Módulo III Epidemiología - ics-aragon.com · Instituto Aragonés de Ciencias de la Salud, 2009...

Diplomado en Sanidad

Módulo III

Epidemiología

Pruebas

Pilar Rodrigo Val

Instituto Aragonés de Ciencias de la Salud, 2009 – 2010

Rodrigo Val P



2

1. EVALUACIÓN DE PRUEBAS DIAGNÓSTICAS 2. TOMA DE DECISIONES BASADAS EN INFORMACIÓN EPIDEMIOLÓGICA INTRODUCCIÓN ___________________________________________________________ 3

1. LA EVALUACIÓN DE LAS PRUEBAS DIAGNÓSTICAS ________________________ 4 Validez de una prueba diagnóstica ___________________________________________________ 4

Sensibilidad______________________________________________________________________ 5

Especificidad_____________________________________________________________________ 5

Valor predictivo positivo ___________________________________________________________ 6

Valor predictivo negativo __________________________________________________________ 6

Influencia de la prevalencia en los resultados de una prueba diagnóstica ___________________ 6

Razones de probabilidad. Razones de verosimilitud. Likelihood ratio _____________________ 8

El umbral de positividad de una prueba. La curva de características operativas. Curvas ROC _ 9

Fiabilidad de una prueba diagnóstica________________________________________________ 13

El coeficiente de concordancia Kappa _______________________________________________ 14

SESGOS EN LA EVALUACIÓN DE PRUEBAS DIAGNÓSTICAS ______________________ 16

2. TOMA DE DECISIONES BASADAS EN INFORMACIÓN EPIDEMIOLÓGICA ____ 18 Los árboles de decisión ___________________________________________________________ 18

Fases de elaboración______________________________________________________________ 20

Bibliografía________________________________________________________________ 22

Rodrigo Val P



3

INTRODUCCIÓN

La epidemiología es una disciplina básica de la salud pública y de la medicina clínica, porque sus conocimientos pueden y deben ser aplicados al control de problemas de salud en ambos campos. Estas aplicaciones de la epidemiología permiten su clasificación en dos ramas: La epidemiología general o de salud pública y la epidemiología clínica. La distinción entre ambas ramas estriba en la porción de la historia natural de la enfermedad que es estudiada por cada una de ellas.

• La epidemiología de salud pública estudia la primera parte de esta cadena de

sucesos, la frecuencia y distribución de la enfermedad y sus determinantes, factores de riesgo o protección.

• La epidemiología clínica estudia la frecuencia y distribución de las consecuencias de la enfermedad y sus determinantes, los factores pronósticos. Suele fijarse en sujetos enfermos en los que mide posibles factores pronósticos y los sigue para observar la evolución de enfermedad.

Factor de riesgo Enfermedad Consecuencias

“Epi” de salud pública “Epi” clínica

La práctica clínica es el origen, fuente de preguntas y destino final de la Epidemiología Clínica. Se trata de aplicar el método científico a la resolución de problemas clínicos. Se ha definido de varias formas:

1. Estudio de los determinantes y consecuencias de las decisiones médicas 2. Estudio de las decisiones diagnósticas, pronósticas, y terapéuticas que se toman respecto a

los enfermos. 3. Estudio de las variaciones en los enlaces de la enfermedad y de las razones que conducen

a ello 4. Ciencia y método de estudiar las decisiones óptimas en la medicina clínica, teniendo en

cuenta las características epidemiológicas del paciente y su ambiente clínico externo, la

La naturaleza es probabilística

La información, incompleta

Los resultados, esenciales

Los recursos, limitados

Las decisiones, inevitables

Rodrigo Val P



4

patología que le concierne y los factores y maniobras a que se ve expuesto en su ambiente clínico, en especial las acciones médicas.

Surge como una disciplina autónoma de la mano de tres universidades. En la

Universidad de Yale en EEUU con Alvan Feinstein, en la Universidad de Carolina del Norte con Fletcher y en la Universidad canadiense McMaster con Sackett.

Entre las múltiples áreas de la práctica clínica que aborda la Epidemiología Clínica (diagnóstico, tratamiento, pronóstico y prevención) se aborda la Evaluación de pruebas diagnósticas y las Decisiones clínicas. 1. LA EVALUACIÓN DE LAS PRUEBAS DIAGNÓSTICAS

Una buena prueba diagnóstica es aquella que es capaz de discriminar o clasificar correctamente a los miembros de la población en que se aplica, ofreciendo un resultado positivo en los enfermos o portadores de la condición clínica buscada y negativo en los sanos o no portadores. La capacidad de la prueba de diagnosticar adecuadamente se evalúa fundamentalmente estudiando su validez y fiabilidad.

