Pruebas diagnósticas

Detección Precoz de Enfermedad

Teorema de Bayes

DR. AMC
Pruebas diagnósticas
“Son aquellas que apuntan
inequívocamente a la enfermedad.
Un resultado positivo para la
prueba diagnóstica es una
indicación para el tratamiento de la
enfermedad.
La inferencia estándar usada es la
presencia o ausencia de
enfermedad” Milos Jenicek
 El diagnóstico
Es un proceso a través del cual
el clínico determina el estado de
salud del paciente. Va desde la
obtención de datos clínicos, su
organización dentro del
razonamiento hasta la emisión
del diagnóstico. (Sujeto a error)
por tanto es producto del juicio
clínico del médico, y de sus
conocimientos.
 Pruebas DX
 Los datos procedentes de las pruebas diagnósticas se
expresan en escalas nominales, ordinales o de
intervalo.
 Permite clasificar el estadío del paciente así como la
pauta para el inicio del tratamiento.
 Deben ser consideradas un mero apoyo ya que la clínica
es el mejor elemento para hacer un diagnóstico.
 Otros beneficios (Sackett)
 Ayudan a juzgar la gravedad de la enfermedad
 Permiten predecir la evolución clínica
 Contribuyen a estimar la respuesta probable
ante el tratamiento.
 Permiten medir respuesta real al tratamiento
 Son de utilidad en la detección oportuna de
casos.
Evaluación de pruebas diagnósticas

Una prueba aplicada en enfermos y no

enfermos dará diferentes resultados, en
los enfermos esta variabilidad puede
reflejar diferencias en la gravedad de la
enfermedad o una respuesta individual a
la misma.

Es esencial definir un grupo de

pacientes que, sin lugar a
dudas, padecen la
enfermedad.
 Exactitud de las pruebas DX
• DX= proceso imperfecto, es una probabilidad
de estar en lo correcto o en lo incorrecto.
Enfermedad

Presente Ausente

Positiva Verdaderos Falsos

positivos positivos

Prueba

Falsos Verdaderos
Negativa
negativos negativos

Probabilidades entre los resultados de una prueba y el DX real

 Estándar de oro
 Para evaluar la exactitud de una prueba diagnóstica,
ésta se contrasta contra los resultados, referencia
denominada PATRON DE ORO O ESTANDAR DE ORO, ya
que es la prueba o técnica que confirma un
Diagnóstico.

 Ejm; biopsias, exploración quirúrgica, autopsias.

 Deben ser validadas con base en su sensibilidad,

especificidad y valor predictivo.
 Prueba de oro (Goldstandar)

Es la prueba o criterio usado para definir

inequívocamente una enfermedad, puede
tratarse de una biopsia, un angiograma,
una necropsia etc.

Esta prueba o criterio usado para

identificar definitivamente a los que
tienen la enfermedad es un requisito para
examinar la utilidad diagnóstica de
cualquier prueba nueva o no evaluada.
 Al intentar evaluar citología de orina
para detectar cáncer de vejiga
comparándolo con biopsia, se obtuvo
lo siguiente;

La prueba era buena para el Dx pero

al aplicarla solo detectaba el 10 % de
canceres de vejiga, la explicación es
que la citología es positiva solo en los
casos avanzados, no así en los casos
tempranos, lo que lleva a un error.
 MEDICIÓN DE LA DISCRIMINACIÓN
DIAGNÓSTICA DE UNA PRUEBA

Sensibilidad
Medidas
tradicionales
del valor
diagnóstico
de una
prueba
Especificidad
 Sensibilidad
Es la proporción de personas realmente
enfermas en la población sometidas a una
prueba de tamizaje, que se han catalogado
como tales mediante dicha prueba.
Constituye una medida de probabilidad de
diagnosticar correctamente un caso
identificado por la prueba (Tasa de verdaderos
positivos)
 SENSIBILIDAD
MIDE LA PROPORCIÓN DE ENFERMOS QUE SON
IDENTIFICADOS CORRECTAMENTE POR LA
PRUEBA

