Monografias | Bases teóricas para la creación de un sistema para la evaluación de medios diagnósticos y análisis de decisión clínica

Bases teóricas para la creación de un sistema para la evaluación de medios diagnósticos y análisis de decisión clínica

Resumen: En el estudio preliminar realizado para la creación de un sistema para la evaluación de medios diagnósticos y el análisis de decisión clínica denominado PEMeDi 1.0 se partió de una exhaustiva revisión bibliográfica y la entrevista tanto a expertos en la materia como a usuarios de sistemas similares Para la creación de este sistema hubo que analizar, profundamente, los elementos teóricos de la evaluación de medios diagnósticos y el análisis de decisión clínica por lo que el objetivo de este trabajo se centra en identificar las bases teóricas que permiten y de hecho conllevan a la elaboración de un sistema de esta índole. Esta teoría aparece plasmada en el desarrollo de este trabajo.

Publicación enviada por Dra. Nelsa María Sagaró del Campo y Dra. Rosa Jiménez Paneque


 

RESUMEN

En el estudio preliminar realizado para la creación de un sistema para la evaluación de medios diagnósticos y el análisis de decisión clínica denominado PEMeDi 1.0 se partió de una exhaustiva revisión bibliográfica y la entrevista tanto a expertos en la materia como a usuarios de sistemas similares Para la creación de este sistema hubo que analizar, profundamente, los elementos teóricos de la evaluación de medios diagnósticos y el análisis de decisión clínica por lo que el objetivo de este trabajo se centra en identificar las bases teóricas que permiten y de hecho conllevan a la elaboración de un sistema de esta índole. Esta teoría aparece plasmada en el desarrollo de este trabajo.

INTRODUCCIÓN

Hace pocos años, no existían a nuestro alcance textos que abordaran directamen­te los aspectos relacionados con la evaluación de la eficacia de los medios diagnósticos y la toma de decisiones médicas en presencia de incertidumbre. Sin embargo, una gran cantidad de consideraciones aisladas sobre ello podían hallarse en artículos de revistas, lo cual dificultaba la revisión y la posterior aplicación de estos conceptos a la práctica médica, es por ello que se elaboraron dos monografías!-2 y el Sistema para la Evaluación de Medios Diagnósticos, EVA3-4 , y mas recientemente el PEMeDi, cuyas bases teóricas se abordan en este trabajo.

En el estudio preliminar realizado para la creación de un sistema para la evaluación de medios diagnósticos y el análisis de decisión clínica se partió de una exhaustiva revisión bibliográfica y la entrevista a expertos en la materia y usuarios de sistemas similares.

Luego de un profundo estudio de las bases teóricas y prácticas y el estado del arte del problema se identificaron las necesidades de los diferentes tipos de usuarios, para lo cual, además de la revisión de la literatura, se aplicaron técnicas de investigación cualitativas del tipo entrevistas individuales y grupales, se realizó un análisis de factibilidad tanto técnica como económica y  se elaboró un cronograma para la planificación de cada una de las etapas del proyecto.

Un medio diagnóstico es “cualquier procedimiento para la obtención de información clínica en un paciente, estas pueden ser procedimientos instrumentales, exploraciones físicas, cuestionarios, etc.”

Las pruebas diagnósticas aportan información que permite distinguir pacientes con diferentes probabilidades de enfermar, por ello, es preciso manejar categorías como validez operativa, exactitud diagnóstica, utilidad diagnóstica.

El objetivo de este trabajo se centra en identificar las bases teóricas que permiten y de hecho conllevan a la elaboración de un sistema para la evaluación de medios diagnósticos y el análisis de decisión clínica.

DESARROLLO

1. El diagnóstico

Desde hace varias décadas se presentan con frecuencia en la literatura médica artículos que discuten diferentes aspectos sobre el diagnóstico: su concepto, esencia y significado a la luz de los nuevos enfoques sobre ética y praxis de la medicina.

Etimológicamente, la palabra diagnóstico proviene del adjetivo griego diagnostikos que quiere decir capaz de conocer y este del verbo diagnostiko que significa reconocer, conocer enteramente5.

El Diccionario Webster, citado en Jiménez1, lo define como: el acto o proceso de determinar la naturaleza de la condición mórbida mediante el examen; un cuidadoso examen de los hechos para determinar la naturaleza de algo y la decisión u opinión resultante de tal examen o investigación.

El Diccionario Enciclopédico de la Unión Tipográfica Editorial Hispano Americana6 define  diagnosis como “el estudio o proceso encaminado a identificar una enfermedad mediante la observación de sus síntomas y signos que comprende el conjunto de métodos y procedimientos de que se vale el médico para reconocer la naturaleza del mal, entre otros, la inspección, la auscultación, palpación, la percusión, los diversos análisis y prueba de laboratorio, el examen radiológico, etc.”

En general, el diagnóstico, ya sea socioeconómico, del nivel de desarrollo de la ciencia, de una situación de transporte, u otro, es "un proceso cognoscitivo, que tiene su punto de partida en el pensamiento concreto sensible, a partir de determinados hechos, se desarrolla en el pensamiento abstracto y tiene el criterio de la verdad en la práctica"7.

El diagnóstico clínico debe rebasar los límites biologicistas, no reducir los conocimientos acerca del objeto (paciente) a signos y síntomas, sino que estos son parte de un todo: el hombre. De esta manera el principio sistémico del conocimiento se pone de manifiesto al comprender la dialéctica de lo singular específico (cuadro clínico) con lo general (hombre, ser social que tiene signos y síntomas)7.

Jiménez1 plantea que el diagnóstico puede considerarse como el más importante resul­tado del ejercicio médico, la clave que conduce al trata­miento y al pronóstico. Es, asimismo, el punto álgido en ese proceder ya que en ocasiones resulta inalcanzable y a veces, paradójicamente, innecesario y hace un exhaustivo análisis en la introducción de su monografía de lo que plantean varios autores sobre el tema.

El diagnóstico médico tiene como punto de partida a los hechos, constituidos por aquellos datos que son considerados de interés y se caracterizan por ser objetivos. La acumulación y elaboración de datos empíricos constituye la etapa inicial del conocimiento, por lo que resultan importantes en la investigación médica. Los hechos en el diagnóstico son los signos y síntomas (entidades nosológicas), así como aquellos que pudieran detectarse en el proceso del interrogatorio, el examen físico y los exámenes complementarios. Estas conjeturas (hipótesis) iniciales aportadas por estos procedimientos, hacen que el médico arribe al llamado diagnóstico presuntivo, intuitivo o inicial, y posibilita llevar a efecto una terapéutica inmediata. En este caso el médico se encontraría en la alternativa de si tratar o no a un posible enfermo7.