Validez de una prueba diagnóstica

La validez es el grado en que una prueba mide lo que se supone debe medir y

corresponde a la exactitud diagnóstica. Es la capacidad de la prueba de discriminar entre los casos y los no casos para una enfermedad o condición clínica.

La validación de una prueba diagnóstica se realiza mediante la comparación de sus

resultados con los obtenidos mediante el mejor instrumento de medida del fenómeno estudiado, o con el verdadero resultado si éste es conocido, o sea mediante la comparación del test con un “estándar de oro”. Algunas veces el estándar de oro es una prueba diagnóstica relativamente simple y económica, como por ej el cultivo de garganta para estreptococo beta hemolítico del grupo A para validar faringitis estreptocócica. Más frecuentemente debe recurrirse a exámenes complejos, costosos o arriesgados (biopsia, autopsias, Rx con contraste…)

Los principales indicadores para evaluar una prueba diagnóstica son Sensibilidad,

Especificidad, Valor Predictivo Positivo (VPP), Valor Predictivo Negativo (VPN) y Prevalencia. (Tabla. Relación entre una prueba diagnóstica y un estándar de oro). Tabla 1. Relación entre una prueba diagnóstica y un estándar de oro

Rodrigo Val P



5

Sensibilidad: a/a+c Especificidad: b/b+d Valor Predictivo Positivo (VPP): a/a+b Valor Predictivo Negativo (VPN): d/c+d Prevalencia: a+c/a+b+c+d

El equipo investigador debe valorar la validez de las medidas y seleccionar la más adecuada para su estudio. Las pruebas diagnósticas son imperfectas y se comenten errores al clasificar a una persona por su resultado.

La validez de una medida se calcula partiendo de la información contenida en una tabla 2*2. La presencia o ausencia del resultado o enfermedad, se determina a partir de un criterio de referencia, que idealmente debe ser siempre positivo en los individuos con la enfermedad y negativo en aquellos que no la presentan. Por otro lado, se encuentra el resultado de la prueba, o medida en general, que se quiere evaluar. La mayor parte de las veces se considerará una medida dicotómica, clasificándose su resultado en positivo o negativo. Sensibilidad

Responde a la pregunta: si un individuo tiene una enfermedad o factor de riesgo, ¿qué probabilidad existe de que el resultado de la medida que se le aplica sea positivo? Es la probabilidad de que una medida clasifique correctamente a un individuo enfermo. Una prueba será tanto más sensible cuantos menos falsos negativos (FN) proporcione.

En las pruebas de cribado, generalmente se utilizan test de alta sensibilidad para captar a casi todos los enfermos. También en enfermedades graves tratables, en las que no debe permitirse la pérdida de ningún caso Especificidad

ENFERMEDAD+ -

+ aVP

bFP

a+b

- cFN

dVN

c+d

a+c b+d a+b+c+d

PRUEBA VPP

VPN

E S

Rodrigo Val P



6

Responde a la pregunta: si un individuo no tiene la enfermedad o el factor de riesgo, ¿qué probabilidad existe de que el resultado obtenido sea negativo? Es la probabilidad de que una medida clasifique correctamente a una persona no enferma. Una prueba será tanto más específica cuanto menos falsos positivos (FP) proporcione. En general las pruebas de confirmación diagnóstica deben tener una elevada especificidad, así como la identificación de enfermedades graves no tratables, en las que un resultado falso positivo puede producir serios trastornos al individuo. Ambos conceptos son características intrínsecas de la propia medida. Valor predictivo positivo

El VPP de una prueba diagnóstica es la probabilidad de que un individuo con un resultado positivo tenga la enfermedad en estudio. Valor predictivo negativo

El VPN de una prueba diagnóstica es la probabilidad de que un individuo con un resultado negativo sea un individuo sano.

Los valores predictivos dependen no sólo de la sensibilidad y la especificidad, sino también de la prevalencia de la enfermedad.

La seguridad de una prueba diagnóstica se valora mediante el valor predictivo positivo y negativo, ya que nos dice en qué grado los resultados positivos y negativos de la prueba son correctos. Es necesario saber, antes de actuar y tratar, con qué seguridad el paciente tiene la enfermedad cuando la prueba es positiva. Influencia de la prevalencia en los resultados de una prueba diagnóstica

La sensibilidad y la especificidad, al ser características intrínsecas de una medida, no sufrirán grandes variaciones. Una prueba diagnóstica de calidad debe tener una S y E altas (próximas al 100%), pero para garantizar buenos resultados también deben tenerse en cuenta las condiciones de aplicación de la prueba.

