Calculadora de probabilidad posprueba
Calcula la probabilidad posprueba con el teorema de Bayes
Ingresa la probabilidad previa, la sensibilidad y la especificidad de la prueba (todas como porcentajes) para calcular las probabilidades posprueba, PPV, NPV y las razones de verosimilitud.
Calculadora de probabilidad posprueba
Calcula la probabilidad posprueba con el teorema de Bayes
Acerca de la 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 necesarios 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 es igual al valor predictivo positivo (PPV), calculado como: PPV = (sensibilidad × previa) / (sensibilidad × previa + (1−especificidad) × (1−previa)). Para un resultado negativo, la probabilidad de enfermedad es 1 − NPV, donde NPV = (especificidad × (1−previa)) / (especificidad × (1−previa) + (1−sensibilidad) × previa).
Las razones de verosimilitud (LR) ofrecen otra forma de actualizar probabilidades. LR+ = sensibilidad / (1−especificidad) indica cuánto aumenta la probabilidad de enfermedad un resultado positivo. LR− = (1−sensibilidad) / especificidad indica cuánto disminuye la probabilidad un resultado negativo. Como regla práctica, un LR+ mayor que 10 o un LR− menor que 0.1 indica una prueba diagnósticamente potente.
Uno de los resultados más contraintuitivos en estadística médica es el efecto de 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 0.1% de prevalencia tiene un PPV de solo alrededor del 9%. Esto significa que el 91% de los positivos son falsos positivos, una consideración crítica en los programas de tamizaje poblacional.
Esta calculadora es útil para clínicos que interpretan pruebas diagnósticas, investigadores que diseñan protocolos de tamizaje, estudiantes de medicina que aprenden razonamiento bayesiano y epidemiólogos que evalúan el rendimiento de pruebas en distintos niveles de prevalencia.
Recuerda siempre que la probabilidad previa debe estimarse con la mejor evidencia disponible: datos publicados de prevalencia, antecedentes clínicos, hallazgos del examen físico y factores de riesgo del paciente. La calidad de tu estimación posprueba depende directamente de la precisión de tu estimación previa y de la validez de los valores publicados de sensibilidad y especificidad de la prueba.
Ejemplos
Estos ejemplos muestran cómo la prevalencia de la enfermedad y la precisión de la prueba afectan la probabilidad posprueba.
| Previa, sensibilidad, especificidad | Prob posprueba (+) | Escenario |
|---|---|---|
| Previa=20%, Sens=85%, Esp=80% | PPV ≈ 51.5% | Tamizaje de una condición común |
| Previa=0.1%, Sens=99%, Esp=99% | PPV ≈ 9.0% | Enfermedad rara: descuido de la tasa base |
| Previa=5%, Sens=99.5%, Esp=85% | PPV ≈ 25.8% | Prueba de tamizaje de alta sensibilidad |
| Previa=15%, Sens=80%, Esp=99.8% | PPV ≈ 98.8% | Prueba confirmatoria de alta especificidad |
Cómo usar esta calculadora
- Ingresa la probabilidad previa (preprueba) como porcentaje: puede ser la prevalencia o tu estimación inicial de la probabilidad de enfermedad antes de la prueba.
- Ingresa la sensibilidad de la prueba (tasa de verdaderos positivos) como porcentaje: qué tan a menudo la prueba es positiva cuando la condición está presente.
- Ingresa la especificidad de la prueba (tasa de verdaderos negativos) como porcentaje: qué tan a menudo la prueba es negativa cuando la condición está ausente.
- Haz clic en “Calcular” para ver las probabilidades posprueba después de un resultado positivo y negativo, la PPV, la NPV y las razones de verosimilitud.
- Usa los botones de carga rápida para explorar escenarios clínicos reales y observar cómo la prevalencia afecta la interpretación de la prueba.
Preguntas frecuentes
¿Qué es la probabilidad posprueba?
La probabilidad posprueba es la probabilidad de que una condición esté presente dado el resultado de una prueba diagnóstica. Se deriva del teorema de Bayes y combina la probabilidad previa (prevalencia o probabilidad preprueba) con la sensibilidad y la especificidad de la prueba. Una prueba positiva aumenta la probabilidad por encima de la previa; una negativa la reduce.
¿Cuál es la diferencia entre sensibilidad y especificidad?
La sensibilidad (tasa de verdaderos positivos) mide la proporción de personas con la condición que resultan positivas: TP / (TP + FN). La especificidad (tasa de verdaderos negativos) mide la proporción de personas sin la condición que resultan negativas: TN / (TN + FP). Una sensibilidad alta minimiza los casos perdidos; una especificidad alta minimiza las falsas alarmas.
¿Qué es PPV y por qué depende de la prevalencia?
El valor predictivo positivo (PPV) es la probabilidad de que una persona con una prueba positiva realmente tenga la condición. Depende tanto de la precisión de la prueba como de la prevalencia de la enfermedad. Incluso con una prueba 99% precisa, el PPV puede ser bajo para enfermedades raras, un fenómeno conocido como paradoja de los falsos positivos o descuido de la tasa base. Por eso comprender la probabilidad previa es crucial en medicina diagnóstica.
¿Qué son las razones de verosimilitud y cómo las uso?
La razón de verosimilitud positiva (LR+) = sensibilidad / (1−especificidad) indica cuánto aumenta la probabilidad de enfermedad un resultado positivo. LR− = (1−sensibilidad) / especificidad indica cuánto disminuye la probabilidad un resultado negativo. Como regla general, LR+ > 10 o LR− < 0.1 producen cambios grandes y clínicamente significativos en la probabilidad.
¿Por qué una prueba muy precisa puede dar una probabilidad posprueba baja?
Cuando la prevalencia de la enfermedad (probabilidad previa) es muy baja, incluso una prueba muy precisa produce muchos falsos positivos en relación con los verdaderos positivos. Por ejemplo, una prueba del 99% de precisión para una enfermedad con 0.1% de prevalencia tiene un PPV de solo alrededor del 9%, es decir, 91% de los positivos son falsos positivos. Por eso el tamizaje masivo de enfermedades raras debe diseñarse con cuidado.
¿Cuál es la diferencia entre PPV y la probabilidad posprueba tras un resultado positivo?
Para una prueba simple de dos resultados (positivo/negativo), PPV y la probabilidad posprueba tras un resultado positivo son el mismo valor. Ambos representan P(enfermedad | prueba positiva). El término “probabilidad posprueba” es el lenguaje bayesiano más general usado en la toma de decisiones clínicas, mientras que PPV es el término epidemiológico usado en estudios de validación de pruebas.