apéndice a módulo iv - ics-aragon.com · construyamos la conocida tabla tetracórica ... indica...

AAppéénnddiiccee AA MMóódduulloo II VV

1

AAppéénnddiiccee AA MM óódduulloo II VV

Un elemento clave en la gestión del conocimiento es el uso apropiado de los resultados

de la investigación.

Tener habilidades para interpretar la ingente cantidad de información que llega es

preciso puesto que diversos trabajos han mostrado que la forma de presentar los

resultados influye en la propensión de los clínicos de prescribir fármacos, utilizar

programas preventivos, rehabilitadores…, así como influye en las decisiones de los

pacientes1.

De ahí que para saber interpretar la magnitud de los resultados científicos en la práctica,

es preciso manejar algunos conceptos de forma apropiada2.

•• SSeennssiibbii ll iiddaadd ((SSeennssii tt iivvii ttyy))

•• EEssppeeccii ff iicciiddaadd ((SSppeeccii ff iiccii ttyy))

•• VVaalloorr PPrr eeddiicctt iivvoo PPoossii tt iivvoo ((VVPPPP)) ((PPrr eeddiicctt iivvee VVaalluuee PPoossii tt iivvee))

•• VVaalloorr PPrr eeddiicctt iivvoo NNeeggaatt iivvoo ((VVPPNN)) ((PPrr eeddiicctt iivvee VVaalluuee NNeeggaatt iivvee)) •• RRiieessggoo rr eellaatt iivvoo ((RRRR))

•• II nnccrr eemmeennttoo rr eellaatt iivvoo ddeell rr iieessggoo ((II RRRR))

•• RRiieessggoo aattrr iibbuuiibbllee eenn eexxppuueessttooss ((RRAAEE))oo II nnccrr eemmeennttoo aabbssoolluuttoo ddeell

rr iieessggoo

•• FFrr aacccciióónn aattrr iibbuuiibbllee eenn eexxppuueessttooss ((FFAAEE))

•• NNúúmmeerr oo NNeecceessaarr iioo aa TTrr aattaarr ((NNNNTT)) NNuummbbeerr NNeeddddeedd ttoo TTrr eeaatt

•• NNúúmmeerr oo nneecceessaarr iioo ppaarr aa ddaaññaarr ((NNNNDD )) nnúúmmeerr oo nneecceessaarr iioo ppaarr aa

ppeerr jj uuddiiccaarr ((NNNNPP)) ((nnuummbbeerr nneeeeddeedd ttoo hhaarr mm --NNNNHH))

•• AAnnááll iissiiss CCoossttee EEffeecctt iivviiddaadd II nnccrr eemmeennttaall


2

Construyamos la conocida tabla tetracórica (2X2) donde:

• las ccoolluummnnaass representan la presencia o ausencia de enfermedad y • en las ff ii llaass el resultado de la prueba o test. • Las cceellddaass

1. la celda aa identifica el número de sujetos con enfermedad que presentan el test diagnóstico positivo.

2. La celda bb indica los sujetos sanos con prueba positiva. 3. La celda cc se corresponde con los enfermos y resultado

negativo. 4. La celda dd con los sanos y prueba negativa.

Tabla A.

Enfermo (+) Sano(-) Total

Test(+) a (Verdadero positivo) b (Falso positivo) a+b

Test (-) c(Falso negativo) d (Verdadero negativo) c+d

Total a+c b+d N

Intenta calcular los diferentes parámetros que te voy a mostrar. Para ello ve

construyendo la tabla de 2x2.

Tenemos 2300 pacientes con Angina y 1300 no la tienen. Les realizamos una prueba e

independientemente que tengan o no angina les sale positiva en 2310 y negativa en

1290. ¿Queremos averiguar “cuan” buena es esta prueba para los pacientes con angina?

SSeennssiibbii ll iiddaadd((SSeennssii ttiivvii ttyy))

Es la proporción de pacientes realmente enfermos que tienen un resultado del test

positivo. De otro modo es la Proporción de Verdaderos Positivos (PV+).

aa//((aa++cc))

Donde a = número de verdaderos positivos y c = número de falsos negativos.

Indica como de buena es una prueba para identificar la enfermedad.

Por tanto, cuanto más sensible es una prueba diagnóstica menor es la probabilidad de


3

obtener falsos negativos, por lo que un resultado negativo es bastante fiable y permite

descartar la presencia de enfermedad. Se expresa en forma de porcentaje.

Responde a la pregunta: ¿si el paciente tiene realmente la enfermedad, cuál es la

probabilidad de que la prueba empleada sea positiva?

