TEOREMA DE BAYES ¨Análisis en decisiones clínicas¨
Las probabilidades o proporciones
Nos permiten reducir la incertidumbre acerca de la incertidumbre
Teorema de Bayes es una herramienta de apoyo para explicar la probabilidad
Un evento ligado a otro se le conoce como probabilidad condicional
La probabilidad del evento A sea verdadero, ya que el evento B es verdadero
En medicina, la probabilidad de padecer la enfermedad A disminuye o aumenta si la muestra B esta presente
La probabilidad de que A y B sean ciertas dividida por la probabilidad de que B sea cierta
P(A)(B)= (p(A)p(B)) /p(B)
Para calcular la probabilidad de padecer una enfermedad después de una prueba con BAYES, se necesita el resultado positivo si el paciente esta enfermo y el resultado positivo si el paciente esta sano
Arbol
Se utiliza con una población determinada y cierta enfermedad, entre mejor definida sea la población mas fácil sera obtener los datos
En una sección A se agrupa la población que tiene una enfermedad y se multiplica por su porcentaje, y se resta de el total de pacientes
Obteniendo varios grupos donde se clasifican que son
Falsos negativos
Verdaderos positivos
Falsos positivos
Verdaderos negativos
Tienen ciertos puntos en una escala de evaluación de una enfermedad pero no tienen la enfermedad
No padecen la enfermedad y tiene puntos menos en la evaluación de la enfermedad
Tienen la enfermedad, pero no tienen los puntos de evaluacion de la enfermedad
Padece la enfermedad, tiene todos los puntos de evaluacion que indica la enfermedad :
Tablas de 2x2
Se utiliza para ordenar la información y analizarlos
Se acomodan los datos diagnósticos en dos grupos de positivos y negativos de los falsos y verdaderos
Obteniendo un total de falsos y un total de positivos que serán usados para un valor predictivos positivo o negativo
Nomograma
Necesitamos de la probabilidad previa y el cociente de probabilidad o Likelihood ratio
La positiva se calcula con el falso positivo y el verdadero positivo
LK+= Verdaderos positivos/ Falsos positivos
(LK-)= Falsos negativos/ Especificidad
Teorema de BAYES
Tiene una estrecha relación con la prevalencia de la condición que se pretende diagnosticar
Las de baja prevalencia aun con la positividad de la prueba de detección no aumenta la probabilidad de diagnosticar
La negatividad de la prueba tienen mucho mas posibilidades de descartarla
Cuando la prevalencia es alta la prueba positiva aumenta mucho la probabilidad del diagnostico y la negatividad no seria suficiente para descartarla
Es de gran utilidad en la practica clínica para definir conductas diagnosticas o terapéuticas que son difíciles de anticipar
Su desventaja es que muchas veces no se cuentan de manera rapida con los datos necesarios de las enfermedades
Análisis de decisiones
Se debe definir el problema, para tener claro las alternativas posibles y la tomar la mejor decision
Las alternativas de acción deben ser las mas importantes, y no deben ser simplificadas ni fragmentada
Deben tomarse en cuenta las probabilidades de resoluciones en las acciones que se van a tomar
Se asignan también valores (utilidades), que van de 0 a 1, representan al paciente siendo 0 la muerte y resolución completa es 1
Se toman decisiones