La prevalencia de enfermedad en la población en la que se aplica el test, aunque no modifica la sensibilidad y especificidad puede modificar los valores predictivos positivos y negativos convirtiendo el uso de prueba válida en una intervención diagnóstica poco útil.

Por esta razón, la predictividad de una medida no se puede evaluar sin considerar la prevalencia de la enfermedad; si es alta, un resultado positivo tiende a confirmar su presencia, mientras que si es negativo, no ayudará a excluirlo. Cuando la prevalencia es baja, un resultado negativo permitirá descartar la enfermedad con un elevado margen de confianza, pero si es positivo, no permitirá afirmar su existencia.

Ejemplo 1.

Rodrigo Val P



7

• A. En el año 2006 han aparecido 20 nuevas infecciones de VIH en una población de 20000 habitantes. En los hospitales de la ciudad se utiliza una técnica de diagnóstico ELISA que tiene una especificidad de 99% y una sensibilidad del 95%. Calcular la Prevalencia, VPP y VPN

Tabla 2. Ejemplo 1.A

VIH +

+ - ELISA + 19

VP 200 FP

219

+ 1 FN

19780 VN

19781

20 19980 20000 Sensibilidad=19/19+1= 0,95 Especificidad= 19780/19780+200=0,99 Prevalencia= 20/19+200+1+19780= 20/20000=0,001 VPP=19/19+200=0,086 VPN=19780/1+19780=0,99

Se aplica una prueba con una alta sensibilidad y especificidad en una población de baja prevalencia, 1 por mil. En esta población se examinará a muchos sujetos sin la enfermedad dando lugar a varios falsos positivos.

• B. En el año 2006 han aparecido 66 nuevas infecciones de VIH en una población de 166 habitantes. En los hospitales de la ciudad se utiliza una técnica de diagnóstico ELISA que tiene una especificidad de 99% y una sensibilidad del 95%. Calcular la Prevalencia, VPP y VPN

Tabla 3. Ejemplo 1.B

VIH + + -

ELISA + 63 VP

1 FP

64

+ 3 FN

99 VN

102

66 100 166 Sensibilidad=63/3+63= 0,95 Especificidad= 99/1+99=0,99 Prevalencia= 66/63+1+3+99= 66/166=0,39

Rodrigo Val P



8

VPP=63/1+63=0,98 VPN=99/3+99=0,97

Si se aplica el mismo test en una población con alta prevalencia de la enfermedad (39%) aumenta el VPP.

Gráfico 1. Curva de representación de pruebas diagnósticas

Si se desplaza el punto de corte a la derecha (valores mayores de glucosa) disminuyen los falsos positivos (región azul) pero aumentan los falsos negativos (región roja) o, en otros términos, disminuye la sensibilidad y aumenta la especificidad e inversamente si se desplaza a la izquierda, de modo que un problema en estas pruebas es la selección del punto de corte óptimo.

Razones de probabilidad. Razones de verosimilitud. Likelihood ratio

Otra forma de expresar los resultados es la razón o cociente de probabilidad, que compara la probabilidad de obtener un determinado resultado en un individuo que presente la enfermedad, con la de obtenerlo en un sujeto en le que se ha descartado su presencia.

La razón de probabilidad o razón de verosimilitud de una prueba positiva se

calcula dividiendo la proporción de enfermos que tienen un resultado de la prueba positivo (sensibilidad), por la proporción de personas que no tienen la enfermedad, pero en los que la prueba también ha dado un resultado positivo (1- especificidad):

Cuanto más elevado es el resultado de la fórmula anterior mejor es la prueba.

RPP o Likelihood Ratio (+)= sensibilidad/(1-especificidad)

Rodrigo Val P



9

Ejemplo 2: Se ha estimado que realizar un Bm test para el control y diagnóstico de una diabetes tiene una sensibilidad del 95% y una especificidad del 96%, resultando una razón de verosimilitud de 23,8. Likelihood Ratio (+)= 0,95/(1-0,96)= 23,8 La termografía en la detección del cáncer de mama en la mujer tienen una sensibilidad del 61% y una especificidad del 74%, siendo la razón de verosimilitud de un resultado positivo baja, 2,35. Likelihood Ratio (+)= 0,61/(1-0,74)= 2,35

La razón de probabilidad de una prueba negativa (RPN) se calcula dividiendo los

enfermos que tienen un resultado negativo (1-sensibilidad), por la proporción de sujetos que no tienen la enfermedad en los que el resultado de la prueba es negativo (especificidad):

Cuanto menor sea el resultado de la Likelihood Ratio, mejor es la prueba diagnóstica.