De como transcurre el proceso que da lugar al diagnóstico se ocupa también la literatura. Varios autores coinciden en que éste requiere de dos etapas diferenciales. En la primera se establece una presunción, sospecha o hipótesis de existencia de la enfer­medad. La segunda se dirige al seguimiento de la suposi­ción clínica y a verificar si la hipó­tesis se corresponde con la verdad.

Esto no es más que la aplicación del método clínico, como método científico particular, que según Gómez de la Cámara 8 comprende los siguientes pasos, que dan validez a lo antes expresado:

1.      Plantear el problema y estudiarlo por la observación, descripción y clasificación.

2.      Establecer la hipótesis (diagnóstico presuntivo).

3.      Comprobar la hipótesis.

4.      Revisar y replantear el problema (formular el diagnóstico médico).

Durante todo el proceso que conduce al diagnóstico, el médico se vale de distintas fuentes de información. Se destacan entre ellas la anamnesis del paciente, el examen físico, la información epidemiológica y los resultados de los medios o, más general, los procedimientos diagnósticos.

2. Los medios diagnósticos

En este trabajo se denomina procedimiento, test, prueba o medio diagnóstico a cualquier proceso, más o menos complejo, que pretenda establecer la presencia de cierto rasgo del paciente no susceptible de ser observado direc­tamente, tal y como se define en Jiménez1.

Según Gómez de la Cámara 8, medio diagnóstico es “cualquier procedimiento para la obtención de información clínica en un paciente, estas pueden ser procedimientos instrumentales, exploraciones físicas, cuestionarios, etc.”

Aunque su nombre tiende a reducir su utilidad  para las funciones de diagnóstico, las pruebas diagnósticas se emplean, además, con otros propósitos, como determinar una situación clínica de base, monitorizar la evolución de una enfermedad, definir un pronóstico, identificar complicaciones de un tratamiento, controlar niveles terapéuticos de fármacos, comprobar un resultado inesperado de una prueba previa o realizar técnicas de detección9-12.

Las pruebas diagnósticas aportan información que permite distinguir pacientes con diferentes probabilidades de enfermar, por ello, es preciso manejar categorías como validez operativa, exactitud diagnóstica, utilidad diagnóstica, las cuales se definen por Pozo11 de la siguiente manera:

*       La validez operativa es la propiedad de clasificar correctamente a los sujetos en el grupo clínicamente correspondiente y puede expresarse en términos de exactitud diagnóstica. Esta nos permite clasificar a los pacientes en grupos distintos con implicaciones diagnósticas, pronósticas o terapéuticas diferentes.

*       La exactitud diagnóstica es el grado de calidad de la información provista por las pruebas diagnósticas (sensibilidad, especificidad).

*       La utilidad diagnóstica de una prueba se refiere al valor práctico de la información que no tiene por qué coincidir con el de la exactitud diagnóstica.

Las características o prestaciones de las pruebas diagnósticas sirven de base metodológica para la toma de decisiones en la práctica clínica. Se asume, que un individuo sano y otro enfermo pueden ser distinguidos de manera válida (exacta y reproducible por una determinada prueba diagnóstica).

La mayoría de los autores reconocen que la presen­cia de una enfermedad en un individuo a menudo no puede deter­minarse con certeza. Kassirer, citado en Jimenez1, es aún más categórico en este aspecto al plantear que la certeza absoluta en el diagnóstico es inalcanzable, independien­temente de cuánta información se obtenga, cuántas observaciones se hagan, o cuántas pruebas diagnósticas se realicen en el desempeño médico. Agrega, además, que el objetivo del médico no es alcanzar la certeza absoluta sino reducir el nivel de incertidumbre lo suficiente como para tomar una decisión en cuanto a la terapéutica a seguir.

En este proceso, de compleja estructura, existe un gran número de fuentes de incertidumbre, matizadas por una amplia gama de cuestiones como que el conjunto de síntomas y signos en un paciente puede ser compatible con más de una enfermedad; la existencia de variaciones biológicas, a veces importantes entre un enfermo y otro; la imprecisión que suelen tener los instrumentos de medición; y la posible inexactitud de los pacientes al recordar sucesos pasados. 

De manera que, en la mayoría de los casos clínicos, el diagnóstico, el pronóstico y los resultados terapéuticos para pacientes individuales son inciertos, y por lo tanto deben ser expresados como probabilidades13-14.

3. Visión bioestadística del diagnóstico y los medios diagnósticos

El médico debe ser capaz de cernir los síntomas, signos y resultados de pruebas de laboratorio, y reconocer las anormalidades que predicen enfermedades. Por lo que podemos afirmar que el diagnóstico es un proceso de estimación probabilística que comienza con la recolección de datos: síntomas, signos, resultados de pruebas de laboratorio y termina con una expresión probabilística que estima la presencia de una o más enfermedades.

Las estimaciones probabilísticas se deben basar tanto en la propia experiencia del médico de atender pacientes, ya sea, a nivel secundario o a nivel primario (epidemiología de su comunidad), como en la literatura médica que describe poblaciones semejantes a las que sean atendidas. En el caso del nivel primario de salud hay que tener cuidado de no hacer estimaciones probabilísticas en base a la experiencia adquirida a partir de poblaciones de pacientes seleccionados (que se suponen enfermos de antemano)14.

Las pruebas diagnósticas deben ser expresadas en términos de variable o parámetro, es decir, deben presentar la capacidad de ser medidas en relación con una enfermedad o estado particular; muchas veces se debe establecer un valor umbral o punto de corte. De esta manera, se divide lo “normal” de lo patológico.

Según el número de respuestas de la prueba, debemos considerar una escala con dos tipos o categorías fundamentales:

*       La dicotómica dada por la presencia o ausencia de un signo para clasificar a los individuos como sanos o enfermos (un caso especial de esta son las pruebas llamada de “tres zonas”, en aquellos casos que existen resultados incapaces de clasificar al paciente en uno u otro grupo).

*       La más que dicotómica (ordinal o cuantitativa) que clasifica a un paciente como sano o enfermo si el valor de la prueba diagnóstica cae por encima o por debajo de un criterio, valor umbral, punto de corte o valor de referencia.

En las pruebas diagnósticas, sean cualitativas o cuantitativas, siempre será necesario definir lo que es “normal” y lo que es “anormal” puesto que al dicotomizar se simplifica el análisis de la información clínica reduciendo el conjunto de probabilidades a manejar. De esta manera, sólo tenemos en consideración la probabilidad de la enfermedad, la probabilidad de un resultado positivo, la probabilidad condicional de tener la enfermedad dado un test o prueba con resultado positivo y la probabilidad condicional de no tener la enfermedad dado una prueba con resultado negativo. La ventaja de esta fragmentación de información es que se adapta a la toma de decisiones en la clínica: tratar o no tratar. La desventaja es que se pierde parte de la información que albergan resultados con un espectro de posibilidades más amplio9.

