Calculadora de probabilidad posprueba

La probabilidad posprueba es la probabilidad revisada de que un paciente tenga una condición después de conocer el resultado de una prueba diagnóstica. Se calcula con el teorema de Bayes, que actualiza formalmente las creencias a la luz de nueva evidencia. Esta calculadora implementa el marco central de precisión diagnóstica usado en medicina basada en evidencia, apoyo a la decisión clínica y educación médica. Los tres datos requeridos son: (1) probabilidad previa: la probabilidad preprueba o prevalencia de la enfermedad antes de la prueba; (2) sensibilidad: la tasa de verdaderos positivos, o la probabilidad de que la prueba sea positiva cuando la condición está presente; y (3) especificidad: la tasa de verdaderos negativos, o la probabilidad de que la prueba sea negativa cuando la condición está ausente. Para un resultado positivo, la probabilidad posprueba equivale al valor predictivo positivo (PPV), calculado como: PPV = (sensitivity × prior) / (sensitivity × prior + (1−specificity) × (1−prior)). Para un resultado negativo, la probabilidad de enfermedad es 1 − NPV, donde NPV = (specificity × (1−prior)) / (specificity × (1−prior) + (1−sensitivity) × prior). Las razones de verosimilitud (LR) ofrecen otra forma de actualizar probabilidades. LR+ = sensitivity / (1−specificity) indica cuánto aumenta la probabilidad de enfermedad un resultado positivo. LR− = (1−sensitivity) / specificity indica cuánto disminuye la probabilidad un resultado negativo. Como regla general, un LR+ mayor de 10 o un LR− menor de 0.1 indica una prueba con gran poder diagnóstico. Uno de los resultados más contraintuitivos en estadística médica es el efecto de la tasa base: incluso una prueba muy precisa tiene un PPV bajo cuando la enfermedad es rara. Por ejemplo, una prueba con 99% de sensibilidad y 99% de especificidad aplicada a una enfermedad con prevalencia de 0.1% tiene un PPV de solo alrededor de 9%. Esto significa que 91% de los resultados positivos son falsos positivos, una consideración crítica en programas de tamizaje poblacional. Esta calculadora es útil para clínicos que interpretan resultados diagnósticos, investigadores que diseñan protocolos de tamizaje, estudiantes de medicina que aprenden razonamiento bayesiano y epidemiólogos que evalúan el rendimiento de las pruebas en distintos niveles de prevalencia. Recuerda siempre que la probabilidad previa debe estimarse con la mejor evidencia disponible: datos publicados de prevalencia, historia clínica, hallazgos del examen físico y factores de riesgo del paciente. La calidad de tu estimación posprueba depende directamente de la exactitud de tu estimación previa y de la validez de los valores publicados de sensibilidad y especificidad.