La razón de probabilidad relaciona la sensibilidad y la especificidad en un solo índice, por lo que no varía con la prevalencia. Pueden obtenerse razones de probabilidad según varios grados de una nueva medida y no es necesario expresar la información de forma dicotómica, como resultado normal o anormal, o positivo y negativo.

A partir de la razón de probabilidad se pueden calcular los valores predictivos (o

probabilidad a posteriori) de una prueba. El primer paso consiste en expresar la prevalencia en odds de enfermedad. Si, por ejemplo, la prevalencia es 25%, la odds será de 1:3 (25/75%). A continuación se multiplica la odds de la enfermedad por la RPP, y se obtiene así la odds posprueba. Odds posprueba: odds preprueba* RPP Esta odds posprueba se puede convertir en probabilidad posprueba o, lo que es lo mismo, en los valores predictivos, de la siguiente forma: Probabilidad posprueba: odds posprueba/(odds posprueba + 1) El umbral de positividad de una prueba. La curva de características operativas. Curvas ROC

La aplicación de una prueba diagnóstica implica tomar una serie de decisiones que tendrán consecuencias en su evaluación. Un test no aporta la misma información diagnóstica según el umbral adoptado.

RPN o Likelihood Ratio (-): (1-sensibilidad)/especificidad

Rodrigo Val P



10

Ej: la glucemia como prueba diagnóstica de diabetes presenta distintos valores de sensibilidad y especificidad según el umbral diagnóstico se 100 mg/dl o 180 mg/dl. Si se considera este último umbral, ciertamente casi todas las personas con una prueba positiva (>180 mg/dl) estarán enfermas. Sin embargo, muchas otras personas con diabetes no serán calificadas como enfermas con una prueba tan rigurosa. La prueba sería entonces muy específica. Situándose en el otro extremo, y considerando que todos los pacientes con una glucemia mayor de 70 mg/dl fueran diagnosticados como diabéticos, muy pocas personas con la enfermedad dejarían de ser diagnosticadas, pero la mayoría de la gente normal sería etiquetada como diabética. La prueba sería entonces muy sensible pero poco específica. Cuando los valores de la prueba diagnóstica siguen una escala cuantitativa, la

sensibilidad y la especificidad varían según el punto de corte elegido para clasificar a la población como enferma o no enferma.

En esta situación una forma más global de conocer la exactitud de una prueba en el conjunto de puntos de corte es mediante el uso de curvas ROC (receiver operating characteristics o curvas de características operativas para el receptor).

La curva ROC es un gráfico en el que en el eje de ordenadas se sitúa la sensibilidad (proporción de verdaderos positivos) y en el eje de abcisas el complementario de la especificidad (1-especificidad o proporción de falsos positivos). Cada punto de la curva representa el valor de la RPP o razón de verosimilitud de un resultado positivo correspondiente a un punto de corte determinado. Gráfico 2. Curva ROC

Rodrigo Val P



11

El área bajo la curva se define como la probabilidad de clasificar correctamente un par

de individuos sano y enfermo, seleccionados al azar, al aplicarles la prueba. Por ejemplo, un área bajo la curva, de 0.75 significa que un individuo seleccionado aleatoriamente a partir del grupo de enfermos tendrá el 75% de las veces un valor de la prueba mayor que un individuo sano elegido al azar. No significa que un resultado positivo se produzca en los individuos enfermos con una probabilidad de 0.75 ni que esté asociado con la enfermedad el 75% de las veces.

Para una prueba con una sensibilidad y una especificidad del 100% la curva ROC estaría representada por los lados izquierdo y superior de la figura (área bajo la curva igual a 1). Cuando la prueba no tiene ningún poder de discriminación, es decir, se observan los mismos resultados en los individuos enfermos que en los sanos, la curva ROC está representada por la diagonal principal del gráfico (área bajo la curva igual a 0.5). En definitiva, cuanto más próxima es una curva ROC a la esquina superior izquierda, más alta es la exactitud global de la prueba.

Rodrigo Val P



12

Gráfico 3. Tipos de curvas ROC

La curva ROC facilita la elección del punto de corte. La mayoría de las curvas ROC

presentan un segmento de gran pendiente, en el cual la sensibilidad aumenta mucho mientras que la proporción de falsos positivos prácticamente no varía. No tiene mucho sentido elegir el punto de corte en esta zona, porque al desplazarse hacia arriba por la curva aumentará la sensibilidad sin reducirse de forma sustancial la especificidad. Igualmente tampoco es aconsejable elegir el punto de corte en la zona plana de la curva, ya que la sensibilidad se mantiene prácticamente inalterada mientras que la proporción de falsos positivos aumenta.