NEGATIVA 10 % Falsos
Negativos

100 PRUEBA
ENFERMOS 90 % SENSIBILIDAD
POSITIVA 90%
 Especificidad
Es la proporción de personas realmente no
enfermas que se catalogan así por medio de la
prueba de tamizaje. Constituye una medida
para identificar correctamente a una persona
sana mediante la prueba (Tasa de verdaderos
negativos)
 ESPECIFICIDAD

MIDE LA PROPORCIÓN DE SANOS QUE SON

IDENTIFICADOS CORRECTAMENTE POR LA
PRUEBA

POSITIVA 10 % Falsos
Positivos

100 PRUEBA
SANOS 90 % ESPECIFICIDAD
NEGATIVA 90%
 Sensibilidad y especificidad para una prueba
diagnóstica
Prueba de Prueba de oro Prueba de oro
estudio Enfermos sanos

a= Número de b= Número de
Positivos individuos enfermos y individuos sanos y
positivos positivos

c= Número de d= Número de
Negativos individuos enfermos individuos sanos y
negativos negativos

a+b = Total de c+d = total de

PEE (sensibilidad) individuos enfermos individuos sanos
NES (especificidad)
• Nueva prueba; 400 de 500 individuos con la enfermedad
son detectados como positivos, mientras de 450 de los
500 individuos sanos son identificados como negativos

Prueba de Prueba de oro Prueba de oro

estudio Enfermos sanos
Positivos 400 50

Negativos 100 450

500 500

Sensibilidad = a / a+c = 400 / 500 = 0.80 = 80 % de los

enfermos identificados como positivos
Especificidad= d / b+d = 450 / 500 = 0.90 = 90 % de sanos
identificados como negativos
 (S)PEE – (E)NES
• Sensibilidad = a/ a+c = Proporción de
individuos con la enfermedad según al prueba
de oro e identificados como positivos por la
prueba de estudio.
• Especificidad= d/ b+d = Proporción de
individuos sanos según la prueba de oro e
identificados como negativos por la prueba de
estudio.
La sensibilidad y especificidad
no están influidas
directamente por la
frecuencia de la enfermedad

Sin embargo el número real

de individuos que se
identifican erróneamente
como negativos o positivos
depende de la frecuencia
relativa de la enfermedad
 PREVALENCIA
VALOR PREDICTIVO
Probabilidad de
padecer la
enfermedad
antes de
someterse a la
prueba PR
UE
BA VALOR
PREDICTIVO
Probabilidad de
padecer la
enfermedad
después de
someterse a la
prueba
VALOR PREDICTIVO POSITIVO

Si la prueba es POSITIVA
¿Cuáles es la probabilidad de
que el individuo tenga la
enfermedad?

Ésta es igual a la proporción

de individuos con una prueba
POSITIVA que padecen la
enfermedad.
 VALOR PREDICTIVO POSITIVO

SANOS 10 %

Falsos Positivos
100
PRUEBA PERSONAS
CON PRUEBA 90 %
POSITIVA ENFERMOS
VALOR
PREDICTIVO
POSITIVO
90%
VALOR PREDICTIVO NEGATIVO

Si la prueba es NEGATIVA
¿Cuáles es la probabilidad de
que el individuo NO tenga la
enfermedad?

Ésta es igual a la proporción

de individuos con una prueba
NEGATIVA que NO padecen la
enfermedad.
 VALOR PREDICTIVO NEGATIVO

ENFERMOS 10 %

Falsos Negativo
100
PRUEBA PERSONAS
CON PRUEBA 90 %
NEGATIVA SANOS
VALOR
PREDICTIVO
NEGATIVO
90%
 Tarea
Resultados de una prueba serológica a dengue entre
población de una zona endémica;
Dx Clínico IGM+ IGM - Total
Positivo a 6340 b 2690 a+b 9030
Negativo c 4870 d 12510 c+d 17380
Total a + c 11210 b + d 15200 N 26410

Determina;
 Prevalencia =
 Sensibilidad =
 Especificidad =
 Valor Predictivo Positivo =
 Valor Predictivo Negativo =
 Fórmulas