Tradicionalmente, la exactitud de una prueba diagnóstica para detectar o excluir una enfermedad se expresa en términos de sensibilidad, especificidad, valor predictivo positivo y valor predictivo negativo, todas las cuales son proporciones o probabilidades que se obtienen a partir de datos que, de manera muy sencilla, se pueden organizar en una tabla de contingencia de 2 x 2 como se muestra en la figura 1.

Lo anteriormente expresado es válido sólo para las pruebas de respuesta dicotómica, en cambio la eficacia de los medios de respuesta ordinal o cuantitativa se verifica a través de la Curva de Características Operacionales del Receptor, más conocida por la sigla ROC, del inglés Receiver Operating Characteristic, la cual se define, empíricamente, por el ploteo en un plano cartesiano de la sensibilidad en el eje de las “Y” y los falsos positivos (complemento de la especificidad) en el eje de las” X” (Figura 2)

 
Figura 2. Curva ROC empírica típica que se construye al plotear en un eje de coordenadas los puntos (X,Y) dados por (1-Especificidad, Sensibilidad) para cada punto de corte.

El procedimiento de la curva ROC es una metodología desarrollada en el seno de la Teoría de la Decisión en los años 50 y cuya primera aplicación fue motivada por problemas prácticos en la detección de señales por radar.

La equivalencia entre el operador que interpreta los picos en la pantalla del radar para decidir sobre la presencia de un misil y el médico que emplea el resultado de una prueba diagnóstica para decidir sobre la condición clínica del paciente propició su difusión en el área de la Biomedicina , en los años 60, inicialmente en Radiología, donde la interpretación subjetiva de los resultados se recogía en una escala de clasificación, y luego, de modo creciente, para cualquier método diagnóstico que genere resultados numéricos15.

Como en la práctica no disponemos de las poblaciones (abstractas) de enfermos y sanos, sino simplemente de una muestra de ellas y, en general, no conocemos las distribuciones de los valores de la prueba diagnóstica en dichas poblaciones debemos ver la construcción de la curva ROC desde un punto de vista típicamente estadístico.

Básicamente, existen dos tipos de métodos para la construcción de la curva ROC: los paramétricos y los no paramétricos.

Los métodos no paramétricos se caracterizan por no hacer ninguna suposición sobre la distribución de los resultados de la prueba. Entre ellos el más usual es el método empírico que es el más simple y consiste simplemente en representar los pares (1-Especificidad; Sensibilidad) para todos los posibles valores de corte de la muestra que tenemos, tal y como se muestra en la figura 2.

Los métodos paramétricos se caracterizan por postular un determinado tipo de distribución para la variable de decisión en las dos poblaciones (enfermos y no enfermos), del cual se obtiene una curva ROC suave, pero puede ocurrir una sustancial falta de ajuste si los supuestos distribucionales resultan ser erróneos, por lo que la hipótesis sobre la naturaleza de las distribuciones debe someterse,  previamente, a un contraste de significación. Estas limitaciones hacen que el método no sea, en general, recomendable para datos contínuos, sino para datos discretos16-24.

Entre los métodos paramétricos, el binormal es el más frecuentemente utilizado. Este supone la normalidad de las variables tanto en la población sana como en la enferma, y consiste en estimar los parámetros de la distribución de cada población por un método estadísticamente adecuado, en general el método de máxima verosimilitud. Otros métodos paramétricos menos aplicados son el  bilogístico, el exponencial negativo y el bigamma24.

Metz25-32, uno de los autores con más publicaciones desde 1978 hasta la fecha, propuso un tercer método, el semiparamétrico, el cual supone la existencia de una transformación que haga que las dos distribuciones sean aproximadamente normales, ésta se deja sin especificar. La dependencia mucho menor de la validez de las asunciones se debe principalmente a la invariancia de la curva ROC frente a las transformaciones monótonas de la escala de la variable de decisión33-34.

Como se observará la mayor exactitud diagnóstica de una prueba se traduce en un desplazamiento "hacia arriba y a la izquierda" de la curva ROC. Esto sugiere que el área bajo la curva ROC se puede emplear como un índice conveniente de la exactitud global de la prueba: la exactitud máxima correspondería a un valor de 1 y la mínima a uno de 0.535. Pero también existen diversas fórmulas propuestas por diferentes autores como DeLong36 y Hanley y MacNeil37-39 para estimar el error estándar de esta área y con ello construir intervalos de confianza. Otros aspectos interesantes resultan ser el punto de corte óptimo40-41 y el área parcial42-48.

Estos métodos se han ido desarrollado, así, en los años 90 se extendió el empleo de  la estadística multivariada que había propuesto por primera vez Swets, en 198849, se han aplicado las técnicas del análisis de varianza50, nuevas técnicas de regresión51, el tema de los costos52 y en el siglo actual se está empleando la técnica “bootstrapping” para estimar los componentes de variación y las diferencias entre curvas, entre otros53-55, así como se continúan evaluando los trabajos previos56-62.

En la práctica diaria, el proceso para llegar a un diagnóstico es imperfecto y debemos ser conscientes de que la presunción diagnóstica es una probabilidad y con frecuencia no se tiene la certidumbre de un diagnóstico definitivo, incluso después de múltiples pruebas utilizadas en serie o en paralelo63. Ahora bien, ¿hasta dónde resulta racional el empleo de uno o varios medios diagnósticos? La respuesta a esta pregunta es el asunto del que trata el siguiente epígrafe.

 

4. Uso y abuso de los medios diagnósticos

El desarrollo tecnológico de los últimos decenios ha dotado a la práctica  médica de novedosos y sofisticados medios diagnósticos que, sin dudas, han contribuido al perfec­cionamiento del trabajo médico.

Actualmente, las habilidades tradicionales del médico, basadas en el interrogatorio, la recogida de la historia clínica, e incluso en el examen físico, para detectar síntomas y signos o diagnosticar enfermedades, parecen ver reducida su importancia a causa de la pujanza y la confianza que generan la tecnología y los nuevos aparatos de diagnóstico.

¿Quién se acuerda hoy en día del proceso diagnóstico tan elaborado de muchos síndromes neurológicos tan simplificado actualmente por la tomografía axial computarizada, o bien de la fineza, aunque muy subjetiva, resultante de años de experiencia, de la auscultación cardiaca, superada tal vez en cuanto a información por los ultrasonidos? Por no hablar de reductos inabordables (ultrasonografía fetal) o de enfermedades como la esclerosis múltiple, con síntomas aparentemente confusos (parálisis parciales, visión borrosa, etc.) que, hasta la aparición de la resonancia magnética, no pudieron ser verificadas de forma incruenta y antes de realizar la autopsia64.