EEssppeeccii ff iicciiddaadd ((SSppeeccii ff iiccii ttyy))

En una prueba de test diagnóstico es la proporción de personas realmente sanas que

tienen un resultado del test negativo. De otro modo, es la Proporción de Verdaderos

Negativos.

dd//((bb ++ dd))

Es oportuno recordar que d = número de verdaderos negativos y b = número de falsos

positivos.

Valora la utilidad de una prueba a los fines de identificar a los no enfermos.

En una revisión sistemática es el número de documentos relevantes recuperados entre

el número total de documentos recuperados. Se expresa en forma de porcentaje.

Cuanto más específica es una prueba menor es la probabilidad de obtener un falso

positivo, por lo que un resultado positivo en la prueba es muy fiable y nos da una

certeza elevada de que el paciente padece la enfermedad, confirmando el diagnóstico

(con la excepción de enfermedades de baja prevalencia).

Responde a la pregunta: ¿si el paciente no tiene la enfermedad, cuál es la probabilidad

de que la prueba sea negativa?

PPrrooppoorrcciióónn ddee ffaallssooss nneeggaattiivvooss: probabilidad de que una persona enferma obtenga un

resultado negativo en la prueba (enfermos que han tenido un resultado negativo de

entre el total de enfermos).

PPFFNN == cc//aa++cc== 11__SS y

PPrrooppoorrcciióónn ddee ffaallssooss ppoossii ttiivvooss: probabilidad de que un individuo sano tenga un

resultado positivo (sanos con prueba positiva de entre todos los sujetos que no

presentan la enfermedad).

PFP = b/b+d = 1_E


4

Si has comprendido los conceptos mostrados anteriormente habrás llegado a la

conclusión de que esta prueba ddiiaaggnnoosstt iiccaa tt iieennee uunnaa sseennssiibbii ll iiddaadd ddeell 9933%% yy uunnaa

eessppeeccii ff iicciiddaadd ddeell 8888%% ..

((aa++cc)):: el número total de pacientes con angor independientemente de los resultados de

la prueba = 2300.

((bb++dd)):: el número total de pacientes que no tienen angor independientemente de los

resultados de la prueba = 1300.

Es decir el 93% de los pacientes con infarto tienen las pruebas positivas y el 88% de los

que no eran enfermos tienen las pruebas negativas.

¿¿PPeerr oo qquuee ppaassaa eenn llaa rr eeaall iiddaadd ddee nnuueessttrr aa ccoonnssuull ttaa??

Ocurre que cuando pedimos una prueba no sabemos verdaderamente quien tiene y

quien no tiene la enfermedad. Nuestro interés es saber que probabilidad de los

pacientes con resultado positivo están verdaderamente enfermos (para no sobre

diagnosticar) y sobretodo cuantos de aquellos con resultado negativo pueden tenerla

para no perderlos. En la consulta diaria nos interesa comprender y saber que hacer con

los resultados positivos y negativos.

A continuación, veremos que podemos hacer para resolverlo.

VVaalloorr PPrr eeddiicctt iivvoo PPoossii tt iivvoo ((VVPPPP)) ((PPrr eeddiicctt iivvee VVaalluuee PPoossii tt iivvee))

Proporción de personas con un resultado de test positivo y que realmente tienen la

enfermedad. Es decir, se trata de los enfermos con prueba positiva de entre todos los

tests positivos (enfermo/prueba positiva).

aa//((aa ++ bb))

Un alto VPP indica que la probabilidad de que la persona esté realmente enferma

habiendo dado positivo en la prueba diagnóstica es muy alta.

Si el resultado de una prueba es positivo, responde a la pregunta: ¿qué probabilidad

tiene el paciente de sufrir la enfermedad?


5

VVaalloorr PPrr eeddiicctt iivvoo NNeeggaatt iivvoo ((VVPPNN)) ((PPrr eeddiicctt iivvee VVaalluuee NNeeggaatt iivvee))

Proporción de personas con un resultado de test negativo y que realmente no tienen la

enfermedad Se trata de los sujetos libres de enfermedad y con test negativo dentro de

todos aquéllos con prueba negativa (no enfermo /prueba negativa).

dd//((cc ++ dd))

Si el resultado de la prueba es negativo, responde a la pregunta: ¿qué probabilidad

tienen el paciente de no sufrir la enfermedad?

Un alto VPN indica que la probabilidad de que la persona esté sana habiendo dado

negativo en la prueba diagnóstica es muy alta.

De acuerdo con ello, eell 9933%% ddee llooss ppaacciieenntteess ccoonn llaa pprr uueebbaa ppoossii tt iivvaa tteennííaann

vveerr ddaaddeerr aammeennttee uunnaa aannggiinnaa.. YY eell 8888%% ddee llooss ppaacciieenntteess ccoonn rr eessuull ttaaddoo nneeggaatt iivvoo nnoo

tteennííaann aannggiinnaa..