Por lo general si el coste que supone cometer un falso positivo es similar al de cometer un falso negativo, el mejor punto de corte es el más próximo al ángulo superior izquierdo del gráfico. Si el coste de un falso positivo y negativo difieren, se deberá tener en cuenta este distinto coste para el cálculo del punto óptimo de corte.

Rodrigo Val P



13

Fiabilidad de una prueba diagnóstica

Los resultados de las mediciones y observaciones clínicas están influidos por multitud de factores como por ejemplo, el medio ambiente en el que se realiza la medición o la persona que realiza la observación. Hay un cierto grado de variabilidad o error intrínseco en cualquier procedimiento de medición, particularmente cuando el componente principal del proceso es la apreciación subjetiva de un observador. La variabilidad raramente puede ser eliminada totalmente, pero el conocimiento de sus causas y su evaluación cuantitativa es necesario para garantizar que la información que proporciona la prueba es de calidad.

El grado de variabilidad puede ser evaluado determinando su validez o exactitud, y mediante la evaluación de la fiabilidad. La fiabilidad es la capacidad de una prueba diagnóstica de obtener resultados comparables si se utiliza en condiciones idénticas. Las pruebas diagnósticas deben tener una elevada fiabilidad, de tal forma que haya consistencia o ausencia de desacuerdo en repetidas observaciones o mediciones. La evaluación de la fiabilidad de una prueba diagnóstica se realiza valorando cada una de las fuentes de variabilidad.

Las diferentes fuentes de variación en las observaciones clínicas pueden resumirse como sigue 1. La variabilidad intraobservador: el mismo profesional puede obtener diferentes resultados

al repetir una medición en el mismo paciente debido al cambio en el estado físico del

Para decidir si una prueba es útil, los clínicos pueden evaluar la evidencia disponible utilizando las ocho guías que se enumeran a continuación.

1. ¿Se realizó una comparación “a ciegas” independiente con un “patrón “ de diagnóstico? 2. ¿Se evaluó la prueba diagnóstica en una muestra de pacientes que incluyó un espectro

apropiado de enfermedad leve y grave, tratada y no tratada, además de individuos con alteraciones diferentes pero que se confunden con frecuencia?

3. ¿se describió adecuadamente la selección de los sujetos para esta evaluación, así como el filtro que pasaron los pacientes estudiados?

4. ¿Se determinó la reproducibilidad de la prueba (precisión) y de su interpretación (variación del observador)?

5. ¿Se definió correctamente el término normal según se aplica en esta prueba? 6. Si se propugna la prueba como parte de un conjunto o secuencia de pruebas, ¿se

determinó su contribución individual a la validez global del conjunto o secuencia? 7. ¿Las tácticas para realizar la prueba se describieron con el detalle suficiente como para

permitir su exacta repetición? 8. ¿Se determinó la utilidad de la prueba?

Rodrigo Val P



14

profesional, en el grado de atenció y otras condiciones ambientales o psicológicas (presión de familiares…)

2. La variabilidad interobservador: las mediciones realizadas por diferntes profesionales suelen ser diferentes, lo cual puede estar motivado por la formación del profesional, la experiencia, la motivación, la agudeza visual, auditiva…que puedan afectar en los resultados de las observaciones.

3. La variabilidad biológica inherente a la característica que se desea medir. Ej La TA, está

sujeta a cambios en dependencia de la situación en que se encuentre el paciente 4. La variabilidad en el instrumento de medida. El propio aparato de medición está sometido

a un grado de variación diverso, que puede estar motivado por la calidad de la calibración, las unidades en que se mide, factores ambientales…

5. La variabilidad aleatoria. Es el grado de variación que no puede atribuirse a los factores

anteriores. La repetición de una prueba suele aumentar la fiabilidad al disminuir el error aleatorio.

La reducción de la variabilidad hasta valores aceptables debe hacerse actuando sobre

las distintas fuentes de variación identificadas. La estandarización del procedimiento de medición puede contribuir a reducir la variabilidad homogeneizando las condiciones de aplicación del procedimiento diagnóstico o entrenando de forma similar a los distintos observadores. Otra forma de reducir la variabilidad es repitiendo la medición en varias ocasiones para tomar la media de las mismas como valor verdadero del sujeto estudiado.