Un argumento está en el hecho de que cuando la nueva técnica diagnóstica es más precisa, más fácil de realizar, con menos riesgo o menor costo, los profesionales tienden a reducir el umbral en que la indican olvidando que no hay pruebas diagnósticas completamente inocuas, no sólo por el medio que puedan utilizar, sino por la interpretación que se hace de sus resultados y las acciones subsiguientes64.

El empleo de nuevos equipos en la asistencia médica, además de las tradicionales preocupaciones en su aplicación (eficacia y costo/beneficio), entraña otros problemas, como su elevado costo, el consentimiento voluntario a someterse a una nueva tecnología, la relación medico paciente y el perfil médico del futuro.

A menudo, la alta tecnología se importa de otra nación más desarrollada y se utiliza sin tener en cuenta las características locales y en ocasiones no están acompañadas por un uso justificado y por el desarrollo de un personal capacitado. Como consecuencia de esto último se presenta dificultades de mantenimiento, los resultados no son enteramente satisfactorios.

Otro aspecto a considerar es el despilfarro de recursos ya que crece considerablemente un mercado incontrolable dirigido hacia el desarrollo de tecnologías costosas, lo que obliga a utilizar los fondos destinados a otras necesidades primarias más imperiosas. El alto costo de estas tecnologías ha encarecido la atención médica sostenidamente en los últimos años y ha establecido el dilema de quienes deben beneficiarse principalmente de ellas: ¿los que lo pueden pagar? o ¿los que tienen la sintomatología adecuada para su uso eficaz?

A pesar de su aparición en oleadas, las nuevas tecnologías raramente surgen como sustitutivas, sino que en muchos casos representan una anilla más de una cadena cada vez más larga, además, el mayor uso de las pruebas diagnósticas conlleva, paralelamente, a un aumento en las intervenciones terapéuticas. Es lo que algunos llaman cascada clínica64.

Se fortalece, entonces, entre muchos la creencia de que se ha hipertro­fiado el uso de pruebas diagnósticas de todo tipo. Sobre este aspecto, Kassirer, citado en Jiménez1, refiere que el uso excesivo de  pruebas, además de la búsqueda para la certeza diagnóstica, tiene otras muchas causas, como son las presiones de supervisores, la conveniencia de cuáles pruebas ordenar, la demanda de pacientes o familiares, el deseo de evitar ser demandado por mal ejercicio de la profesión, la curiosidad por los resultados de las pruebas, la ignorancia de las características de las pruebas, los motivos financieros, los hábitos irracionales, el celo extraor­dinario por la certeza diagnóstica, etc.

Cuando estas técnicas se emplean indiscriminadamente ocasionan, en no pocos casos, cierta indisposición del paciente que se ve sometido a un procedimiento caro y de resultados poco convincentes o conocidos. Es común, por ejemplo, que simultáneamente se realicen exámenes para la misma finalidad, a veces riesgosos, lo cual conduce habitualmente a resultados confusos cuando no contradictorios, a la vez que se multiplican los costos asistenciales.

Silva y Begg, citados en Jiménez1, afirman que el uso de pruebas diagnósticas para la detección y evaluación de varias enfermedades, en la práctica médica contemporánea ha crecido notablemente en años recientes, y tiende a incrementarse, exponencialmente.

Así, Marín65 comienza su artículo afirmando que “Los buenos médicos saben qué solicitar; los muy buenos, cuándo hacerlo. Sólo los mejores saben cuándo no realizar un procedimiento.”

No obstante, a veces está justificado el uso de múltiples pruebas ya sea en serie o en paralelo condicionado por distintos factores como la urgencia en el tratamiento, los económicos, los de riesgo y los resultados obtenidos previamente66.

Teniendo siempre en cuenta el gran valor del método clínico al ordenar las pruebas se deben considerar los siguientes pasos:

1.       Interrogar y explorar al paciente.

2.       Elaborar una breve lista de hipótesis, con probabilidades preprueba.

3.       Ordenar pruebas orientadas a problemas de acuerdo con sus características operativas, evitando peticiones «en ráfagas» para cumplir protocolos rutinarios.

4.       Considerar los riesgos a que se somete al paciente con cada prueba y el eventual beneficio que se derivará de conocer el resultado de cada una.

5.       Para interpretar con rigor el resultado de una prueba, es preciso integrarlo con la probabilidad preprueba que se piensa. Hay que tener presente que un error moderado en la probabilidad preprueba apenas influye en la probabilidad posprueba

6.       Si aparece un resultado no esperado y que no es compatible con los datos clínicos, el médico se preguntará si es un resultado «anormal» esporádico en un individuo «normal».

7.       Después de recibir los resultados de las pruebas, volver a preguntar y a explorar para determinar su coherencia.

8.       Reelaborar la lista de hipótesis y nuevas probabilidades posprueba.

Por lo que se ha analizado, la necesidad de herramientas cuantitativas que permitan dirigir con racionalidad las indicaciones resulta indispensable. Se trata en particular de obtener índices o medidas de eficacia de cada medio diagnóstico que sirvan de pauta orientadora para su selección en el momento necesario. Se parte de la premisa de que en cada momento el médico deberá hacer un uso racional de los distintos instrumen­tos que le sirven para diagnosticar.

En otras palabras, si bien tales pruebas constituyen importantes guías para el diagnóstico de las enfermedades, también es lícito plantearse algunas interrogantes: ¿son todas igualmente eficien­tes?, ¿es necesario utilizar la totalidad de pruebas diagnósticas posibles en determinada entidad nosológica?, ¿cuáles escoger y por qué?, ¿qué indicadores estadísticos se tendrán presentes a la hora de su selección?, ¿qué bases teóricas son necesarias para su aplica­ción?

 

5. La eficacia de los medios diagnósticos

Mucho se ha escrito en torno a los medios diagnósticos y a su eficacia real como elementos contribuyentes a la correcta clasi­ficación diagnóstica de un paciente en estudio.

La sensibilidad y la especificidad son las medidas tradicionales y básicas del valor diagnóstico de una prueba. Estas miden la discrimi­nación diagnóstica de una prueba con relación a un criterio de referencia, que se considera la verdad.

En general, son cuatro los indicadores de eficacia de una prueba que sirven de elementos básicos para ayudar al médico a tomar la decisión más acertada:

La Sensibilidad o medida de la probabilidad de que un paciente enfermo tenga un resultado positivo.

La Especificidad o medida de la probabilidad de que un paciente  no enfermo tenga un resultado negativo.

El Valor Predictivo Positivo o medida de la probabilidad de que un paciente con resultado positivo esté enfermo.

El Valor Predictivo Negativo o medida de la probabilidad de que un paciente con resultado negativo no esté enfermo.