Estos resultados son mucho más útiles clínicamente hablando. Más del 90% de los

diagnosticados, tenían angina y casi el 90% de los no diagnosticados no tenían angina.

((aa++bb)):: el número total de pacientes con resultados positivos de las pruebas, esta vez,

independientemente de si ellos tienen o no angor = 2310.

((cc++dd)):: el número total de pacientes con resultados negativos de las pruebas,

independientemente de si ellos tienen o no angor = 1290.


6

La tabla 1 quedaría así:

Angor

Si No Total

Test(+) 2150 160 2310 VVaalloorr pprr eeddiicctt iivvoo ppoossii tt iivvoo

2150/2310=93%

Test (-) 150 1140 1290 VVaalloorr pprr eeddiicctt iivvoo nneeggaatt iivvoo

1140/1290=88%

Total 2300 1300 3600

SSeennssiibbii ll iiddaadd

2150/2300=93%

EEssppeeccii ff iicciiddaadd

1140/1300=88%

¿¿PPeerr oo eessttoo ooccuurr rr ee rr eeaallmmeennttee aassíí??

Continuemos avanzando con los valores predictivos. Tanto el positivo como el negativo

dependen de forma muy importante de llaa pprr eevvaalleenncciiaa de la enfermedad (medida de la

frecuencia de la enfermedad que aportan los estudios transversales, para un momento

dado. Indica la proporción de personas afectadas en ese momento o probabilidad de

tener la enfermedad antes de la prueba.).

Los dos conceptos anteriores (VVaalloorr PPrr eeddiicctt iivvoo PPoossii tt iivvoo y VVaalloorr PPrr eeddiicctt iivvoo NNeeggaatt iivvoo

) se denominan también probabilidad «a posteriori» o probabilidad «post-test»

(probabilidades condicionadas) dependen no tan solo de la sensibilidad y especificidad

de la prueba, sino también, como hemos comentado, de la prevalencia de la enfermedad

considerada en la población objeto de estudio. Así, si la prevalencia de una enfermedad

disminuye (la enfermedad es menos frecuente en la población objeto de estudio), el

valor predictivo positivo de una prueba positiva se reduce, mientras que el valor

predictivo negativo de una prueba negativa aumenta.


7

Por tanto al aumentar la prevalencia crece el valor predictivo positivo para una misma

sensibilidad y especificidad y se debe fundamentalmente, a que disminuye el número

de falsos positivos. Por otra parte, cuando disminuye la prevalencia se reduce también el

valor predictivo positivo y aumenta el negativo, dado que para una misma sensibilidad y

especificidad, disminuyen los falsos negativos

CCoonncclluussiióónn: Cuanto mmaayyoorr sseeaa llaa pprr eevvaalleenncciiaa de la enfermedad en la población

mmaayyoorr será el vvaalloorr pprr eeddiicctt iivvoo ppoossii tt iivvoo de la prueba diagnóstica. Cuando ddiissmmiinnuuyyee la

pprr eevvaalleenncciiaa de la enfermedad en la población de referencia, aauummeennttaa eell VVPPNN de la

prueba diagnóstica, aún manteniéndose constantes su sensibilidad y especificidad.

¿¿QQuuéé qquuiieerr ee ddeeccii rr ttooddoo eell lloo??

Sencillamente que según en el entorno que nos encontremos (consulta de un centro de

salud o consulta de un hospital) la probabilidad de predicción de los síntomas, signos y

pruebas realizadas no es constante, sino que varía con la proporción de usuarios que

realmente están enfermos.

Tomemos el ejemplo anterior y supongamos que ocurre en un hospital. La prevalencia

de la enfermedad sería un 64%. Pero que ocurría en el hipotético caso de que

estuviéramos en un centro de salud y su prevalencia bajara a un 10%. Conociendo que

el valor de la sensibilidad y de la especificidad se mantendría. ¿Pero el VVaalloorr

pprr eeddiicctt iivvoo ppoossii tt iivvoo y VVaalloorr pprr eeddiicctt iivvoo nneeggaatt iivvoo?

Volvamos a construir la tabla 2X2 para cada una de las situaciones: hospital y centro de

salud (tabla 2 y 3).


