el pronstico. Valor predictivo negativo de la prueba Tambin se usa como denominacin de este indicador: "valor predictivo negativo" Verdaderos negativos x 100 Valor predictivo - = V. negativos + falsos negativos Este indicador de la prueba tamiz responde a las siguientes preguntas: Qu proporcin de todos los resultados negativos corresponde a personas realmente sanas, sin la enfermedad? Cul es la probabilidad de que la persona con resultado negativo, no tenga la enfermedad?

Programas de tamizacin Los programas de tamizacin son una de las estrategias de prevencin, en los cuales se aplica a toda la poblacin o a un grupo de poblacin a riesgo, una prueba de deteccin para diagnosticar un padecimiento cuya morbilidad o mortalidad pueden disminuirse si la enfermedad se detecta y trata en forma oportuna. Para decidir cundo se aconseja iniciar este tipo de programas se deben tener en cuenta las siguientes consideraciones:

34

La enfermedad a detectar La enfermedad debe ser bien definida de acuerdo a criterios operativos precisos. La frecuencia de la enfermedad debe ser alta. El pronstico de la enfermedad debe ser severo, en trminos de la morbilidad, la incapacidad y la mortalidad que produce y/o el alto costo de la atencin que demanda. Debe existir una ganancia clara en el pronstico si se detecta y trata en la etapa sintomtica. Tiene que haber un perodo suficientemente largo, ganancia de tiempo, entre el momento en que se hace la deteccin del padecimiento en el individuo asintomtico y la aparicin de los primeros sntomas. Debe existir un tratamiento eficaz, que altere la evolucin del padecimiento y ha de estar en posibilidad de aplicarlo.

damente validada, incluyendo el tamao y el tipo de la muestra, los criterios de inclusin, la aplicacin y evaluacin "ciegas" y la buena seleccin de la "prueba estndar". En general se busca una prueba con alta sensibilidad, cuando la enfermedad es de mal pronstico y se cuenta con tratamiento efectivo. En este caso, ante dos pruebas de deteccin, se utilizar la de ms alta sensibilidad. LECTURAS RECOMENDADAS Fletcher RH, Fletcher SW & Wagner E: Clinical Epidemiology: The Essentials. Williams & Wilkins. Baltimore. 1988. Friedland DJ, Go AS, Davoren JB, et al: EvidenceBased Medicine: Aamework for Clinical Practice. Appleton & Lange Stanfor, Connecticut. 1998. Jaeschke R, Gordon H, Guyatt Sackett DL: For Evidence -Based Working Group. Guas para usuarios de literatura mdica. III: Cmo utilizar un artculo sobre un examen diagnstico?4 B: Cules son los resultados? Me ayudarn en la asistencia de mis pacientes? JAMA (ed. esp.) 1997. Jenicek M: Epidemiologa: La lgica de la medicina moderna. Masson, SA. Barcelona. 1996. Moreno A, Cano V & Garca R: Epidemiologa Clnica. McGraw-Hill Interamericana. Mxico, Auckland, Tokio, Toronto. 1994. Sackett R, Guyatt G, Sackett DL: For the Evidence-Based Working Group. Userguides for the medical literature, III: How tu use an article about diagnostic test, A: are the results of the study valid? JAMA. 1994; 271: 389-391. Sackett DL, Sccott R, Rosemberg W & Haynes B: Evidence-Based Medicine: How to Practice & Teach EBM. Churchill Livingstone. 1997.

Poblacin a la cual se dirige el programa Puede ser una poblacin con alta exposicin a los factores etimolgicos de la enfermedad, por ejemplo, una exposicin ocupacional. La deteccin se percibe como una prioridad y existen recursos administrativos, disponibilidad de pruebas posdeteccin para el diagnstico definitivo y disponibilidad de recursos para tratamiento. La deteccin sin tratamiento no est nunca justificada. Seleccin de la prueba La prueba deteccin debe tener alta sensibilidad y especificidad. Debe ser especfica. Ha de ser segura, de fcil aplicacin, reproducible, rpida, de bajo costo y tiene que ser aceptada por la poblacin a quien se aplica. Adems de lo anterior debe haber sido debi-

35