Siguiendo con la serie, ahora tocaremos un tópico Importante del Proceso Diagnóstico, la valoración de los hallazgos a los exámenes, sean estos físicos o auxiliares (como radiológicos o de laboratorio) y su real aporte para acercarnos o alejarnos del diagnóstico propuesto. 

Todo hallazgo de un examen (hepatomegalia, Ictericia, hiperglicemia, etc.) tiene la propiedad de acercarnos o alejarnos de nuestra presunción diagnóstica. Estos hallazgos pueden ser definidos dicotómicamente como "normal" o "anormal" (Ejemplo: Presencia o ausencia de Hepatomegalia) sin embargo al hacerlo de este modo, estamos perpetuando supuestos "puntos de corte" preestablecidos (Menos de este valor es "normal" y más es "anormal"), generalmente extraídos de estudios grandes con curva de Gauss, que pueden quitar o agregar especificidad como veremos más adelante a cada test o valor asignado a cada test.

La otra manera más racional es clasificar los hallazgos del examen en subcategorías que van de alta probabilidad diagnóstica, media, baja y normal para así evaluar su real propiedad diagnóstica para la enfermedad blanco a través del calculo de los Iikelihood ratio. Pero vayamos por partes y veamos un primer esquema. la tabla 1 es una clásica tabla de 2 x 2 en la que podemos aprender la diferencia entre sensibilidad y especificidad vs. valor predictivo positivo o negativo.

Sensibilidad y especificidad son cálculos "verticales": ( a/a+c) para sensibilidad en líneas horizontales y (d/b+d) para especificidad en líneas oblicuas en la tabla 1 respectivamente. Esto significa que estos cálculos son hechos sabiendo la enfermedad blanco como eje o punto de partida ( por ejemplo: porcentaje de enfermos con examen positivo, para sensibilidad), es decir evalúa la "propiedad" de la enfermedad para dar positivo o negativo a un examen, casi un proceso diagnóstico retrospectivo. Muchos creen que los test con alta sensibilidad confirman el diagnóstico y una alta especificidad lo descarta pero en realidad un test con alta sensibilidad con resultado negativo descarta el diagnóstico y de igual manera un test con alta especificidad con resultado positivo confirma el diagnóstico. Contrariamente los valores predictivos son cálculos "horizontales". Ver tabla 2.

Valor predictivo positivo (a/a+b) en líneas verticales, es el porcentaje de pacientes con examen positivo que tienen la enfermedad y Valor predictivo negativo(d/d+c) en grama; el porcentaje de pacientes con examen negativo que no tienen la enfermedad. Esto significa un razonamiento más clínico puesto que es la probabilidad que un resultado positivo o negativo signifique la presencia o ausencia de la enfermedad blanco. Si se quiere avanzar más en la fineza del diagnóstico o una manera de plasmarlo en probabilidades más exactas esta el likelihood ratio (o tasa de probabilidad) que es la probabilidad que un resultado positivo o negativo refleje la enfermedad; en resumen, es la división del porcentaje del resultado dado (positivo o negativo) que tenga la enfermedad entre el porcentaje con el mismo resultado(positivo o negativo) que no tenga la enfermedad {(a/a+c) /(b/b+d)} o sens/(1-espec) para likelihood ratio positivo y {(c/a+c)/(d/b+d)} o (1 ?sens)/espec. para likelihood ratio negativo y este tiene un efecto multiplicativo en la probabilidad pre test como veremos más adelante.

Si analizamos esto último tanto la sensibilidad, especificidad y los valores predictivos son índices que no tienen en cuenta el resultado o performance del test en todas sus posibilidades ( tanto positivas como negativas, en enfermedad o en ausencia de ella), y se ve fácilmente en la tabla 1 y 2 ya que en sus cálculos no se utilizan todas las posibilidades ( las celdas a, b, c y d), usando solo la mitad de ellas y con ello la mitad de las propiedades del test para identificar o descartar la enfermedad blanco. Esto explica la limitación de los valores predictivos cuando la prevalencia de la enfermedad varia mucho. El likelihood ratio lo sumariza (utiliza todas las celdas o posibles resultados para evaluar las propiedades diagnosticas del test) y lo presenta en una forma más practica y simple de aplicar. Veamos este ejemplo aparecido en el libro de Medicina Basada en Evidencias de D. Sacket y luego modificado.

Supongamos que tenemos a un paciente con anemia y pensamos que la probabilidad de que tenga anemia ferropénica es de 50% (Probabilidad pre test) o una chance de 50 a 50 (Proporción o pre test Odds) por la anamnesis y el examen clínico. Supongamos que usted encuentra un, estudio sistemático de ferritina versus el gold standard que es el contenido de hierro en médula ósea y también supongamos que es un buen estudio y usted puede confiar en los resultados que presenta. Los resultados se muestran en la Tabla 3.

El resultado del examen de su paciente arroja 60 mmol/I lo cual lo coloca en la celda a o b. Entonces se puede decir que el 90% de los pacientes con anemia ferropénica están en el mismo rango que su paciente (a /a+ c), esta proporción de pacientes con la enfermedad blanco que tienen examen positivo se llama Sensibilidad. Además un 73% de los pacientes con resultado positivo tienen anemia ferropénica (valor predictivo positivo).También nota que solo el 15% de los pacientes que no tienen la enfermedad blanco tienen resultados en el mismo rango o valor que su paciente lo cuál significa que su resultado es cerca de seis veces más probable (90%/15%) de ser encontrado en alguien con anemia ferropénica que en alguien sin ella y esto se llama likelihood ratio para un resultado de test positivo.