8

Tabla 2

Angor-hospital

Si No Total

Test(+) 2150 160 2310 VVPPPP==2150/2310=93%

Test (-) 150 1140 1290 VVPPNN==1140/1290=88%

Total 2300 1300 3600

SSeennssiibbii ll iiddaadd

2150/2300=93%

EEssppeeccii ff iicciiddaadd

1140/1300=88%

PPrr eevvaalleenncciiaa

2300/3600=64%

Tabla 3

Angor-Centro de Salud

Si No Total

Test(+) 2150 2480 4630 VVPPPP==4466%%

Test (-) 150 1822 18370 VVPPNN ==9999%%

Total 2300 1300 23000

SSeennssiibbii ll iiddaadd=93% EEssppeeccii ff iicciiddaadd=88% PPrr eevvaalleenncciiaa== 1100%%


9

¿¿QQuuéé hhaa ooccuurr rr iiddoo??

Al bajar la prevalencia, ha bajado el VPP: sólo 46 de cada 100 individuos

diagnosticados de angor lo padecerán verdaderamente.

Si aplicamos el teorema de Bayes (cuyo desarrollo excede el objetivo de este curso)

podemos concluir que el valor predictivo de una prueba diagnóstica depende de la

prevalencia de la enfermedad que tratamos de diagnosticar según la siguiente relación:

VVPPPP== ((sseennssiibbii ll iiddaadd ddee llaa pprr uueebbaa ** pprr eevvaalleenncciiaa ddee llaa eennffeerr mmeeddaadd)) // ((((sseennssiibbii ll iiddaadd **

pprr eevvaalleenncciiaa)) ++ [[((11 -- eessppeeccii ff iicciiddaadd)) ** ((11 -- pprr eevvaalleenncciiaa))]]))

VVPPNN== ((eessppeeccii ff iicciiddaadd ** ((11 -- pprr eevvaalleenncciiaa ddee llaa eennffeerr mmeeddaadd)))) // ((eessppeeccii ff iicciiddaadd** ((11 --

pprr eevvaalleenncciiaa))++ ((11 -- sseennssiibbii ll iiddaadd))** pprr eevvaalleenncciiaa))

Podéis comprobarlo numéricamente con los ejemplos propuestos anteriormente.

VVaalloorr gglloobbaall ddee llaa pprr uueebbaa oo pprr eecciissiióónn ddee llaa pprr uueebbaa::

Es la probabilidad de que un individuo sea clasificado correctamente por la prueba:

((aa ++ dd))//((aa ++ bb ++ cc ++ dd))..

Así, en el numerador aparecen los enfermos con resultado positivo (a = verdaderos

positivos) y los sanos con test negativo (d = verdaderos negativos); mientras que en el

denominador se encuentran todos los sujetos.

Por ejemplo, una valor del 90% indicará que de cada 100 veces que se aplique la

prueba diagnóstica cabe esperar que en 90 el resultado sea correcto.


10

RRaazzóónn ddee vveerr oossiimmii ll ii ttuudd ppoossii tt iivvaa ((RRVVPP)) también lo podéis encontrar como ccoocciieennttee

ddee pprr oobbaabbii ll iiddaaddeess ddee uunnaa pprr uueebbaa ppoossii tt iivvaa o ccoocciieennttee ddee vveerr oossiimmii ll ii ttuudd ++ oo

ll iikkeell iihhoooodd rraattiioo ooff ppoossii ttiivvee tteesstt

Compara la probabilidad de una prueba positiva en presencia de la enfermedad

(sensibilidad), con la probabilidad de una prueba positiva en ausencia de la enfermedad

(1-especificidad):

((aa//aa ++ cc))//((bb//bb ++ dd))

Entonces, esta razón no es más que

SSeennssiibbii ll iiddaadd //((11--eessppeeccii ff iicciiddaadd))

Combina en una sola expresión la sensibilidad y la especificidad.

Suele expresarse como frecuencia relativa y no como %.

Representa cuánto más de frecuente es el resultado positivo entre los enfermos que

entre los no enfermos.

En nuestro tabla, la RVP=7,75

RRaazzóónn ddee vveerr oossiimmii ll ii ttuudd nneeggaatt iivvaa ((RRVVNN)) también lo podéis encontrar como ccoocciieennttee

ddee pprr oobbaabbii ll iiddaaddeess ddee uunnaa pprr uueebbaa nneeggaatt iivvaa oo ccoocciieennttee ddee vveerr oossiimmii ll ii ttuudd -- ll iikkeell iihhoooodd

rr aatt iioo ooff nneeggaatt iivvee tteesstt

Compara la probabilidad de una prueba negativa en presencia de la enfermedad (1-

sensibilidad), con la probabilidad de una prueba negativa en ausencia de la enfermedad

(especificidad):

((cc//aa ++ cc))//((dd//bb ++ dd))

Por lo que esta razón sería:

((11--sseennssiibbii ll iiddaadd))//eessppeeccii ff iicciiddaadd

Suele expresarse igualmente como frecuencia relativa y no como %.