En dependencia del carácter de la variable que se mide, se utilizará un método de evaluación de la variabilidad o concordancia diferente. Cuando se trate de variables cualitativas se utilizará el coeficiente Kappa. Si las variables son cuantitativas se utilizará el coeficiente de correlación intraclase. El coeficiente de concordancia Kappa

Ej: prueba diagnóstica de sangre oculta en heces. Los resultados pueden ser negativos o positivos. La prueba fue realizada por dos médicos A y B en 110 pacientes. Los resultados son los siguientes:

Tabla 4. Resultados de las observaciones de dos médicos sobre un mismo test de detección de sangre oculta en heces

Sangre en heces + - Medico

A 62 48 110

Médico B

63 47 110

Rodrigo Val P



15

La prueba parece fiable al presentar resultados aparentemente concordantes entre los distintos observadores. Sin embargo, no sabemos si las observaciones son las mismas en los distintos pacientes. En la tabla siguiente se describe de forma completa:

Tabla 5. Lecturas completas de la prueba de sangre oculta en heces

Médico A + - Total

Médico B + 52 11

63

- 10 37 47

Total

62 48 110

La proporción de acuerdo se llama Indice de Acuerdo Global (IAG), y se calcula sumando los valores de las celdas en la que los observadores han coincidido, dividido por el número total de observaciones. IAG = (37+52)/110= 0,81 Significa que hay coincidencia entre los dos médicos en el 81% de los casos.

No sabemos cuál habría sido la coincidencia por simple azar. El cálculo del coeficiente de concordancia Kappa sirve para conocer el nivel de acuerdo que se obtendría si descontamos el debido al azar o lo que es lo mismo que ambos sucesos fuesen independientes. El resultado es el Índice de Acuerdo atribuible al Azar (IAA). Si dos sucesos son independientes, la probabilidad de que ocurran a la vez es

P(A+*B+) = 62/110 * 63/110 = 35,51 Calcular: P(A-*B-) P(A+*B-) P(A-*B+) Tabla 6. Frecuencias esperadas por azar de la prueba de sangre oculta en heces

Médico A + - Total

Médico B + 35,55 27,49

63

P(A+*B+) = P(A+)*P(B+)

Rodrigo Val P



16

- 26,47 20,51 47

Total

62 48 110

IAA = (20,51+35,51)/110= 0,51

Si al Indice de Acuerdo Global le descontamos el Indice de Acuerdo atribuible al Azar quedaría sólo el nivel de concordancia que no puede ser atribuible al azar. Ej: 0,81-0,51=0,30

Este 30% es el acuerdo observado no debido al azar y es el numerador de Kappa. Para estimar el denominador se calcula la cantidad máxima de acuerdo que podría alcanzarse no debido al azar, es decir el opuesto al IAA. El coeficiente Kappa se expresaría:

Kappa= (IAG-IAA) / (1-IAA)

Ej: Kappa: 0,30/ 0,49= 0,61. El 61% de las observaciones son coincidentes una vez eliminado el componente del azar.

Los valores del coeficiente Kappa varían desde –1, que es el mayor desacuerdo, a +1 que es el acuerdo perfecto. La fiabilidad se considera escasa si el coeficiente Kappa es menor de 0,4; buena si se sitúa entre 0,4 y 0,75 y excelente si es superior a 0,75. SESGOS EN LA EVALUACIÓN DE PRUEBAS DIAGNÓSTICAS Los más frecuentes en este tipo de estudio son:

• Sesgo de confirmación diagnóstica al limitar el estudio a los pacientes a quienes se les hizo en su día el "gold standard" que suelen ser los que más probablemente tengan la enfermedad, por tanto las pruebas positivas están sobre-representadas (sobreestimación de la sensibilidad) y las negativas infra-representadas (infraestimación de la especificidad). Frecuentemente es imposible evitarlo por razones éticas. Hay técnicas matemáticas complejas para controlarlo. • Sesgo de interpretación de las pruebas si no se hacen independientemente. • Sesgo debido a resultados no interpretables de la prueba problema si dicho problema no tiene la misma frecuencia en ambos grupos. • Ausencia de gold standard definitivo. • Espectro de la enfermedad ("Case mix") Una prueba puede tener distintos grados de exactitud para diferentes grados de severidad de la enfermedad. Deben siempre comunicarse las características clínicas de los pacientes incluidos en el estudio. • Variabilidad interobservador: Todas las pruebas (unas más que otras) requieren cierto grado de pericia en su realización e interpretación. Dos observadores pueden ser igualmente exactos pero ser uno más sensible o específico que otro, en otras palabras

Rodrigo Val P



17

operar con la misma curva ROC pero en puntos distintos o pueden tener distinta exactitud (operar en la misma prueba con distinta curva ROC).