Es más Ud. sabia que el chance de su paciente de tener anemia ferropénica era de 50 a 50, esto es llamado pre test odds de 1:1 y si multiplicamos esto por el likelihood ratio de 6 para obtener el post test odds: 1 x 6 = 6. Esto en la practica se convierte a probabilidad post test 6/(6+1) = 6/7 = 86%.Al final su sospecha diagnóstica subió de 50% a un 86% al realizar este test y si su umbral terapéutico es mayor o igual a 80% (nivel a partir del cual Ud. decide no realizar otra prueba y tratar la enfermedad), ya concluyó su proceso diagnóstico. Este umbral se establece por consenso y depende también del tipo de enfermedad (gravedad y pronóstico), así pudiera ser que si su nivel umbral para anemia ferropénica es de 90%, este primer ejemplo no alcanzaría este criterio. Todo este ultimo cálculo de probabilidad post test se ahorra con un normograma que desarrollaremos al final.

Ahora volvamos a nuestro ejemplo, la ferritina sérica parece un buen test con sensibilidad de 90%, especificidad de 85%. Pero el valor predictivo positivo es de 73%, lo cual no es tan bueno y su valor predictivo negativo de 95%. Sin embargo el likelihood ratio positivo de 6 parece inclinar la balanza hacia la presencia de enfermedad blanco (Probabilidad post test de 86%) y así hacia una acción terapéutica siguiendo con nuestro trabajo clínico. Pero si nuestra posibilidad pre test hubiera sido más baja, es decir un 20%, tendríamos un pre test odds de 0,25 (20%/80%) esto multiplicado por seis (nuestro likelihood ratio positivo) 0,25 x 6 = 1,5 como post test odds y finalmente llevado a una probabilidad post test de 60% (1,5/2,5). Esto significa que solo habría una posibilidad final de 60% que nuestro paciente tenga anemia ferropénica comparado con el 86% de probabilidad post test de la primera parte del ejemplo con el mismo resultado de ferritina sérica. Haciendo este juego de variar la posibilidad pre test llevándola de un extremo (80% a 20%) para ver como varía la posibilidad post test del resultado de nuestro paciente, es una manera practica de ver si el likelihood ratio establecido es útil para "confirmar" o "descartar" el diagnóstico y en nuestro ejemplo no parece tener mucha potencia diagnóstica.

Otra manera de analizarlo es con el likelihood ratio a diferentes niveles de ferritina sérica y así descubriremos una aún más poderosa herramienta diagnóstica ya que muchas veces los punto de corte preestablecidos no son los más adecuados para acercarnos o alejarnos del diagnóstico. Algunos resultados de pruebas diagnósticas se pueden dividir en niveles, en cinco para nuestro ejemplo que van de "Muy positivo" a "Muy negativo"(extraídos de la misma fuente). Ver Tabla4.

En esta tabla se puede ver que la máxima sensibilidad (Resultado muy positivo < 15 mmol/l) es de 59% ( 474/809) poco impresionante, pero esto representa un likelihood ratio de 52 (59%/1,1%) muy significativo, lo cual generará posibilidades post test mayores de 85%. En otras palabras un resultado en este nivel es 52 veces más probable en uno con anemia ferropénica que en uno sin ella. En el otro extremo una especificidad alta (Resultado muy negativo > 95 mmol/1) de 75% (1332/1 770) con un likelihood ratio de 0,08 ( 5,9%/75%) lo cual produce probabilidades post test menos de 5% (la mayoría menos de 1%). Regresando a nuestro ejemplo, nuestro paciente con un resultado de 60 mmol/l está en resultado "neutral" con un likelihood ratio de 1 y una probabilidad pre test de 50% lo que nos da una probabilidad post test de 50%, lo que nos llevaría a tomar otro test para confirmar (aumentar la probabilidad post test) o descartar (disminuir la probabilidad post test). Todo este cálculo ( probabilidad post test) se abrevia sabiendo solo la probabilidad pre test (conocida o por consenso) y el likelihood ratio derivado de estos cálculos (algunos ya conocidos y otros en preparación), estos dos puntos se unen en el normograma de Fagan (Fig. 1) y su continuación nos indica la probabilidad post test. Haga el intento con los mismos valores de probabilidad pre test y los likelihood ratio del ejemplo y calcule las probabilidades post test usando el normograma y una regia.

Aquí nuestras conclusiones. Primero: deberíamos tener una lista de probabilidades pre test en cada escenario clínico o caso problema para un diagnóstico presuntivo (Ejemplo: probabilidad de ITU en lactante febril sin foco infeccioso aparente) o la prevalencia de la enfermedad (si no existe se puede establecer por consenso para cada caso clínico). Segundo: deberíamos saber el poder diagnóstico de nuestros hallazgos al examen físico o principalmente de exámenes auxiliares es decir conocer los likelihood ratio de estas pruebas. Para exámenes auxiliares likelihood ratio positivo mayor de 10 y likelihood ratio negativo menores de 0,1 son lo suficientemente poderosos para modificar importantemente casi cualquier probabilidad pre test . Y tercero: siempre cargar en el bolsillo un normograma de Fagan para un cálculo sencillo de la probabilidad post test para un diagnóstico acertado y así poder tomar una acción terapéutica adecuada o pedir otro examen auxiliar (o repetir el mismo).

* Médico Pediátra ISN

Tabla de contenido