Representa cuánto más frecuente es el resultado negativo entre los enfermos que entre


11

los no enfermos.

En la medida en que los valores de las razones de verosimilitud se alejen de 1 hacia

∞ (en el caso de la positiva), o hacia 0 (en la negativa); mejor será el cociente y la

información que aporte a la prueba.

Estos razones de verosimilitud (tanto positiva como negativa), son mejores índices que

los valores predictivos, ya que los valores predictivos dependen de la proporción de

enfermos en la muestra (de la prevalencia) y estos no. Sólo dependen de la sensibilidad

y de la especificidad.

Para una misma prevalencia, una prueba diagnóstica con una razón de verosimilitud

positiva alta tiende a aumentar la probabilidad «post test» de un resultado. En sentido

contrario: para una misma prevalencia, una prueba diagnóstica con un valor de la razón

de verosimilitud negativa alto, tiende a disminuir la probabilidad «post test» de un

resultado.

Estas dos medida (RVP y RVN) indican la razón entre la probabilidad de un resultado

en presencia de enfermedad y la probabilidad de un resultado en ausencia de la

enfermedad.

Permiten comparar métodos diagnósticos diferentes y valorar si la probabilidad pre-

prueba cambiará tras conocerse el resultado del análisis. Las RV están muy cerca de 1,

cuando apenas varía la p pre-prueba. Al alejarse de 1 aumenta la variación.


12

RReessuummeenn::

LL aa sseennssiibbii ll iiddaadd es la positividad en la enfermedad, el % de casos positivos entre los

enfermos.

LL aa eessppeeccii ff iicciiddaadd es la negatividad en salud, el % de casos negativos entre los sanos.

VVaalloorr pprr eeddiicctt iivvoo de un resultado ppoossii tt iivvoo es el % de pruebas positivas que están

realmente enfermos.

VVaalloorr pprr eeddiicctt iivvoo de un resultado nneeggaatt iivvoo es el % de pruebas negativas realmente

sanos.

PPrr eecciissiióónn de la prueba: el % de concordancia ( de positivos con positivos y de

negativos con los negativos).

LL aass RRVV ppoossii tt iivvaa yy nneeggaatt iivvaa resumen el mismo tipo de información que la sensibilidad

y la especificidad expresando, además, cuántas veces es más probable que se encuentre

un resultado en personas enfermas en comparación con las sanas.

¿¿CCóómmoo ppooddeemmooss ccoommbbiinnaarr llaa eelleecccciióónn ddee llaass pprr uueebbaass ddiiaaggnnóósstt iiccaass??

PPrr uueebbaass eenn sseerr iiee::

Consisten en realizar otra prueba diagnóstica simple (o la misma) a los sujetos

clasificados como positivos en una prueba anterior.

Los sujetos con resultado negativo en una prueba anterior ya se consideran «negativos»

y, por tanto, no se someten a la siguiente prueba. De esta manera (a + b) de la tabla

mostrada antes, sería ahora (a + b + c + d) en esta segunda tabla; la celda a pasaría a

ser a + c y, en igual sentido, b se convertiría en b + d.

Las pprr uueebbaass eenn sseerr iiee ddiissmmiinnuuyyeenn llaa sseennssiibbii ll iiddaadd yy aauummeennttaann llaa eessppeeccii ff iicciiddaadd, lo

cual se explica por el hecho de que no se someten a esta segunda prueba los individuos

que ya habían sido clasificados como negativos en el primer test.

PPrr uueebbaass eenn ppaarr aalleelloo: Consisten en realizar una nueva prueba (o la misma) a las


13

personas que habían sido identificadas previamente como negativas.

Los sujetos con resultado positivo son excluidos de esta próxima prueba, quedando

sólo aquéllos que habían sido clasificados como negativos. Entonces, c + d de la tabla

anterior pasaría a ser a + b + c + d en esta nueva prueba, c se convertiría en a + c; y d

en b + d.

Las pprr uueebbaass eenn ppaarr aalleelloo aauummeennttaann llaa sseennssiibbii ll iiddaadd yy ddiissmmiinnuuyyeenn llaa eessppeeccii ff iicciiddaadd,

dada la exclusión de los que habían resultado positivos

¿¿CCuuaall ddeebbeerr ííaa sseerr nnuueessttrr aa mmeejj oorr eesstt rr aatteeggiiaa??

La eesstt rr aatteeggiiaa eenn sseerr iiee es usada en cribados masivos de enfermedades de la comunidad.