Rodrigo Val P



18

2. TOMA DE DECISIONES BASADAS EN INFORMACIÓN EPIDEMIOLÓGICA

En cualquier contacto clínico, el profesional se enfrenta a la responsabilidad de decidir. Existen técnicas de análisis de Decisión que estructuran y facilitan la toma de decisiones mediante mecanismos que permiten evaluar y hacer más racional la actividad clínica.

El Análisis de Decisión es una herramienta cuantitativa que evalúa el valor relativo de cada una de las opciones existentes en una decisión. Divide los problemas complejos en partes más sencillas, los analiza en detalle y los combina de nuevo de manera que se pueda identificar la mejor estrategia. Trata de evitar los errores producidos al establecer juicios clínicos basados fundamentalmente en la intuición o experiencia personal. El abordaje de un problema mediante una técnica de análisis de decisión está indicado cuando se dan las siguientes circunstancias: 1. Existe un conjunto de alternativas reales bien definidas entre las que escoger 2. Se detecta incertidumbre sobre las consecuencias de las alternativas 3. La persona o personas que deciden tienen preferencias acerca de los posibles resultados 4. Existen una o más restricciones que limitan el conjunto d e alternativas. Por ej: el coste de

oportunidad de vacunar a toda la población escolar de hepatitis B es tan grande que nos impide realizar otras actuaciones sanitarias con una mejor relación coste efectividad.

5. El problema precisa que se tome una decisión

El valor del enfoque analítico del proceso de decisión radica en que integra los datos disponibles, obliga a un razonamiento riguroso y expone las áreas de incertidumbre o ignorancia. Los árboles de decisión

Son las técnicas más usadas entre la amplia gama de técnicas de análisis de decisión existentes. Son útiles para explicitar la secuencia temporal y lógica de las diferentes alternativas de un problema, de tal manera que sea fácil comprender todas sus posibles decisiones y consecuencias. La estructura y símbolos de los árboles de decisión están estandarizados. Elementos del modelo de decisión Un árbol de decisión es una representación visual de las consecuencias lógicas y temporales que conviene que sean consideras previamente a la adopción de las decisiones. Cualquier árbol está compuesto por dos elementos: Nudos y Ramas. - Nudos: puntos de partida, acontecimientos o llegadas; se representan con figuras

geométricas. - Ramas: relaciones entre los diversos nudos; se representan como líneas continuas.

Rodrigo Val P



19

Todos los árboles se desarrollan y representan de izquierda a derecha, a partir de un

punto o nódulo de origen, que se va ampliando de forma ramificada (partiendo desde ramas más grandes a otras más pequeñas), empleando alternativamente otras nuevas ramas y nudos, hasta alcanzar unos puntos finales o nudos terminales.

En el desarrollo modelizado de un problema sanitario, mediante el diseño de un esquema o árbol de decisión, pueden diferenciarse las siguientes tres clases de nudos: 1)de acción, elección o decisión; 2) de acontecimientos o de azar; y 3) finales o terminales. Los nudos de acción, elección o decisión, se encuentran siempre en el punto que da origen o en el que nace el árbol, aunque excepcionalmente pueden volver a aparecer en cualquier otro lugar del esquema en donde se plantee un juicio disyuntivo. Se representan siempre mediante un cuadrado, y de él pueden partir una o más ramas. - el analista puede elegir libremente cualesquiera de las estrategias comparadas - estas alternativas no llevan asociadas probabilidades. Son sucesos mutuamente

excluyentes. Ej: vacunar o no vacunar; hacer o no una determinada prueba diagnóstica;

Los nudos de acontecimientos (o de azar), representan eventos de interés para el analista y pueden encontrarse en cualquier lugar del esquema gráfico, con excepción de aquellos puntos correspondientes al principio y final del árbol. Siempre se representan mediante un círculo, o un punto. En ellos se abren horquillas de las que pueden partir dos o más ramas. Cada acontecimiento puede a su vez conducir a otros nudos. Estos nudos de azar poseen dos principales características: - el analista no posee ningún control sobre los acontecimientos, resultados que pueden

nacer de ellos - las ramas que salen de los nudos de acontecimientos sí deben llevar asociadas sus

respectivas probabilidades, ya que se trata de sucesos que no son excluyentes, sino complementarios. Ej: contraer o no una enfermedad, reaccionar favorablemente o no a un tratamiento, registrar o no alguna reacción adversa…

Vacunar

No Vacunar

Nudos de acción o decisión

Rodrigo Val P



20

No enfermar Los nudos finales o terminales se encuentran siempre en el extremo situado más a la derecha del esquema, y en ellos se reflejan los resultados de interés esperados a los que da lugar el desarrollo del árbol de decisión. Se representan siempre mediante un rectángulo, un óvalo o un triángulo; y de ellos no puede partir ninguna rama. Dentro de esto nudos se registra información cuantitativa, por ej: - Utilidades, expresados en unidades de calidad de vida o años de vida ajustados por

calidad; - Beneficios, expresados en unidades monetarias - Costes, expresados en unidades monetarias.