 Prevalencia = a+c/n
 Sensibilidad = a/(a+c)
 Especificidad = d/(b+d)
 Valor Predictivo Positivo = a/(a+b)
 Valor Predictivo Negativo = d/(c+d)
Detección precoz de enfermedad
En medicina un programa de detección precoz
es un programa epidemiológico de salud
pública, de aplicación sistemática o universal,
para detectar en una población determinada y
asintomática, una enfermedad grave, con el
objetivo de disminuir la tasa de mortalidad
asociada.
 Diagnóstico precoz.
 Prevención secundaria:
 Cribado poblacional.
 Screening.
 Tamizaje
 Condiciones para realizar pruebas de
diagnóstico precoz
La prevención secundaria se basa en los cribados
poblacionales y para aplicar éstos, han de cumplirse
unas condiciones predeterminadas definidas en 1975
por Frame y Carslon para justificar el "screening" de una
patología que son:
A) Que la enfermedad represente un problema de salud
importante con un marcado efecto en la calidad y
duración del tiempo de vida.
B) Que la enfermedad tenga una etapa inicial asintomática
prolongada y se conozca su historia natural.
C) Que se disponga de un tratamiento eficaz y aceptado por la
población en caso de encontrar la enfermedad en estadio inicial.
D) Que se disponga de una prueba de cribado rápida, segura, fácil
de realizar, con alta sensibilidad y especificidad, alto
valor predictivo positivo, y bien aceptada por médicos y
pacientes.
E) Que la prueba de cribado tenga una buena relación coste-
efectividad.
F) Que la detección precoz de la enfermedad y su tratamiento en
el periodo asintomático disminuya la morbilidad y mortalidad
global o cada una de ellas por separado.
 Investigar
Pruebas de tamizaje y pruebas diagnósticas; Grupo blanco, valores de
referencia, estándar de oro.
a) Diabetes Mellitus
b) Hipertensión arterial
c) Cáncer cervico uterino
d) Cáncer de mama
e) Hipotiroidismo congénito
f) Hiperplasia adrenal congénita
g) Fenilcetornuria
h) Galactosemia
i) Tuberculosis pulmonar
j) VIH/Sida
 Ejm; Diabetes Mellitus
Prueba de Tamizaje; Detección de glucosa en sangre con
glucómetro.
Grupo Blanco; a partir de los 20 años de edad si tiene sobre
peso u obesidad y/o antecedentes de padres, hermanos
con DM. A toda la población a partir de los 45 años.
Valores de referencia; Glucemia capilar casual (comió o
bebió en las últimas 8 hrs) Normal; de 70mg/dl a 139
mg/dl. Probable; 140 mg/dl. Glucemia en ayuno: Normal
60 a 99 mg/dl. AGA (alteración de la glucosa en ayuno)
100 a 125 mg/dl. Probable; => a 126 mg/dl
Prueba diagnóstica: Química sanguínea en ayuno; Checar
estándar de oro.
•Thomas Bayes fue un matemático británico. Su
obra más conocida es su Teorema de Bayes.
Educación: Universidad de Edimburgo

