Documente Academic
Documente Profesional
Documente Cultură
T
P
P T E
E P(E )
T_ : Significa que el resultado de la
prueba es negativo
ESPECIFICIDAD Y FALSOS POSITIVOS
La especificidad de una prueba diagnóstica, respecto a una determinada
enfermedad es la probabilidad de que el resultado sea negativo en una
persona que no esta afectado por la enfermedad. Su expresión matemática
es la siguiente:
: Indica no enferma
T PT E
P
E P( E )
E
• La probabilidad complementaria de la
especificidad es la probabilidad de falsos
positivos. Su expresión matemática es la
siguiente.
T
P
P T E
E P(E )
VALOR PREDICTIVO POSITIVO
El valor predictivo positivo de una prueba
diagnostica para una determinada enfermedad
es la probabilidad de que una persona, en la
que la prueba es positiva, padezca la
enfermedad de referencia. A esta característica
también se le denomina probabilidad post
prueba de estar enfermo.
• La expresión matemática es la siguiente:
P E
P E T
T P(T )
VALOR PREDICTIVO NEGATIVO
El valor predictivo negativo de una prueba
diagnostica para una determinada enfermedad
es la probabilidad de que una persona, en la
que la prueba es negativa, no padezca la
enfermedad de referencia. Su expresión
matemática es la siguiente:
P E
P E T
T P(T )
• Se expresa una nueva prueba para
diagnosticar el carcinoma de próstata.
Se dispone de 212 personas a las que se
ha realizado una biopsia de próstata
considerada como estándar de oro para
esta enfermedad. Se considera como
enfermo (E) aquellos en los que la
biopsia es positiva, y no enfermos E
aquellos en los que la biopsia es
negativa.
Los resultados obtenidos se expresan en la
siguiente tabla:
Resultados de la
prueba
T T
Enfermos 70 10 80
82 130 212
Sensibilid ad : P T 70 0.875
E 80
P E
P E T
T P(T )
DETERMINACIÓN DE LOS VALORES
PREDICTIVOS: TEOREMAS DE BAYES
PE .P T
P E E
T PE .P T PE P T
E E
DETERMINACIÓN DE LOS VALORES PREDICTIVOS:
TEOREMAS DE BAYES
P E
Pr ev.Sen
T Pr ev.Sen (1 Pr ev)(1 Espc)
DETERMINACIÓN DE LOS VALORES PREDICTIVOS:
TEOREMAS DE BAYES
P E
P E T
T P (T )
DETERMINACIÓN DE LOS VALORES PREDICTIVOS:
TEOREMAS DE BAYES
PE .P T
P E E
T PE P T PE .P T
E E
DETERMINACIÓN DE LOS VALORES PREDICTIVOS:
TEOREMAS DE BAYES
(1 Pr ev).Espec
P E
T Pr ev(1 Sen) (1 Pr ev).Espec
Ejemplo
• Una prueba diagnostica tiene una sensibilidad de 0.95 y
una especificidad de 0.98. La prueba se le aplica a un
paciente cuya probabilidad de padecer la enfermedad ,
teniendo en cuenta sus características personales es de
0.2. La prueba resulta positivo:
• ¿Cuál es la probabilidad de que este realmente
enfermo?
• Si la prueba resulto ser negativo ¿Cuál es la
probabilidad de que realmente no tenga la enfermedad
P E
Pr ev.Sen
T Pr ev.Sen (1 Pr ev)(1 Espc)
P E
(0.2)(0.95)
T (0.2)(0.95) (1 0.2)(1 0.98)
P E 0.92
T
(1 Pr ev ).Espec
P E
T Pr ev(1 Sen) (1 Pr ev).Espec
(1 0.2)(0.98)
P E
T (0.2)(1 0.95) (1 0.2)(0.98)
P E 0.99
T
EL RIESGO, FACTOR DE RIESGO, FACTOR DE
PROTECCIÓN
• Riesgo es la probabilidad de que ocurra un
suceso desafortunado. En ciencias de la salud
el suceso desafortunado es la enfermedad.
• Factor de riesgo es aquel que aumenta la
probabilidad de padecer la enfermedad.
• Factor de protección es aquel que disminuye
la probabilidad de padecer cierta
enfermedad.
