Nuestra incapacidad para calcular probabilidades diagnósticas ya tiene cura !!

statistical innacuracy

Los sanitarios, independientemente de la profesión, el género, la edad, los años de experiencia o la especialidad clínica, tenemos un serio problema con el cálculo estadístico, una incapacidad para pensar con números que representan incertidumbres; es lo que en inglés se conoce como statistical innumeracy. Esta habilidad con el cálculo estadístico la necesitamos para estimar la probabilidad de una enfermedad después de una prueba diagnóstica; es una habilidad clínica básica que guía las decisiones sobre la realización de más pruebas y/o de iniciar un tratamiento específico. Disponemos de muchos estudios que indican que nuestras habilidades para interpretar datos cuantitativos de la literatura médica son muy limitadas, y por si esto fuera poco, somos muy poco conscientes de esta limitación.

Fallar en lo más importante

Los profesionales sanitarios no tenemos tanta dificultad para entender y aplicar correctamente cuestiones relacionadas con los tratamientos, p.ej RR, RAR, NNT,.. en comparación a las cuestiones relacionadas con el cálculo de probabilidades necesarias para el diagnóstico (1).

Comprendemos los conceptos teóricos de sensibilidad y especificidad y sabemos calcularlos cuando nos dan los datos, pero demostramos gran limitación cuando intentamos aplicarlos en un contexto clínico (1). Los conceptos de razón de verosimilitud (RV) o cocientes de probabilidad (ing: likelihood ratio) ya nos cuestan un poquito más de entender y mucho más de aplicar; son los datos clínicamente más intuitivos y útiles para poder estimar las probabilidades post-prueba pero menos del 10% de profesionales sanitarios es capaz de usarlos.

No solo nuestro razonamiento probabilístico es deficitario, sino que además  tendemos a una amplia variabilidad entre profesionales, a una sobreestimación  (2) y al exceso de confianza (3).

Ante patologías de baja prevalencia, la mayoría de profesionales no acertamos cuando tenemos un resultado positivo. Con el cribado prenatal de síndrome de Down, el 86% de los profesionales respondieron erróneamente (3), con el cribado de cáncer de colon con el test de sangre oculta en heces un 50% (4) y con el cribado de cáncer de mama con la mamografía un 79% se equivoca (5). probabilidades neo mama
Además de responder erróneamente, entre profesionales hacemos estimaciones muy dispares a partir de la misma información, con probabilidades post-prueba cercanas al 1% y al 99%. Eso sí, normalmente sobrestimamos la probabilidad de la enfermedad en casos de pruebas positivas y baja prevalencia. Y lo que es peor y más peligroso, no somos conscientes de nuestra incapacidad de cálculo probabilístico, de nuestras limitaciones. Los estudios demuestran que una mayoría de los profesionales que fallan en los ejercicios de estimación de probabilidad, que son la mayoría, demuestran una gran confianza en sus decisiones, es decir, ignoran que no saben (3).

¿Sabemos dónde está el problema? Sí

Para empezar no tenemos en cuenta la prevalencia de la enfermedad. Estimar la probabilidad de enfermedad en base a resultados de una prueba no es intuitivo. De acuerdo con el teorema de Bayes, la probabilidad post-prueba depende de la especificidad y la sensibilidad de la prueba, y de la prevalencia de la enfermedad en la población de interés, es decir, la probabilidad pre-prueba (6). En el estudio sobre el cribado de virus en una escuela (6) la mayoría de médicos (67%-80%) estimaron la probabilidad post-prueba positiva en torno al 95%-99,9%, independientemente de la prevalencia de la enfermedad. En resumen, solo uno de cada diez médicos sabía calcular correctamente las probabilidades post-prueba.

Otra circunstancia limitadora es la forma de presentar y de recibir la información cuantitativa. La mayoría de las ocasiones los estudios muestran sus datos en forma de porcentajes, cuando sabemos que recibiendo la información en forma de frecuencias naturales somos más capaces de interpretarla correctamente para estimar las probabilidades post-prueba (3). Lo podemos ver reflejado en el estudio sobre el cribado de cáncer de mama con mamografía, en el que el número de aciertos era mucho mayor si la información recibida por el médico era en forma de frecuencias naturales que si era en forma de porcentajes o probabilidades. También en el estudio del cribado prenatal de síndrome de Down, en el que la proporción de respuestas correctas fue mayor para presentación como frecuencias (24%) que para la presentación como porcentajes (6%) (3). Y además, somos más rápidos calculando probabilidades si recibimos la información en frecuencias naturales que en porcentajes (2).

