¿Qué es la probabilidad postest?
La probabilidad postest es la probabilidad actualizada de que un paciente tenga una enfermedad después de conocer el resultado de una prueba diagnóstica. Es la esencia del diagnóstico basado en la evidencia: una prueba no se limita a decir «sí» o «no», sino que desplaza tu estimación previa hacia arriba o hacia abajo. Esta calculadora aplica el teorema de Bayes en su práctica forma de odds, utilizando un cociente de probabilidad (CP o LR, por sus siglas en inglés) para actualizar la probabilidad pretest.
Cómo utilizarla
Introduce la probabilidad pretest (tu estimación de la enfermedad antes de la prueba, en forma de porcentaje) y el cociente de probabilidad del resultado de la prueba. Usa el cociente de probabilidad positivo (LR+) para un resultado positivo y el cociente de probabilidad negativo (LR−) para un resultado negativo. La herramienta devuelve la probabilidad postest, además de las odds pretest y postest intermedias.
La fórmula explicada
Como la probabilidad y las odds describen lo mismo, primero convertimos la probabilidad en odds:
$$\text{Odds}_{Pre} = \frac{P}{1 - P}$$Al multiplicar por el cociente de probabilidad obtenemos:
$$\text{Odds}_{Post} = \text{Odds}_{Pre} \times \text{LR}$$Por último, volvemos a convertir a probabilidad:
$$\text{Prob}_{Post} = \frac{\text{Odds}_{Post}}{1 + \text{Odds}_{Post}}$$Un LR superior a 1 aumenta la probabilidad de enfermedad; un LR inferior a 1 la reduce; y un LR igual a 1 la deja sin cambios.
Ejemplo resuelto
Supongamos que la probabilidad pretest es del 30 % y el resultado de la prueba tiene un LR de 10.
$$\text{Odds}_{Pre} = \frac{0{,}30}{0{,}70} = 0{,}4286$$$$\text{Odds}_{Post} = 0{,}4286 \times 10 = 4{,}2857$$$$\text{Prob}_{Post} = \frac{4{,}2857}{1 + 4{,}2857} = 0{,}8108$$es decir, alrededor del 81 %. El resultado positivo ha elevado la sospecha de enfermedad del 30 % al 81 %.
Términos clave: sensibilidad, especificidad, odds y probabilidad previa
- Probabilidad previa a la prueba (prior, prevalencia): la probabilidad de que una persona tenga la afección antes de conocer el resultado de la prueba. Puede proceder de la prevalencia poblacional, del contexto clínico o de puntuaciones de riesgo.
- Probabilidad posterior a la prueba (posterior): la probabilidad actualizada tras incorporar el resultado de la prueba. Tras un resultado positivo, equivale al valor predictivo positivo (VPP) cuando la probabilidad previa a la prueba es igual a la prevalencia. Tras un resultado negativo, la probabilidad de enfermedad es 1 − VPN (valor predictivo negativo).
- Probabilidad frente a odds: la probabilidad \(p\) es la posibilidad de que ocurra un suceso, de 0 a 1. Los odds son \(\frac{p}{1-p}\), y al convertirlos de nuevo se obtiene \(p = \frac{O}{1+O}\). Por ejemplo, una probabilidad de 0,25 corresponde a odds de 1:3, o 0,333.
- Sensibilidad: la proporción de personas con la afección que dan positivo en la prueba (tasa de verdaderos positivos).
- Especificidad: la proporción de personas sin la afección que dan negativo en la prueba (tasa de verdaderos negativos).
- Razón de verosimilitud positiva (LR+): \(\text{LR+} = \frac{\text{sensibilidad}}{1-\text{especificidad}}\). Muestra cuánto aumenta un resultado positivo los odds de enfermedad.
- Razón de verosimilitud negativa (LR−): \(\text{LR−} = \frac{1-\text{sensibilidad}}{\text{especificidad}}\). Muestra cuánto disminuye un resultado negativo los odds de enfermedad.
- Teorema de Bayes: la regla para actualizar una probabilidad con nueva evidencia. En forma de odds se expresa simplemente como \(\text{odds posteriores} = \text{odds previos} \times \text{LR}\).
A diferencia del VPP y del VPN, las razones de verosimilitud no dependen de la prevalencia. Por eso pueden aplicarse a pacientes con distintas probabilidades previas a la prueba. Esta herramienta ofrece información educativa general y no sustituye el criterio médico profesional.
Preguntas frecuentes
¿De dónde salen los cocientes de probabilidad? Se calculan a partir de la sensibilidad y la especificidad de la prueba: \(\text{LR+} = \frac{\text{sensibilidad}}{1 - \text{especificidad}}\); \(\text{LR−} = \frac{1 - \text{sensibilidad}}{\text{especificidad}}\).
¿Qué se considera un LR «bueno»? Como regla general, un LR+ superior a 10 o un LR− inferior a 0,1 produce cambios grandes y, a menudo, concluyentes en la probabilidad; los valores cercanos a 1 aportan poca utilidad clínica.
¿Puede la probabilidad pretest ser del 100 %? Con un 0 % o un 100 %, las odds se vuelven 0 o infinitas, y ninguna prueba puede modificar una certeza. Por eso, en la práctica, se utilizan estimaciones próximas a los extremos, pero nunca iguales a ellos.