La idea es ver como varía la
probabilidad de detectar la enfermedad en el paciente luego de hacerle un test
clínico en su diagnóstico. El dato que se debe tener antes es la probabilidad
previa al mismo, llamada: Pre-test. Este valor se puede sacar de varias maneras:
a) una estimación basada en la experiencia clínica, b) la prevalen cia de la
enfermedad, etc. Para
hacer esto se usa el Teorema de Bayes como sigue:
Probabilidad
Positiva post test: VPP = Valor
predictivo de positivos
Probabilidad
Negativa post test = ( 1 – Valor predictivo de negativos) = 1 – VPN
Los
cálculos tradicionales se basaban en una serie de pasos: 1) transformar en Odds
a las probabilidades pre test, 2) multiplicar a estos por el Likelihood ratio de
positivos y así obtener los Post-test Odds y 3) retransfor mar los Odds a
probabilidades post test. Una manera más corta es usar el Nomograma de Fagan,
donde se entra con el valor de la probabilidad pre test, se cruza el Likelihood
ratio respectivo y así se obtienen las probabilidades post test.
Se
pueden mejorar ambos procedimientos usando el algoritmo clínico desarrollado
por la cátedra: solo se introducen los valores de sensibilidad y especificidad
y aparecen dos curvas que muestran la variabilidad de las probabilidades post
test, en función de las probabilidades pre test. Entonces, el clínico puede
introducir su valor estimado para obtener el buscado También se dan las tablas
correspondientes.
Ver
Ejemplo 1 en página 6.13 (para mejor explicación leer todo el tema 6.5)
Tal como se explicara en el Tema 4, se puede ver como varían los índices clínicos extrínsecos con la prevalencia de la enfermedad, que es una manera de considerar a las probabilidades previas al test.
Usando el mismo algoritmo, se pueden obtener los índices clínicos intrínsecos al comienzo y ver las curvas de los extínsecos en el fondo de la página desarrollada en Excel.
Los ejemplos de aplicación pueden tomarse de los desarrollados en el texto.