Los dos primeros le permiten al médico conocer las características de operación de una prueba, o sea, corresponden al punto de vista “natural” del investigador que evalúa la prueba, pero requieren de ciertos cálculos para interpretar el resultado de una prueba en la práctica clínica. Mientras que los otros dos le permiten conocer con exactitud la cuantía de la incertidumbre al tener un resultado positivo o negativo de un paciente en un determinado contexto clínico, o sea, representan las proporciones de interés  en la práctica, pero su valor es muy limitado porque dependen de la proporción de enfermos en el grupo en el que la prueba se ha evaluado67.

Es difícil interpretar los resultados de un examen en un paciente conociendo solamente su sensibilidad y especificidad68. Clásicamente, se consideraba que estos dos índices eran independientes de la prevalencia del problema en el grupo estudiado, sin embargo, los trabajos de Feinstein, citados en Jiménez1, demostraron que la sensibilidad de un test depende del espectro de enfermedad representado, y por tanto puede depender de la prevalencia si ésta se relaciona con el espectro de enfermedad69-70.

En el caso hipotético que mencionamos, la información que recibe el paciente no le aclara la probabilidad de tener o no la enfermedad. Para dar una mejor información, es necesario conocer los valores predictivos, tanto positivo como negativo, de la prueba que no son más que las probabilidades de que un resultado positivo o negativo sea o no un falso positivo o un falso negativo, respectivamente71.

Los valores predictivos de una prueba determinada no son una característica o una propiedad intrínseca de la prueba, ya que dependen de la sensibilidad, la especificidad y la prevalencia de la enfermedad en la población que está siendo evaluada, o sea, de cuán común es la enfermedad en la población a la que pertenece el paciente72-73.

Para la interpretación y la elección de las diferentes pruebas diagnósticas, es necesario estar familiarizado con otros conceptos básicos, por ejemplo, la razón de verosimilitud o razón de probabilidades71.

Como los valores predictivos se modifican con la prevalencia de la enfermedad y los valores que ocasionalmente incluyen los fabricantes de las pruebas provienen de estudios hechos en pacientes de hospitales de referencia, no se puede asumir que el rendimiento de la prueba sea igual en otras poblaciones. En cambio, la razón de verosimilitud no es influida por la prevalencia de la enfermedad y, por tanto, es la medida de exactitud que se prefiere en la actualidad cuando se interpretan los resultados de un paciente individual72-74. 

Dicha razón proviene del teorema matemático de Bayes, el cual establece que el cociente de dividir el odds preprueba entre la razón de verosimilitud es igual al odds postprueba, terminología que resulta algo confusa para los médicos acostumbrados a referirse en términos de probabilidades y no de odds68, 74-76.

El odds no es más que otra forma de expresar una probabilidad y resulta de dividir una probabilidad (P) por su complementario (1-P), de tal forma que el odds de prevalencia u odds preprueba se define como: Odds preprueba = Prevalencia/(1-Prevalencia).

Las medidas antes definidas son estimaciones puntuales que se han obtenido de una muestra de enfermos, por tanto, al presentar los resultados en cualquier estudio, habrá que estimar, además, los intervalos de confianza.

La selección del test apropiado se hará no solo en base a estos índices sino también según la función que se persiga con su aplicación.

6. La selección de un medio diagnóstico

Los clínicos juzgan los test por su sensibilidad y especificidad y suelen subestimar la importancia de los valores predictivos cuando se pasa un test probado en el nivel secundario a la atención primaria. Pero no buscan necesariamente un test con elevadas sensibilidad y especificidad al mismo tiempo. Así emplean algunas pautas para la selección en cada momento77:

Cuando es importante no perder diagnósticos, se elige un test con una elevada sensibilidad. 

Cuando es importante no generar falsos positivos debido a las graves consecuencias de un diagnóstico positivo, el clínico dará mayor énfasis a la especificidad del test y buscará un test con elevada especificidad, incluso pensando en que puede haber sido la elección del test con menor sensibilidad que otra alternativa.

Ahora, ¿cómo determinar las características operativas de una prueba diagnóstica?, o sea, su eficacia, pues a través de una comparación de los resultados de esa prueba diagnóstica con un criterio de verdad o “estándar de oro” que define la verdadera presencia o ausencia de la enfermedad considerada que es la llamada evaluación de medios diagnósticos14.

 

7. La evaluación de los medios diagnósticos

La eficiencia en la atención médica es un concepto complicado de instrumentar pues a la búsqueda de menos costos con iguales resultados (concepto tradicional de eficiencia) hay que añadirle la minimización de los riesgos. Hay que tener en cuenta que los costos de la atención son cada vez mayores, en buena medida porque el arsenal de pruebas diagnósticas conque se cuenta es cada vez más sofisticado y complejo. Por otro lado, muchas pruebas resultan riesgosas en algún sentido para el paciente. Por tanto los nuevos test diagnósticos deben estar sujetos a evaluaciones rigurosas y puede irse por pasos para evaluar la evidencia que sustenta la decisión de introducir un nuevo test, pero esta estrategia es raramente utilizada. 

La evaluación del desempeño de un procedimiento diagnóstico comienza por la cuantificación (estimación más bien) de la magnitud de los errores que pueden cometerse o, su inverso, la magnitud de los aciertos que se cometen al intentar "adivinar" un diagnóstico a partir de los resultados que brinde dicho procedimiento.

El sentido común ha sido y sigue siendo una excelente vía para la búsqueda de esta cuantificación, pero la Estadística , en su afán incorregible de dirigir y organizar este (tan poco común) sentido, dispone ya de numerosas herramientas que allanan el camino. En 1947, Yerushalmy, citado en Jiménez1, introduce los términos de sensibilidad y especificidad como indicadores estadísticos que evalúan el grado de eficacia inherente a una prueba diagnóstica.

Estos indicadores, en principio, permiten comparar directamente el rendimiento de una prueba con el de otras y esperar resultados similares cuando son aplicadas en diferentes países o regiones aún cuando tengan prevalencias diferentes de la enfermedad cuyo diagnóstico se busca.

El test que se investiga se ha de comparar siempre que sea posible con una prueba de referencia (estándar de oro) y las dos pruebas tendrían que realizarse a todos los enfermos para evitar el sesgo de verificación o confirmación. Asimismo, los resultados de las dos pruebas tendrían que interpretarse de forma independiente y a ciegas para evitar el sesgo de sospecha diagnóstica75. 

Cuando no existe una prueba de referencia y se utiliza una combinación de pruebas como estándar de referencia, es necesario que la prueba sometida a estudio no forme parte del conjunto de pruebas anteriores, si no se puede incurrir en el sesgo de incorporación. Todos estos sesgos pudieran ocasionar una sobre, o una infravaloración de la validez diagnóstica de la prueba79.

Para verificar la validez de la prueba (y también la reproductibilidad) es recomendable seleccionar una muestra de enfermos que incluyese diferentes estadios de gravedad de la enfermedad, desde leves hasta más graves, y enfermos con otros diagnósticos que puedan inducir a confusión (diagnóstico diferencial)79.