Fases de elaboración Para la confección correcta de un árbol de decisión, las fases son las siguientes:

Superviviente

Fallecido

Nudos de azar

Vacunar Enfermar

Nudo final o terminal

Rodrigo Val P



21

- Identificar las acciones o alternativas disponibles o de interés para el analista - Reflejar los acontecimientos o sucesos que se derivan de cada una de las acciones

consideradas - Cuantificar y valorar los resultados esperados en nudos finales - Asignar las probabilidades que correspondan a cada una de las ramas que partan de los

nudos de acontecimientos - Relacionar las probabilidades y los resultados para la obtención de la consecuencia

esperada en cada alternativa - Proponer la ejecución de la estrategia óptima según el modelo - Probar la consistencia o robustez de la decisión sugerida ante los cambios razonables que

pueden experimentar los valores de los parámetros intervinientes. Es recomendable seguir los siguientes consejos: • Desplegar el árbol de forma horizontal, de izquierda a derecha • Expresar las probabilidades en tantos por uno • Intentar explicar los acontecimientos de forma dicotómica (dos ramas por cada nudo de

acontecimientos) • Representar los nudos utilizando la anotación estándar • Utilizar ángulos rectos para dibujar las ramas • Alinear verticalmente todos los nudos y ramas que correspondan a acontecimientos y

resultados que sean similares • Ordenar los acontecimientos según un criterio lógico temporal

Rodrigo Val P



22

Bibliografía 1. Sackett DL, Haynes RB, Guyatt GH, Tugwell P. Epidemiología Clínica. Ciencia básica

para la medicina cl´nica. 2ª ed. Madrid: Editorial médica panamericana; 1994 2. Argimón Pallás JM, Jiménez Villa J. Métodos de investigación clínica y epidemiológica.

2ª ed. Barcelona: Harcourt; 2000. 3. Damián J, Royo MA. Manual de método epidemiológico. Madrid. Escuela Nacional de

Sanidad. Ministerio de Sanidad y Consumo. 2006 4. Rodríguez Artalejo F, Banegas Banegas JR, Conzálex Enríquez J, Martín Moreno JM,

Villar Ávarez F. Análisis de decisiones clínicas. Med Clin (Barc) 1990; 94:348-354 5. Orozco D, Gil VF, Pedrera V, Buigues F, Medina E, Merino J. Validez de la

determinación de la glucemia basal en el control de los pacientes diabéticos no dependientes de insulina. Med Clin (Barc) 1997;108:325-329

6. Bracho A, Jaramillo C, Martínez JJ, Montaño A, Olguín A. Comparación de tres pruebas diagnosticas para el aborto por rinotraqueitis infecciosa bovina en hatos lecheros. Vet. Méx, 2006; 37(2): 151-163

7. Abraira V. Índices de rendimiento de las pruebas diagnósticas. Semergen 2002;28(4):193-194

8. Gómez de la Cámara A. La medicina basada en evidencias científicas: mito o realidad de la variabilidad de la práctica clínica y su repercusión en los resultados en salud. Anales Sis San Navarra 2003, 25 (3):11-26

9. Burgueño MJ, García Bastos JL, González Buitrago JM. Las curvas ROC en la evaluación de las pruebas diagnósticas. Med Clin (Barc)1995; 104:661-670

Otras direcciones de interés: Calculadoras estadísticas http://www.infodoctor.org/cgi-bin/testcalc.pl Es válida esta prueba diagnóstica? http://www.infodoctor.org/bandolera/baul/b26-2.html Programa de habilidades en lectura crítica: http://www.redcaspe.org/homecasp.asp Enfermería basada en la evidencia http://www.index-f.com/oebe/inicio.php Material docente del Hospital Ramón y Cajal http://www.hrc.es/bioest/M_docente.html#tema5

Módulo III Epidemiología - ics-aragon.com · Instituto Aragonés de Ciencias de la Salud, 2009...

Documents

Transcript of Módulo III Epidemiología - ics-aragon.com · Instituto Aragonés de Ciencias de la Salud, 2009...