MEDIDAS EPIDEMIOLÓGICAS
• Medidas de asociación
– Risgo Relativo
– Odds Ratio
– Razón de Prevalencias
• Medidas de impacto
– Risgo atribuible (o diferencia de riesgo exp)
– Fracción etiológica expuestos (o fracción
atribuible en expuestos)
– Riesgo atribuible poblacional (fracción atribuible
población)
– Proporción de RA poblacional
MEDIDAS DE ASOCIACIÓN
Las “medidas de asociación” intentan establecer:
Estimar si existe una asociación (causal
generalmente)
Estimar la dirección de la asociación
Estimar la magnitud de la asociación
Variable B
(enfermedad)
Variable A
(Exposición)
RIESGO RELATIVO: RR
• El Riesgo Relativo, RR es la razón entre dos
riesgos; en Epidemiología es el cociente entre el
riesgo de los individuos expuestos al factor y los
no expuestos. La expresión matemática del RR es
la siguiente:
P(E/F)
RR = __________
P(E/ F̅ )
E: Significa Enfermedad
F: Factor presente F̅ : Factor ausente
RIESGO RELATIVO: RR
También se puede definir un RR de la siguiente
manera:
Tasa incidencia en expuestos
RR = _____________________________
Tasa incidencia en no-expuestos
Interpretación de Riesgo Relativo (RR)
• RR = 1
La incidencia en el grupo de expuestos es igual a la incidencia
en el grupo de no expuestos no se observa asociación entre
la exposición y la enfermedad.
Valor nulo
Ie+ = Ie-
Protección Riesgo
Ie+ < Ie- Ie+ > Ie-
1
0
∞
Interpretación de Riesgo Relativo (RR)
• RR > 1
La incidencia en el grupo de expuestos es mayor que la
incidencia en el grupo de no expuestos se observa
asociación “positiva” o “directa” entre la exposición y la
enfermedad.
Valor nulo
Ie+ = Ie-
Protección Riesgo
Ie+ < Ie- Ie+ > Ie-
1
0
asociación ∞
positiva o
directa
Interpretación de riesgo relativo (RR)
• RR < 1
La incidencia en el grupo de expuestos es menor que la incidencia en
el grupo de no expuestos se observa asociación “negativa” o
“inversa” entre la exposición y la enfermedad.
Valor nulo
Ie+ = Ie-
Protección Riesgo
Ie+ < Ie- Ie+ > Ie-
1
0
asociación ∞
negativa o
inversa
Tabla de contingència o Tabla de 2 X 2
Enfermedad
Sí No
Exposición Sí a b
No c d
RR a partir de incidencias acumuladas
Enfermedad
Sí No
(a / a+b)
Riesgo relativo (RR) = Ie+ / Ie- =
(c / c+d)
RR a partir de incidencias acumuladas
(a / a+b)
Riesgo relativo (RR) = Ie+ / Ie- =
(c / c+d)
IC 95 %:
Límite inferior RR: RR * exp (1,96 * Var lnRR )
Límite superior RR: RR * exp (-1,96 * Var lnRR )
Ejemplo: RR a partir de incidencias acumuladas
Seguimiento
Muerto Vivo
p
Odds
1- p
Es decir, por cada médico que fuma, hay 4 médicos que no fuman.
Odds Ratio o Razón de Odds
Casos Controles
IC 95 %:
Límite inferior OR: OR * exp (1,96 * Var lnOR )
Límite superior OR: OR * exp (-1,96 * Var lnOR )
Ejemplo de interpretación del OR:
Uso de salicilatos y hemorragia digestiva
Casos Controles
RR Error
• Análoga al RR
OR=1
Valor nulo
Protección Riesgo
OR<1 1 OR>1
0
∞
Odds ratio (OR)
Otras denominaciones:
–Razón de odds (razón de ods)
–Razón de ventajas, de posibilidades
–Razón de momios
–Odds ratio
RP=1
Valor nulo
RP<1 1 RP>1
0
∞
Cálculo de la RP
Enfermos No
enfermos a
Preval. Enf en Exp = -------
Exposición Sí a b a+b
No c d c
Preval. Enf en No Exp = -------
c+d
a
------
a+b
RP = ----------------
c
------
c+d
b/a d/c
Var (ln RP) = ------- + -------
a+b c+d
_________
IC 95% : RP * exp (1.96 var (ln RP)
Razón de prevalencias (RP)
Otras denominaciones:
–Prevalence rate ratio o prevalence ratio
Ejemplo
• Un estudio transversal para conocer la prevalencia de osteoporosis y su
que entre las 320 que no tenían osteoporosis, el número de mujeres con este
antecedente era de 62. Una vez ingresados estos datos, la tabla se presentará
de la siguiente manera:
Antecedentes de dieta Osteoporosis Total
pobre en calcio SI No
Expuestos 58 62 120
No expuestos 22 258 280
Total 80 320 400
RP=6.15
Las mujeres expuestas a antecedentes de dieta pobre en calcio tienen más
probabilidad de tener osteoporosis que aquellas mujeres no expuestas a
una dieta pobre en calcio.