Medicina Basada en la Evidencia

Diseño y evaluación de reglas de predicción clínica – 209 – chos se cruzan con los finalmente observados y se calcu- lan los estimadores de validez: S, E, cocientes de proba- bilidades (CP) y valores predictivos. Dado que la valora- ción de la validez de las RPC se hace sobre muestras, los resultados obtenidos son solo estimaciones puntuales, sujetas a variabilidad aleatoria y deben proporcionarse con sus intervalos de confianza ( Tabla 3 ). Es frecuente que el interés predictivo en algunos esce- narios clínicos sea reducir al máximo el riesgo de falsos negativos. Por ejemplo, para el diagnóstico de apendici- tis, nos interesa disminuir el riesgo de que un niño con apendicitis sea incorrectamente clasificado como de bajo riesgo, se demore el diagnóstico y la intervención, y esté expuesto a complicaciones. Al diseñar la RPC los autores tratan de minimizar los falsos negativos, des- plazando el punto de corte de clasificación, lo que ori- gina un aumento de la S, a expensas de un importante descenso de E. Esta estrategia es comprensible, aunque afectará a la utilidad clínica de la RPC, ya que solo será aplicable a un espectro reducido de pacientes, en los que tampoco nos ofrece una discriminación predictiva absoluta. En ocasiones, la RPC ofrece un resultado cuantitativo que puede ser clasificado en una serie de categorías sucesivas (por ej.: riesgo bajo, medio o alto). En este caso nos interesa conocer los estimadores de validez en cada punto de corte, por lo que tendremos que construir una curva ROC (ver capítulo 3.3 ). El área bajo la curva representa la validez global de la prueba. Las curvas ROC nos permiten además contrastar la capaci- dad predictiva de dos o más RPC, comparando las áreas bajo las curvas de cada una de ellas. Para completar la valoración de las predicciones de una RPC debemos realizar su calibración explorando su comportamiento en todo el intervalo de resultados o categorías posibles. Esto, además de aportarnos in- formación sobre el comportamiento global de la RPC, permite detectar alguna limitación susceptible de co- rrección en la fase de categorización. Para calibrar la RPC emplearemos estimadores de la “bondad de ajus- te” entre resultados predichos y observados, o métodos de representación tabulada o gráfica. En la fase de derivación de una regla de predicción clínica se categorizan los pacientes en grupos, se evalúa su validez predictiva y se realiza su calibración. Las curvas ROC nos permiten contrastar la capacidad predictiva de dos o más reglas de predicción clínica Validación Una vez diseñada la RPC, debe ser validada en mues- tras de pacientes diferentes a los utilizados en la fase de diseño. Muchas RPC aparentemente bien diseñadas no se comportan igual cuando se validan, debido a que en la fase de diseño el modelo recoge la idiosincrasia de la muestra seleccionada. De este modo, la peculiar asociación entre variables predictivas y resultados en determinados pacientes origina una asociación esta- dística no reproducible. Por ello, es necesario probarla en nuevas muestras de características similares a la ori- ginal para juzgar su reproducibilidad (validación limi- tada), pero también en muestras de entornos clínicos diferentes (temporales, geográficos, de emplazamiento, de espectro clínico) para conocer su validez externa y aplicabilidad (validación amplia). En ocasiones, se han empleado técnicas de validación de RPC que no requieren la reproducción del estudio con una nueva muestra. Para ello, se han usado sub- Tabla 3. Tabla de contingencia de la apendicitis predicha y confirmada en la muestra de derivación Apendicitis confirmada Sí No Total RPC >5 155 a 162 b 317 ≤5 2 c d 106 108 Total 157 268 425 Características operativas con sus intervalos de confianza del 95% (IC 95): Sensibilidad (S) = a/(a + c) = 155/157 = 0,98 (98%); IC 95: 0,95 a 0,99 Especificidad (E) = d/(b + d) = 106/268 = 0,39 (39%); IC 95: 0,33 a 0,45 Valor predictivo positivo (VPP) = a/(a + b) = 155/317 = 0,49 (49%); IC 95: 0,43 a 0,54 Valor predictivo negativo (VPN) = d/(c + d) = 106/108 = 0,98 (98%); IC 95: 0,93 a 0,99 Cociente de probabilidad positivo = S/(1-E) = 1,63; IC 95: 1,48 a 1,80 Cociente de probabilidad negativo = (1-S)/E = 0,03; IC 95: 0,01 a 0,13 Probabilidad preprueba (Ppre) = (a + c)/(a + b + c + d) = 157/425 = 0,37 (37%)