La muestra seleccionada debe que ser similar a la población de enfermos en que habitualmente se aplicará la prueba. Es importante definir el contexto de la práctica clínica, dado que los valores predictivos de una prueba varían con la prevalencia de la enfermedad.

Los elementos cuantitativos mencionados antes, sirven para conocer con precisión el valor de una determinada prueba diagnóstica y ofrecerle al médico una forma más objetiva de discernir qué prueba usar en determinado momento, pero la mayoría de las veces el médico no arriba al diagnóstico con una sola prueba sino que debe ordenar más de una y muchas veces el camino hacia el diagnóstico se realiza en etapas: se ordena el primer grupo de pruebas, se evalúan estos resultados, se ordena otro grupo y se continúa hasta que los elementos sean suficientes para que se pueda imponer tratamiento. El tránsito por este camino de la manera más eficiente es lo que se ha intentado buscar de varias maneras.

Podemos afirmar, entonces, que no existe un procedimiento único que, por medio de la cuantificación de costos y riesgos, dirija al médico por el camino más eficiente hacia el diagnóstico. Sin embargo, varios trabajos aparecen en la literatura que intentan contribuir a señalar o buscar el camino más apropiado para arribar al diagnóstico, no solo hablamos de evaluación de medios diagnósticos, nos referimos también al análisis de decisión clínica.

 

8. El análisis de decisión clínica

El procedimiento o metodología conocido como análisis de decisión clínica es un enfoque sistemático para tomar decisiones bajo condiciones de incertidumbre. Aunque no fue, inicialmente, creado para la toma de decisiones en la clínica, se ha descrito como un método de ayuda para decidir como se manipula al paciente tanto de forma individual, como para desarrollar planes de acción acerca del manejo de grupos de pacientes, así lo reconocen Paurker y Kassirer, citados en Jiménez2.

El análisis de decisión fue elaborado por Von Neumann, a partir de la teoría de los juegos, en 1920. Se propuso como método para la investigación médica por Lee Lusted, en 1959, y se aplicó por vez primera en la clínica por Henschke y Flehinger, en 1967.

El análisis de decisión resulta muy útil en aquellos casos complejos, no urgentes y envueltos por una gran incertidumbre. El mismo posee cuatro definiciones claves79: 

Las utilidades, las cuales representan en términos numéricos la preferencia que se tenga por un resultado sobre otro y permiten comparar entre varias alternativas de resultados posibles.

Las probabilidades de ocurrencia de un resultado, basado en la evidencia y la experiencia del médico, según las estadísticas bayesianas.

El árbol de decisión, representación visual de las decisiones disponibles donde se entrelazan probabilidades y utilidades lógicamente para determinar la estrategia óptima cuya utilidad esperada será la más alta.

El análisis de sensibilidad, para determinar la robustez de una opción variando las utilidades y probabilidades y reconocer la sensibilidad de un resultado ante pequeños cambios.

La teoría de la decisión sugiere que la estrategia más racional es el que logre maximizar la utilidad esperada o, equivalentemente, minimizar el daño. 

Para la estructuración de un problema en un análisis de decisión se construye un árbol de decisión como herramienta básica. Éste consiste en un gráfico donde se representan mediante líneas y símbolos las diferentes curvas de acción y sus posibles resultados, o sea, constituye la manera de representar gráficamente la secuencia lógica y temporal de los acontecimientos para cada línea de acción que esté siendo evaluada79.

Según Weinstein y Fineberg80, considerados clásicos en esta teoría, un árbol de decisión está compuesto por tres elementos:

Las alternativas de acción que conforman la causa por la que se decide hacer el árbol.

Los eventos que siguen a estas alternativas que no son objeto de decisión sino eventos gobernados por leyes probabilísticas.

Los resultados posibles de cada acción que señalan el límite que se le da al árbol particular que se esté construyendo.

Es obvio que a partir de estos lineamentos generales un árbol de decisión puede ser todo lo complejo que recomienden las circunstancias, para lo cual se utiliza la visión o el conocimiento de la persona que lo construye y la necesidad de abordar o no, todos los posibles caminos que se generen. Un ejemplo de la estructura del árbol de decisión básico para encarar un problema diagnóstico sencillo se observa en la figura 3, se trata del caso donde se debe decidir entre realizar o no determinada prueba. El médico de asistencia se encuentra a menudo ante una decisión de este tipo. Las probabilidades a conjugar serían la prevalencia de la enfermedad, los beneficios, los riesgos y los costos.

 
Figura 3. Árbol de decisión sencillo de hacer o no un test (Tomado del ejemplo de “hacer o no la ergometría” de la monografía de Jiménez2)

CONCLUSIONES

En fin, que arribar al diagnóstico definitivo puede resultar difícil ya que se requiere de un proceso en extremo complicado, en el que el médico utiliza varias estrategias para integrar e interpretar los datos que dispone y coincidimos con algunos autores en que la meta no es alcanzar el diagnóstico a toda costa sino acertar en el tratamiento más adecuado.

Sin embargo, la evaluación de los medios diagnósticos existentes y por venir, así como la selección de una estrategia diagnostica óptima puede ser convenientemente ayudada por la informática médica, es por ello que surgió la idea de crear un sistema que respondiera a esa necesidad la cual se materializó con el programa PEMeDi 1.0 que sirvió de Trabajo de Terminación de Maestría a la autora.

Referencias Bibliográficas
  1. Jiménez R, Fariñas H. Principios básicos de la evaluación de los procedimientos diagnósticos con aplicación en medicina clínica. La Habana , 1994.
  2. Jiménez R. Análisis de Decisión Clínica. La Habana , 1996.
  3. Sagaró N. M, Fariñas H. Sistema automatizado para la evaluación de medios diagnósticos [Memorias de la Convención Internacional de Informática 2000 en CD-ROM] La Habana : IDIT, 2000 [consulta:12 ago 2004].
  4. Sagaró N. M, Jiménez R, Fariñas H. Sistema automatizado para la evaluación de medios diagnósticos. Rev. Cub. Informática Médica 2002:2.
  5. Ilizastigui  F. Salud, Medicina y Educación Médica. Edit. Ciencias Médicas. La Habana 1985 :251.
  6. Diccionario Enciclopédico de la UTHA México , 1953; Tomo IV: 94.

7.       Colec. de Autores. Lecturas de Filosofía, Salud y Sociedad. Edit Ciencias Médicas La Habana , 2000.

  1. Gómez de la Cámara. Caracterización de pruebas Diagnósticas. Medicine 1998; 7(104): 4872-7.
  2. Pozo  F. La eficacia de las pruebas diagnósticas (I). Med Clin (Barc) 1998; I:90: 779-85.
  3. Pozo F. La eficacia de las pruebas diagnósticas (II). Med Clin (Barc) 1998; II:91:177-83.
  4. Pozo Rodríguez F. Utilización clínica de pruebas diagnósticas. En: Tratado de Epidemiología Clínica. Universidad de Alicante, 1996.
  5. Sacket TD. Epidemiología clínica, una ciencia básica para la medicina clínica. Ed. Médica Panamericana, 1994; 158-75.

13.   González C. Epidemiología clínica y toma de decisiones en toma de decisiones en medicina medicina familiar. < http//www.medicinadefamiliares.cl> [consulta: 15 oct 2004].

  1. López de Ullibarri  I, Píta  S. Curvas ROC. Cad Aten Primaria 1998; 5 (4): 229-35.
  2. Zweig MH, Campbell G. Receiver-operating characteristic (ROC) plots: a fundamental evaluation tool in clinical medicine. Clin Chem 1993; 39: 561-77. [ artículo en Medline] [consulta: 3 ago 2004].
  3. Burgueño MJ, García-Bastos JL, González-Buitrago JM. Las curvas ROC en la evaluación de las pruebas diagnósticas. Med Clin (Barc) 1995; 104: 661-70. [artículo en Medline] [consulta: 3 ago 2004].
  4. Seong Ho Park, MD, Jin Mo Goo, MD, Chan-Hee Jo, PhD,. Receiver Operating Characteristic (ROC) Curve: Practical Review for Radiologists. Korean Journal of Radiology; 2004; 5(1):11-8.
  5. Obuchowski NA. Receiver operating characteristic curves and their use in radiology. Radiology 2003;229:3-8.
  6. Zhou XH, Obuchowski NA, McClish DK. Statistical methods in diagnostic medicine, 1st ed. New York : John Wiley & Sons, 2002:151-164
  7. Wagner RF, Beiden SV, Metz CE. Continuous versus categorical data for ROC analysis: some quantitative considerations. Acad Radiol 2001;8:328-34.
  8. Motulsky H. Intuitive biostatistics, 1st ed. New York : Oxford University Press, 1995:9-60.
  9. Rockette HE, Gur D, Cooperstein LA, et al. Effect of two rating formats in multi-disease ROC study of chest images. Invest Radiol 1990;25:225-9.
  10. Rockette HE, Gur D, Metz CE. The use of continuous and discrete confidence judgments in receiver operating characteristic studies of diagnostic imaging techniques. Invest Radiol 1992;27:169-72.
  11. Dorfman DD, Berbaum KS, Metz CE, Lenth RV, Hanley JA, Dagga HA. Proper ROC analysis: the bigamma model. Academic Radiology 1997;4:138-49.
  12. Metz CE. Basic principles of ROC analysis. Semin Nucl Med 1978;8:283-98.
  13. Metz CE. ROC methodology in radiologic imaging. Invest Radiol 1986;21:720-33.
  14. Metz CE. Some practical issues of experimental design and data analysis in radiologic ROC studies. Invest Radiol 1989;24:234-45.
  15. Metz CE, Shen J-H. Gains in accuracy from replicated readings of diagnostic images: prediction and assessment in terms of ROC analysis. Med. Decis. Making 1992,12:60-75.
  16. Metz CE. Quantification of failure to demonstrate statistical significance: the usefulness of confidence intervals. Invest. Radiol. 1993; 28:59-63.
  17. Jiang Y, Metz CE, Nishikawa RM. A receiver operating characterisitc partial area index for highly sensitive diagnostic tests. Radiology 1996; 201:745-50.
  18. Metz CE, Herman BA, Shen, J. Maximum likelihood estimation of receiver operating characteristic (ROC) curves from continuously distributed data. Statist Med 1998; 17:1033-53.  [artículo en Medline] [consulta:3 jul 2004]
  19. Metz CE, Herman BA, Roe CA. Statistical comparison of two ROC-curve estimates obtained from partially-paired datasets. Med. Decis. Making 1998;18:110-21.
  20. Zou KH, Hall WJ, Shapiro DE. Smooth non-parametric receiver operating characteristic (ROC) curves for continuous diagnostic tests. Statist Med 1997; 16: 2143-56.  [artículo en Medline] [consulta:3 jul 2004]
  21. Hsieh F, Turnbull BW. Nonparametric and semiparametric estimation of the receiver operating characteristic curve. Ann Statist 1996;24:25-40.
  22. Bradley, A. The use of the area under the ROC curve in the evaluation of machine learning algorithms. Pattern Recognition 1997;30:1145-59.
  23. DeLong ER, DeLong DM, Clarke-Pearson DL. Comparing the areas under two or more correlated receiver operating characteristic curves: a nonparametric approach. Biometrics 1988;44:837-44.
  24. Hanley JA, McNeil BJ. The meaning and use of the area under a receiver operating characteristic (ROC) curve. Radiology 1982;143: 29-36.  [artículo en Medline] [consulta:3 jul 2004]
  25. Hanley JA, McNeil BJ. The meaning and use of the area under a receiver operating characteristic (ROC) curve. Radiology 1982;143:29-36.
  26. Hanley JA, McNeil BJ. A method of comparing the areas under receiver operating characteristic curves derived from the same cases. Radiology 1983; 148: 839-43.  [Medline]
  27. Cantor SB, Sun CC, Tortolero-Luna G, Richards-Kortum R, Follen M. A comparison of C/B ratios from studies using receiver operating characteristic curve analysis. J Clin Epidemiol.  1999;52(9):885-92. 
  28. Farr BM, Shapiro DE. Diagnostic tests: distinguishing good tests from bad and even ugly ones.Infect Control Hosp Epidemiol.  2000;21(4):278-84. 
  29. McClish DK. Analyzing a portion of the ROC curve. Med Decis Making 1989;9:190-5.
  30. Obuchowski NA, McClish DK. Sample size determination for diagnostic accuracy studies involving binormal ROC curve indices. Stat Med.  1997;16(13):1529-42.
  31. Zou KH, Hall WJ, Shapiro DE. Smooth non-parametric receiver operating characteristic (ROC) curves for continuous diagnostic tests. Stat Med.  1997;16(19):2143-56. 
  32. Pepe MS, Thompson ML. Combining diagnostic test results to increase accuracy. Biostatistics.  2000;1(2):123-40.
  33. Zhang DD, Zhou XH, Freeman DH Jr, Freeman JL. A non-parametric method for the comparison of partial areas under ROC curves and its application to large health care data sets Stat Med.  2002;21(5):701-15. 
  34. Dodd LE, Pepe MS. Partial AUC estimation and regression. Biometrics.  2003;59(3):614-23. 
  35. Park SH, Goo JM, Jo CH. Receiver operating characteristic (ROC) curve: practical review for radiologists. Korean J Radiol.  2004;5(1):11-8. 
  36. Swets JA. Measuring the accuracy of diagnostic systems. Science 1988;240(4857):1285-93.