(screening de cáncer de mama). Primeramente se aplica una prueba con gran

sensibilidad aunque poco específica y con muchos falsos positivos (mamografía). Para

posteriormente, a los individuos presuntamente enfermos ser sometidos a una prueba de

alta especificidad (biopsia).

La eessttrr aatteeggiiaa eenn ppaarr aalleelloo suele seguirse en escenarios donde lo importante es que no se

“escape” ningún enfermo (falta de experiencia profesional, mecanismo de defensa legal

ante posibles denuncias, urgencias…). Aunque de lo que no se suele ser consciente es

que en esta situación, es posible que por azar, alguna resulte falsa.


14

MM eeddiiddaass ddee aassoocciiaacciióónn

Comparan una medida de frecuencia de enfermedad (prevalencia o incidencia) en

expuestos respecto a no expuestos.

Estiman la magnitud de la relación entre la exposición y el efecto.

RRiieessggoo ((RRiisskk))

Probabilidad de ocurrencia de un evento concreto. Se estima por la proporción de

individuos en los que se observa el evento. Si en un grupo de 100 individuos se

observan 18 eventos, el riesgo estimado es 0,18 o 18%.

RRiieessggoo rr eellaatt iivvoo ((RRRR)) ((RReellaatt iivvee rr iisskk))

Es el cociente entre el riesgo en el grupo tratado y el riesgo en el grupo control. Dicho

de otra forma el cociente entre la incidencia en expuestos y no expuestos al factor. Es

una medida de la eficacia de un tratamiento. Si es igual a 1, el efecto del tratamiento no

es distinto del efecto del control. Si el RR es mayor (o menor) que 1, el efecto del

tratamiento es mayor (o menor) que el del control.

Expresa por cuanto se multiplica el rr iieessggoo o probabilidad en personas expuestas en

comparación con las que no están.

PPrr ooppiieeddaaddeess: No tiene dimensiones. Rango va de cero a ∞ . RR=1 si no hay asociación entre la presencia del factor y el evento. RR >1 si la asociación es positiva, es decir si la presencia del factor se asocia a mayor ocurrencia del evento y RR<1 si la asociación es negativa.

Para comprenderlo mejor construyamos una tabla en la que representemos

esquemáticamente los resultados de un estudio en el que podemos evaluar el RRRR..

Donde las filas se encuentren los no expuestos y expuestos al factor (tratamiento o

placebo, fumar o no fumar…) y las columnas los no casos o casos ( mejoría clínica o

no; cáncer de pulmón o no)


15

Tabla B

No Casos casos

No expuestos a b a+b

expuestos c d c+d

Total a+c b+d

RRRR == II eexxppuueessttooss// II nnooeexxppuueessttooss==((dd//cc++dd))//((bb//aa++bb))

Si imaginamos un estudio con 27340 individuos de los cuales 23350 no fuman y de ellos 660 tienen cáncer y 3990 fuman y de estos 3750 no tienen cáncer.

Tabla 4

No Cáncer cáncer

No Fumadores 22690 660 23350

fumadores 3750 240 3990

Total 26440 900 27340

El riesgo relativo de presentar cáncer en estos individuos es:

RR= (240/3990)/ (660/23350)=2,13. Es decir el riesgo de cáncer es 2,13 mas frecuente en los individuos que fuman respecto a los que no fuman.

NNoottaa:: eenn llooss eessttuuddiiooss ddee ccaassooss yy ccoonnttrroolleess ssee eessttiimmaa llaa OOddddss RRaattiioo.. SSiieennddoo uunn bbuueenn eessttiimmaaddoorr ddeell RRRR ssii eell ssuucceessoo eess rraarroo..

II nnccrr eemmeennttoo rr eellaatt iivvoo ddeell rr iieessggoo ((II RRRR))

Incremento del riesgo atribuible a la exposición en términos relativos.

II RRRR== RRRR--11

Rango de 0 a ∞ .

Calculado para el ejemplo anterior IRR=1,13=113% indica que la exposición al tabaco incrementa relativamente el riesgo de cáncer en un 113%


16

MM eeddiiddaass ddee iimmppaaccttoo

Estiman cual es la carga de la enfermedad atribuible a una exposición y cual sería el

beneficio de las acciones dirigidas a controlar o eliminar esa exposición.

RRiieessggoo aattrr iibbuuiibbllee eenn eexxppuueessttooss ((RRAAEE))oo II nnccrr eemmeennttoo aabbssoolluuttoo ddeell rr iieessggoo

Es la frecuencia de la enfermedad que solamente esta presente en las personas

expuestas, es decir, expresa la incidencia de la enfermedad debida a la exposición.