Estudió el problema de la
determinación de la
probabilidad de las causas a
través de los efectos
observados.[1] El teorema se
refiere a la probabilidad de
un suceso condicionado por
la ocurrencia de otro suceso.
Un teorema es una proposición que afirma
una verdad demostrable. En matemáticas,
es toda proposición que partiendo de un
supuesto (hipótesis), afirma una verdad (
tesis) no evidente por sí misma.[
Actualmente, con base en su obra, se ha desarrollado
una poderosa teoría que ha conseguido notables
aplicaciones en las más diversas áreas del
conocimiento.
Especial connotación han tenido los sistemas para
detección de spam en el ambiente de Internet.
En el campo sanitario, el enfoque de la inferencia
bayesiana experimenta un desarrollo sostenido,
especialmente en lo que concierne al análisis de
ensayos clínicos, donde dicho enfoque ha venido
interesando de manera creciente a las agencias
reguladoras de los medicamentos, tales como la
norteamericana FDA (Food and Drug Agency).
 Teorema de Bayes
• En la teoría de la probabilidad el teorema de Bayes es
un resultado enunciado por Thomas Bayes en 1763[1]
que expresa la probabilidad condicional de un
evento aleatorio A dado B en términos de la distribución
de probabilidad condicional del evento B dado A y la
distribución de probabilidad marginal de sólo A.
• En términos más generales y menos matemáticos, el
teorema de Bayes es de enorme relevancia puesto que
vincula la probabilidad de A dado B con la probabilidad
de B dado A
 Teorema de Bayes
Es decir que sabiendo la probabilidad de tener un
dolor de cabeza dado que se tiene gripe, se podría
saber (si se tiene algún dato más), la probabilidad
de tener gripe si se tiene un dolor de cabeza,
muestra este sencillo ejemplo la alta relevancia
del teorema en cuestión para la ciencia en todas
sus ramas, puesto que tiene vinculación íntima
con la comprensión de la probabilidad de
aspectos causales dados los efectos observados.
• Teorema de Bayes: a partir de que ha ocurrido
el suceso B (ha ocurrido un accidente)
deducimos las probabilidades del suceso A
(¿estaba lloviendo o hacía buen tiempo?).
• La fórmula del Teorema de Bayes es:

P(B/A)= P(A/B) x P(B)

P(A)
 La probabilidad de que una persona tenga una
determinada enfermedad es de 0,02. Existen pruebas de
diagnóstico médico disponibles para determinar si una
persona tiene realmente la enfermedad. Si la enfermedad
realmente está presente, la probabilidad de que la prueba
de diagnóstico indique la presencia de la enfermedad es
de 0,95. (sensibilidad)
• Ejercicio 2: El parte meteorológico ha anunciado tres
posibilidades para el fin de semana:
• a) Que llueva: probabilidad del 50%.
• b) Que nieve: probabilidad del 30%
• c) Que haya niebla: probabilidad del 20%.
• Según estos posibles estados meteorológicos, la
posibilidad de que ocurra un accidente es la siguiente:
• a) Si llueve: probabilidad de accidente del 20 %.
• b) Si nieva: probabilidad de accidente del 10 %
• c) Si hay niebla: probabilidad de accidente del 5%.
• Resulta que efectivamente ocurre un accidente y como no
estabamos en la ciudad no sabemos que tiempo hizo (nevó,
llovío o hubo niebla). El teorema de Bayes nos permite calcular
estas probabilidades:
• Las probabilidades que manejamos antes de conocer que ha
ocurrido un accidente se denominan "probabilidades a priori"
(lluvia con el 50%, nieve con el 30% y niebla con el 20%).
• Una vez que incorporamos la información de que ha ocurrido
un accidente, las probabilidades del suceso A cambian: son
probabilidades condicionadas P (A/B), que se denominan
"probabilidades a posteriori".
 a) Probabilidad de que estuviera lloviendo:

La probabilidad de que efectivamente estuviera lloviendo el día del accidente

(probabilidad a posteriori) es del 71,4%.
b) Probabilidad de que estuviera
nevando:

La probabilidad de que estuviera nevando es del 21,4%.

c) Probabilidad de que hubiera
niebla:

La probabilidad de que hubiera niebla es del 7,1%.

• Bibliografía:
• Pruebas Diagnósticas; Sensibilidad y Especificidad. Pita
Fernández S. Yertegas Diaz S. Unidad de Epidemiología
clínica. Complexo Hospitlarario Universitario de A. Coruña,
España. Aten.Prim. 2003; 10: 120-124, Actualizada 2010.
• Sensibilidad, especificidad y valor predictivo. Dr. Freddy
García Ortega. Hospital Sergio E. Bernales Lima Perú. Jan- 24-
2009.
• Teorema de Bayes; Evelio Hernández. Universidad Santa Cruz
de la Sierra, Bolivia. eveliolife@hotmail.com
•