Razón de probabilidad (medicina): definición básica, interpretación

Actualizado el 11 de diciembre de 2021, por Luis Benites.

El siguiente artículo cubre el Razón de Verosimilitud tal como se aplica a las pruebas de diagnóstico en medicina . Si está buscando la prueba utilizada para elegir un mejor modelo , consulte el siguiente artículo: Prueba de razón de verosimilitud (probabilidad y estadística matemática) .

¿Qué es una razón de verosimilitud?

Es posible que desee leer este artículo primero: Sensibilidad frente a especificidad .

Los cocientes de probabilidad (LR) en las pruebas médicas se utilizan para interpretar las pruebas de diagnóstico. Básicamente, el LR le dice qué tan probable es que un paciente tenga una enfermedad o condición. Cuanto mayor sea la proporción, más probable es que tengan la enfermedad o condición. Por el contrario, una proporción baja significa que es muy probable que no lo hagan . Por lo tanto, estas proporciones pueden ayudar a un médico a descartar una enfermedad.

fórmulas

La fórmula para la razón de verosimilitud (LR) es: Las pruebas pueden ser positivas o negativas, por lo que hay dos razones:

• LR positivo : Esto le dice cuánto aumentar la probabilidad de tener una enfermedad, dado un resultado positivo en la prueba. La relación es:
  probabilidad de que una persona con la condición dé positivo (un verdadero positivo) /
  probabilidad de que una persona sin la condición dé positivo (un falso positivo ).
• LR Negativo : Esto le dice cuánto disminuir la probabilidad de tener una enfermedad, dado un resultado negativo en la prueba. La relación es:
  probabilidad de que una persona con la condición dé negativo (un falso negativo ) /
  probabilidad de que una persona sin la condición dé negativo (un verdadero negativo).

La sensibilidad y la especificidad son una forma alternativa de definir la razón de verosimilitud:

• LR positivo = sensibilidad / (100 – especificidad).
• LR negativo = (100 – sensibilidad) / especificidad.

Interpretación de razones de verosimilitud

Los cocientes de probabilidad van de cero a infinito . Cuanto mayor sea el valor, más probable es que el paciente tenga la afección. Como ejemplo, digamos que un resultado positivo de la prueba tiene un LR de 9.2. Este resultado tiene 9,2 veces más probabilidades de ocurrir en un paciente con la afección que en un paciente sin la afección.

Una regla empírica (McGee, 2002; Sloane, 2008) para interpretarlos:

• 0 a 1: disminución de la evidencia de enfermedad. Los valores más cercanos a cero tienen una mayor disminución en la probabilidad de enfermedad. Por ejemplo, un LR de 0,1 reduce la probabilidad en un -45 %, mientras que un valor de -0,5 reduce la probabilidad en un -15 %.
• 1 : sin valor de diagnóstico.
• Por encima de 1: mayor evidencia de enfermedad. Cuanto más lejos de 1, más posibilidades de enfermedad. Por ejemplo, un LR de 2 aumenta la probabilidad en un 15 %, mientras que un LR de 10 aumenta la probabilidad en un 45 %. Un LR superior a 10 es una evidencia muy sólida para descartar una enfermedad.

Ejemplo de la vida real

Sloane (2008) ofrece el siguiente ejemplo para una prueba de ferritina sérica , que prueba la anemia por deficiencia de hierro. El LR para la prueba es:

El LR de 51.8 para menores de 15 mg/dL resulta una evidencia muy fuerte para descartar anemia ferropénica. Por otro lado, el LR muy bajo de 0,08 es una clara evidencia de que no hay anemia. Las puntuaciones intermedias están abiertas a interpretación; es posible que se necesiten más pruebas.

Teorema de Bayes y la LR

En teoría, el LR te dice si una prueba es correcta. En la práctica, no se usa mucho. Esto podría deberse a que el Teorema de Bayes (la teoría detrás de las probabilidades previas y posteriores a la prueba) no es muy fácil de entender. Sin embargo, no es necesario que comprenda el funcionamiento interno del teorema para comprender la forma de razón de verosimilitud del teorema:

Por ejemplo, supongamos que un paciente que regresa de unas vacaciones a Río presenta fiebre y dolor en las articulaciones. Los datos anteriores le indican que el 70 % de los pacientes de su consulta que regresan de Río con fiebre y dolor en las articulaciones tienen zika. El resultado de la prueba de sangre es positivo, con una razón de probabilidad de 6. Para calcular la probabilidad de que el paciente tenga Zika:
Paso 1: Convierta la probabilidad previa a la prueba en probabilidades:
0.7 / (1 – 0.7) = 2.33.
Paso 2: utilice la fórmula para convertir las probabilidades previas a la prueba en las posteriores a la prueba:
Probabilidades posteriores a la prueba = Probabilidades previas a la prueba * LR = 2,33 * 6 = 13,98.
Paso 3: Convierta las cuotas del Paso 2 nuevamente a probabilidad:
(13.98) / (1 + 13.98) = 0.93.
Hay un 93% de probabilidad de que el paciente tenga Zika.

Referencia :
McGee, S. Simplificación de razones de probabilidad. J Gen Intern Med. 2002 agosto; 17(8): 647–650. Disponible aquí .
Sloane, P. 2008. Fundamentos de medicina familiar . Lippincott Williams & Wilkins.