RRAAEE==II eexx--II nneexx

Continuando con el ejemplo de la tabla 4 el riesgo de cáncer atribuible al tabaco es:

RAE= (240/3990)-(660/23350)=0,032.Lo que quiere decir es que la frecuencia de

cáncer atribuible al tabaco es del 3,2%. O lo que es lo mismo, si los individuos del

estudio no hubiesen tenido un exposición al tabaco se hubiera evitado un 3,2% de

canceres.

FFrr aacccciióónn aattrr iibbuuiibbllee eenn eexxppuueessttooss ((FFAAEE))

Proporción del riesgo, entre los expuestos a un factor de riesgo, que se puede atribuir a

la exposición.

FFAAEE==RRAAEE//II eexxppuueessttooss==11--((11//RRRR))==((RRRR__11))//RRRR

Por lo tanto, la proporción del riesgo, entre los expuestos a un factor de riesgo, que se

previene al retirar el factor de riesgo. Si eliminamos la exposición, se elimina el FAE

de los enfermos entre los expuestos.

Continuando con la tabla 4 el FAE=0,53=53%.El riesgo atribuible del 3,2%,

corresponde al 53% de los canceres expuestos al tabaco. El 53% de los casos de cáncer

que tiene lugar en los fumadores podría evitarse si se fomentase el dejar de fumar. O

también el fumar es el responsable del 53% de casos que ocurren en sujetos expuestos

al tabaco.


17

NNúúmmeerr oo NNeecceessaarr iioo aa TTrr aattaarr ((NNNNTT)) NNuummbbeerr NNeeddddeedd ttoo TTrr eeaatt

Término introducido por Laupacis3 en 1988 e indica el número de pacientes que se

necesitarían tratar para conseguir un evento aaddiicciioonnaall a los que se conseguirían con el

tratamiento control.

Es el número de pacientes que deben recibir una intervención médica o un tratamiento

(ej: aspirina a quienes han sufrido un ataque cardíaco) durante un período determinado

para prevenir un desenlace adverso o producir un resultado benéfico (ej: prevención de

muerte).

La manera más sencilla de calcular el NNT es con el inverso del riesgo atribuible en

expuestos, o sea:

NNNNTT == 11 // RRAAEE

Se pueden usar tanto para resumir los resultados de un ensayo como para la toma de

decisiones ante un paciente.

En el ejemplo de la tabla 4 el riesgo atribuible en los fumadores es de 3,2%. El NNT

es 1/0,032=32 y significa que por cada 32 pacientes que se les protegiese del tabaco se

prevendría un caso de cáncer.

EEll "" nnúúmmeerr oo nneecceessaarr iioo ppaarr aa ddaaññaarr "" ((NNNNDD oo NNNNHH,, ppoorr hhaarr mm == ddaaññaarr ,, eenn iinnggllééss))))

nnúúmmeerr oo nneecceessaarr iioo ppaarr aa ppeerr jj uuddiiccaarr ((NNNNPP)) ((nnuummbbeerr nneeeeddeedd ttoo hhaarr mm --NNNNHH))

Es la estimación del número de personas que necesitan recibir un medicamento durante

un tiempo específico para presentar un efecto secundario indeseado o una reacción

adversa. Se calcula de manera parecida al NNT, y es el inverso del aumento absoluto

del riesgo (NND = 1 / AAR).

A título de ejemplo, el NND para rabdomiolisis en un año de tratamiento con

monoterapia de estatinas se calcula en 22.700, y son factores de riesgo para el daño


18

muscular la diabetes mellitus, la edad superior a 65 años y la combinación con fibratos.

Para la cerivastatina el NND se calculó en 1.870 (una frecuencia de efectos adversos

diez veces superior a la del resto de las estatinas y por ello fue retirada del mercado).

Conceptos aclaratorios1

1 EEff iiccaacciiaa((EEffff iiccaaccyy))

Es el grado o la magnitud en la que una intervención (tratamiento, procedimiento o

servicio) mejora los resultados para los pacientes en condiciones ideales (típicamente un

ensayo clínico controlado aleatorizado)

EEffeecctt iivviiddaadd((EEff ffeecctt iivveenneessss))

Es el grado o la magnitud en la que una intervención (tratamiento, procedimiento o

servicio) mejora los resultados para los pacientes en la práctica (problema particular

bajo condiciones generales o rutinarias).

Se debe diferenciar por tanto eficacia de efectividad.

Eficacia: medida de resultado que se produce en circunstancias "ideales" y controladas

(como por ejemplo, en un entorno de laboratorio)

Efectividad: medida de resultado que se produce en circunstancias "reales", en

condiciones de práctica clínica habitual.