Formato de probabilidad ⇒ La probabilidad de que una mujer tenga cáncer de mama es del 1%. Si una mujer tiene cáncer de mama, la probabilidad es del 80% de que la mamografía sea positiva. Si una mujer no tiene cáncer de mama, la probabilidad es del 10% de que la mamografía sea positiva.

Formato de frecuencia ⇒ Diez de cada 1,000 mujeres tienen cáncer de mama. De estas 10 mujeres con cáncer de mama, 8 tendrán una mamografía positiva. De las 990 mujeres restantes sin cáncer de mama, 99 también tendrán una mamografía positiva.

¡¡¡ Nuestra limitación es curable !!!

Lo mejor del caso es que esta limitación que tenemos en el cálculo estadístico es curable, no es un defecto mental que padecemos los profesionales sanitarios. ¿Qué podemos hacer?

  • Mejorar nuestros conocimientos teóricos sobre las propiedades de las pruebas diagnósticas que tienen más relevancia clínica, es decir, los datos que nos permiten calcular directamente las probabilidades post-prueba, como las Razones de Verosimilitud y los valores predictivos.
  • Estimar o conocer las prevalencia o probabilidades pre-prueba de las enfermedades sospechadas según la población diana de cada caso.
  • Conocer y utilizar herramientas, como el nomograma de Fagan, que nos ayuda a  calcular fácilmente las probabilidades post-prueba a partir de las prevalencias y las RV.
  • Utilizar frecuencias naturales o aprender a transformar los porcentajes en frecuencias. Con estas frecuencias, nos será más fácil y rápido proyectar mentalmente una tabla de 2×2 que nos permita estimar probabilidades post-prueba.

Y tu, qué? cómo estás de statistical innumeracy?

Te atreves a responder nuestro breve cuestionario anónimo? Son 10 sencillas preguntas y podrás ver tu calificación, leer un feedback y algo muy interesante: un resumen con lo bien, o lo mal, que han respondido los participantes. ⇒ enlace al cuestionario

Para seguir aprendiendo…

  1. Estellat C, Faisy C, Colombet I, Chatellier G, Burnand B, Durieux P. French academic physicians had a poor knowledge of terms used in clinical epidemiology. J Clin Epidemiol [Internet]. 2006;59(9). enlace
  2. Whiting PF, Davenport C, Jameson C, Burke M, Sterne JAC, Hyde C, et al. How well do health professionals interpret diagnostic information? A systematic review. BMJ Open [Internet]. 2015;5(7):e008155. enlace
  3. Bramwell R. Health professionals’ and service users’ interpretation of screening test results: experimental study. BMJ [Internet]. 2006 Aug 5;333(7562):284–0. enlace
  4. Gigerenzer G. Simple tools for understanding risks: from innumeracy to insight. BMJ [Internet]. 2003 Sep 27;327(7417):741–4. enlace
  5. Gigerenzer G, Gaissmaier W, Kurz-Milcke E, Schwartz LM, Woloshin S. Helping Doctors and Patients Make Sense of Health Statistics: Toward an Evidence-Based Society. Psychol Sci Public Interes [Internet]. 2007;8(2):53–96. enlace
  6. Agoritsas T, Courvoisier DS, Combescure C, Deom M, Perneger T V. Does Prevalence Matter to Physicians in Estimating Post-test Probability of Disease? A Randomized Trial. J Gen Intern Med [Internet]. 2011 Apr 4;26(4):373–8. enlace

Xavier Basurto     xbasurto@girtual.com    www.girtual.com

newsletter-button

Si quieres estar al día de los post que vamos publicando y sobre los cursos que organizamos, inscríbete al boletín electrónico que publicamos en Girtual




Tus datos personales se incorporarán al fichero Boletín electrónico, de titularidad de Girtual SCP, para la gestión de suscripciones y el envío del boletín de la empresa. En cualquier momento puedes modificar tus datos o darte de baja enviándonos un mail a info@girtual.com

 

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos necesarios están marcados *

Puedes usar las siguientes etiquetas y atributos HTML: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>