  37. Beiden SV, Wagner RF, Campbell G, Metz CE, Chan H-P, Nishikawa RM, Schnall MD, Jiang Y. Analysis of variance components in multi-reader studies of computer-aided diagnosis with different tasks. Proc. SPIE 2001;4324:167-76.
  38. Toledano A.L,..Gatsonis C.A. Regression analysis of correlated receiver operating characteristic data. Academic Radiology 1995; 2:supple:30-6.
  39. Drummond C, Holte R. Explicitly representing expected cost: An alternative to ROC representation. Proceedings of the Sixth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York , NY : ACM Press. 2000; pp. 198-207.
  40. Chakraborty D. P. Differential receiver operating characteristic (DROC) method: rationale and results of recent experiments, Univ. of Pennsylvania 2000.
  41. Beiden SV, Wagner RF, Campbell G, Metz CE, Chan H-P, Nishikawa RM, Schnall MD, Jiang Y. Analysis of variance components in multi-reader studies of computer-aided diagnosis with different tasks. Proc. SPIE 2001;4324:167-76.
  42. Wagner RF, Beiden SV, Metz CE. Continuous vs. categorical data for ROC analysis: Some quantitative considerations. Academic Radiol. 2001; 8: 328-34.
  43. Duda R, Hart P, Stork D. Pattern classication. New York , NY : John Wiley & Sons. 2nd edition. 2000.
  44. Grzymala-Busse J, Zheng X, Goodwin L, Grzymala-Busse W. An approach to imbalanced data sets based on changing rule strength. earning from imbalanced data sets: Papers from the AAAI Workshop Menlo Park, CA: AAAI Press. Technical Report WS-00-05. 2000:69-74.
  45. Japkowicz, N. Learning from imbalanced data sets: A comparison of various strategies. Learning from imbalanced data sets: Papers from the AAAI Workshop. Menlo Park , CA : AAAI Press. Technical Report WS-00-05, 2000;10-5.
  46. Beiden S, Wagner R, Campbell G. Components-of-variance models and multiple-bootstrap experiments: An alternative method for randome_ects Receiver Operating Characteristic analysis. Academic Radiology, 2000;7, 341-49.
  47. Hand D, Till R. A simple generalisation of the area under the ROC curve for multiple class classication problems. Machine Learning, 2001;45, 171-86.
  48. Joshi M, Kumar V, Agarwal R. Evaluating boosting algorithms to classify rare classes: Comparison and improvements. Proceedings of the First IEEE International Conference on Data Mining. Los Alamitos , CA : IEEE Press. 2001; 257-64.
  49. Chawla N, Bowyer K, Hall L, Kegelmeyer W. SMOTE: Synthetic Minority Over-sampling Technique. Journal of Artificial Intelligence Research 2002;16: 321-57.
  50. Otero W, Pineda L.F, Beltrán L.H. Utilidad de la razón de verosimilitud (likelihood ratio) en la práctica clínica. Rev Colomb Gastroenterol 2001; 16:33-6.
  51. Pons JM, Parada A. Ver para creer. Rev. Informatiu AATM 2001,23:1-2.<http://www.aatm.es> [consulta:4 ago 2004].
  52. Marín León, Pozo Rodríguez  F. Capítulo 10 Validez de las pruebas diagnósticas y de detección: la incertidumbre en la práctica clínica. En: Tratado de Epidemiología Clínica. Universidad de Alicante, 1996.
  53. Edgardo A. Marecos. Diagnóstico. Revista de Posgrado de la Cátedra VIa Medicina 2000; 99: 1-3.
  54. Abraira V. Índices de rendimiento de las pruebas diagnósticas. SEMERGEN 2002; 28(4):193-4.
  55. Mant J. Is the test effective? In: Dawes M, Davies P, Gray A, et al, editors. Evidence-based practice. Toronto :C hurchill Livingstone; 1999:133-7.
  56. Cabello JB, Pozo F. Estudios de evaluación de las pruebas diagnósticas en Cardiología. Rev Esp Cardiol 1997; 50:5507-19.
  57. Cabello J.B. El consejo médico: la prevención primaria y secundaria de la enfermedad, principios del screening. Medicine 1998; 7(104):4866-71.
  58. Otero W, Pineda L.F, Beltrán L.H. Utilidad de la razón de verosimilitud (likelihood ratio) en la práctica clínica. Rev Colomb Gastroenterol 2001; 16:33-6.
  59. Go AS. Refining probability: an introduction to the use o diagnostic tests. In: Friedland DJ, editor. A Lange medical book evidence-based medicine, Stanford , Connecticut : Appleton & Lange; 1998:11-33.
  60. Mant J. Is the test effective? In: Dawes M, Davies P, Gray A, et al, editors. Evidence-based practice. Toronto :C hurchill Livingstone; 1999:133-7.
  61. Fletcher RH, Fletcher SW, Wagner EH. Epidemiología clínica.2a edición. Madrid, España: Masson, Williams & Wilkins; 1998.
  62. Go AS. Refining probability: an introduction to the use o diagnostic tests. In: Friedland DJ, editor. A Lange medical book evidence-based medicine, Stanford , Connecticut : Appleton & Lange; 1998 :11-33.
  63. Moayyedi P, Axon ATR. The usefulness of the likelihood ratio in the diagnosis of dyspepsia and gastroesophageal reflux disease Am J Gastroenterol 1999; 94:3122-5.
  64. J A Muir Gray MD FRCP (Glas) MRCGP FFCM  Director of Health Policy and Public Health. < http://www.jr2.ox.ac.uk/Bandolier/band3/b3-1.html >[consulta: 4 ago 2004].
  65. Almazán C,  Espallargues M. La evaluación de pruebas diagnósticas: aplicación al diagnóstico por la imagen. Rev. Informatiu AATM 2001,23:21-4.<http://www. aatm.es>[consulta: 4 ago 2004].
  66. Lilford R J , Pauker S G, Braunholtz D A Jiri Chard. Decision analysis and the implementation of research findings. BMJ 1998;317:405-9.
  67. Weinstein MC, Fineberg HV. Clinical Decision Analisis. Philadelphia , W.B. Saunders, US/Mountain. Last edition 2002, 17:41:59.

 

Año de realizado: 2005

Autores:

               Dra. Nelsa María Sagaró del Campo *

Dra. Rosa Jiménez Paneque **

 *    Especialista de Primer Grado en MGI
Especialista de Primer Grado en Bioestadística
Profesor Asistente de Bioestadística
Master en Informática de la Salud

**  Especialista de Primer Grado en Bioestadística
Profesor Auxiliar de Bioestadística
Doctora en Ciencias Médicas

Compartir Enviar a menéame  Añadir a tus marcadores de Google  Enviar a noticias Top    Añadir a del.icio.us