Teorema de Bayes

Teorema de Bayes

1. En la práctica clínica es importante saber cuando la posibilidad de padecer una enfermedad es baja o es alta.

   • Mientras más nos acercamos al valor de 1, más cerca se esta de padecer la enfermedad. Por otro lado a medida que la probabilidad se acerca a 0, podemos descartar que un paciente tenga la enfermedad.
     • Las herramientas que permiten cuantificar la incertidumbre son: Los estudios de laboratorio o los signos y síntomas; y con estos podemos modificar la probabilidad inicial.
       • Una herramienta de utilidad desarrollada en el siglo XVIII por Thomas Bayes fue el "teorema de Bayes".
         • La probabilidad condicional nos dice que cada evento esta ligado a que suceda otro.
           • P [A|B]= p [A|B] / p[B]
         • Para calcular la probabilidad de padecer una enfermedad después de una prueba con el teorema de Bayes es necesario conocer la probabilidad previa de la enfermedad.
           • +p [E|+] = sensibilidad p[E] * p[+|E] / especificidad (p[E] * p[+|no E] * p [+|no E])

2. ÁRBOL

   • Para conformar el árbol debemos tomar en cuenta la población de la que se inicia.
     • Minetras este más definida es más fácil obtener los datos requeridos.
       • Al final del árbol tenemos el número total de nuestros pacientes clasificados según padecen la enfermedad y la positividad de la prueba en verdaderos positivos y falsos negativos, verdaderos negativos y falsos positivos.

3. TABLAS DE 2X2

   • Otra forma de organizar los datos para un análisis bayesiano son las tablas de 2x2.
     • En las columnas se pone el encabezado de los datos reales y se hace corresponder con los datos de la prueba diagnóstica que se pone en las filas.

4. USO DEL TEOREMA DE BAYES COMO NOMOGRAMA

   • Este instrumento requiere conocer la probabilidad previa a la prueba y el cociente de probabilidad.
     • La forma positiva del cociente de probabilidad se obtiene mediante la división de la probabilidad de que la prueba sea positiva en personas sin la enfermedad.
     • La forma negativa del cociente de probabilidad se obtiene con la división de la probabilidad de que la prueba este ausente en personas enfermas entre la probabilidad de que este ausente en personas sin la enfermedad.
   • LR+ = Verdaderos positivos o / Falsos positivos o 1-.
     • LR- = Falsos negativos o 1- sensibilidad / Especificidad.

5. El teorema de Bayes tiene una estrecha relación la prevalencia de la condición que se pretende diagnosticar.

   • Prevalencia baja = No aumenta la probabilidad.
   • Prevalencia alta = La prueba positiva aumenta mucho la probabilidad del diagnóstico.

6. El teorema de Bayes en la práctica médica puede definir conductas diagnósticas o terapéuticas cuyo resultado es complicado anticipar empíricamente.

   • De utilidad al momento de individualizar problemas clínicos.

7. Las desventajas del teorema de Bayes son que su cálculo se requieren datos de las enfermedades que no siempre están disponibles y pierden fortaleza en casos en los que existe más de un factor relevante para la toma de decisiones.

   • Al final de todos los cálculos se requiere del juicio clínico.

8. Torruco García U, González Guerra E. Capítulo 22. Teorema de Bayes. Análisis de decisiones clínicas. En: Sánchez M, Martínez AI. Informática Biomédica. 2a ed. México: Elsevier -Facultad de Medicina, UNAM; 2014. p. 277-284

   • ORTEGA GÓMEZ MARÍA ESTHER GRUPO: 2236