EEff iicciieenncciiaa((EEff ff iicciieennccyy))

Relación entre los resultados obtenidos y el coste de los recursos consumidos para

obtener los resultados.


19

Aquí tenéis algunas “URL” que os dan acceso libre a herramientas para calcular los

parámetros (Calculadoras en MBE):

1.http://www.infodoctor.org/rafabravo/herramientas.htm

2. PriTec

La herramienta de priorización Pritec ha sido desarrollada por la Axencia de Avaliación de Tecnoloxías Sanitarias de Galicia (avalia-t). Pritec es una aplicación web de ejecución automática cuyo objetivo es facilitar el proceso de priorización de tecnologías susceptibles de observación post-introducción y el de priorización para la evaluación de tecnologías potencialmente obsoletas. Permite comparar hasta 50 tecnologías de forma simultánea y genera un informe de priorización que incluye los principales resultados en formato de tablas y gráficos. La metodología aplicada ha sido la desarrollada en dos proyectos elaborados en el marco de colaboración previsto en el Plan de Calidad para el Sistema Nacional de Salud, al amparo del convenio de colaboración suscrito por el Instituto de Salud Carlos III, organismo dependiente del Ministerio de Sanidad y Consumo, y la Fundación Pública Escola Galega de Administración Sanitaria. [Accedido en febrero de 2009] Disponible en: http://pritectools.es/ 3. Test calculator disponible en: http://araw.mede.uic.edu/cgi-bin/testcalc.pl?DT=&Dt=&dT=&dt=&2x2=Compute 4. http://www.hutchon.net/Diagnostic-test.htm

5. Calculadora de NNTs :http://infodoctor.org/bandolera/baul/NNTcalc.html


20

AAnnááll iissiiss CCoossttee EEffeecctt iivviiddaadd II nnccrr eemmeennttaall

La forma de presentación de los resultados en la evaluación económica es mediante la

ratio Coste Efectividad-Utilidad Incremental (C1-C2)/(E1-E2): cuando una alternativa es

más costosa pero también más efectiva que otra, es conveniente utilizar este índice para

comparar los extras de costes y efectividad de pasar de una alternativa a otra.

Costes AVACs C/E incremental

Alternativa 1 20.000 € 5 --

Alternativa 2 25.000 € 6 5.000 €

Alternativa 3 30.000 € 9 2.500 €

Alternativa 4 40.000 € 10 4.000 €

Alternativa 5 30.000 € 4 Dominada

En la tabla se ilustra un ejemplo de coste-efectividad incremental. Suponemos que

tenemos 5 alternativas para un mismo tratamiento, con unos costes y unos efectos en

términos de AVACS dados. Para realizar el análisis coste – efectividad incremental nos

situaríamos en la alternativa 1 por ser la menos costosa y a partir de ella analizaríamos

que nos cuesta y que nos aporta cada una de las alternativas existentes respecto a esta.

El ratio C/E incremental de la alternativa 2 respecto a la 1 nos está indicando que

debemos hacer una inversión de 5000€ euros para obtener 1 AVAC. La alternativa 3

respecto a la 1 nos indica que si hacemos una inversión de 10.000€ euros obtendríamos

4 AVAC más con un coste por AVAC de 2500€, y así sucesivamente. La alternativa 5

respecto a la 1 es dominada porque es más costosa y produce menos AVACs y por tanto

esta alternativa debería ser desechada. Se aprecia que de las alternativas consideradas,

pasar de la 1 a la 3 es la opción más eficiente porque es con la que se obtiene mayor

número de AVACs a menor coste. Otra cuestión es la restricción presupuestaria

aceptada que diríamos “legitima” la introducción de una nueva tecnología. Este límite,

en España, está situado en torno a los 30.000€ por AVAC obtenido, lo que quiere decir

que cualquier tecnología nueva comparada con la preexistente debería ser aceptada si el

coste efectividad incremental es inferior a 30.000€ por AVAC.


21

BIBLIOGRAFÍA 1 Sheridan SL, Pignone MP, Lewis CL. A randomized comparison of patients'

understanding of number needed to treat and other common risk reduction formats. J

Gen Intern Med 2003 Nov; 18(11):884-92.

2 Sackett DL, Haynes RB, Guyatt GH, Tugwell P. Epidemiología clínica. Ciencia básica

para la medicina clínica. 2ª ed. Madrid: Editorial médica panamericana; 1994.

3 Laupacis A, Sackett DL, Roberts RS. An assessment of clinically useful measures of the consequences of treatment. N Engl J Med 1988;318:1728-33.

apéndice a módulo iv - ics-aragon.com · construyamos la conocida tabla tetracórica ... indica...

Documents