Please enable JavaScript.
Coggle requires JavaScript to display documents.
TEOREMA DE BAYES EN MEDICINA (Captura de pantalla (53) (p[E|+] es la…
TEOREMA DE BAYES EN MEDICINA
Herramienta para calcular la probabilidad de un evento y saber cómo se modifica después de una prueba
Probabilidad condicional
Probabilidad de que el evento A sea verdadero dado que el evento B sea verdadero
Probabilidad de padecer la enfermedad A :arrow_double_up: o :arrow_double_down: si la prueba/hallazgo clínico B está presente
p
[A|B]
Razón de la probabilidad de que A y B sean ciertas, dividida por la probabilidad de que B sea cierta
Para su cálculo se necesitan 3 cosas:
Probabilidad previa de la enfermedad
Probabilidad del resultado :heavy_plus_sign: si el paciente está enfermo
Probabilidad del resultado :heavy_plus_sign: si el paciente está sano
p
[E|+] es la enfermedad condicionada a la prueba :heavy_plus_sign: (probabilidad de estar realmente enferma si se tiene una prueba Dx :heavy_plus_sign:)
p
[E] probabilidad de que un individuo padezca una enfermedad (
prevalencia
)
p
[+|E] proporción de personas que tienen la prueba :heavy_plus_sign: y que además padecen la enfermedad (
sensibilidad
)
p
[+ | no E] proporción de que las personas tienen la prueba :heavy_plus_sign: pero no están enfermas
Representación gráfica
:evergreen_tree:
Se debe tomar en cuenta población inicial
Al final está el # total de pacientes clasificados según padecen la enfermedad y la positividad de la prueba en VP, FN, FP y VP.
Tablas 2x2
Nomograma
Prevalencia y teorema de Bayes
Estrecha relación entre sí
Prevalencia baja:
La negatividad de una prueba tendrá grandes posibilidades para descartarla
Independientemente de la positividad de la prueba, no aumentan la probabilidad de Dx enfermedades
Prevalencia alta
Positividad de la prueba aumenta la probabilidad del Dx
La negatividad de la prueba no será suficiente para descartarla
Ventajas
:check: Puede definir conductas Dx o Tx
:check: Arroja luz ante decisiones controversiales y estrategias a nivel poblacional
:check: Útil al individualizar problemas clínicos a nivel poblacional
Desventajas
:red_cross: Para su cálculo requiere datos de la enfermedad que no siempre se están dosponibles
Pierde fortaleza en cc donde hay + de 1 factor relevante
:red_cross: Al final sigue requiriendo juicio clínico
Grupo: 2125
ALUMNA: MARTÍNEZ POSADA PAULA GISSELL
:+1::skin-tone-2:
:-1::skin-tone-2:
:
