Medicina Basada en la Evidencia

Lectura crítica de documentos científicos – 484 – para la cual la regla de predicción clínica es adecuada (validez externa). Las RPC no sustituyen nuestros conocimientos ni expe- riencia, pero pueden ayudar en la práctica clínica diaria, haciéndola más fiable, con mayor rentabilidad y facili- tando información sobre la capacidad predictiva de los distintos síntomas, signos y pruebas complementarias para llegar a un diagnóstico. Para analizar críticamente una RPC y valorar su aplicación en la práctica clínica, es útil conocer los cuatro pasos que deben seguirse en su elaboración. ELABORACIÓN DE UNA RPC Definición de la RPC En primer lugar, hay que elegir el diagnóstico o evento a predecir y el escenario clínico o población en que se quiere aplicar. Si se quiere desarrollar una RPC de tipo diagnóstico se emplearán estudios transversales y para RPC de tipo pronóstico, estudios de cohortes y estudios prospectivos. Se debe seleccionar una lista exhaustiva de variables que estén presentes en la mayor parte de la población diana y que tengan una potencial capaci- dad predictiva sobre el evento a predecir. Es fundamen- tal definir adecuadamente el patrón de referencia, que clasificará el evento o diagnóstico en estudio. Derivación o desarrollo de la RPC Se deben evaluar las variables (predictoras o de resul- tado) en una muestra adecuada de pacientes de acuer- do a una pregunta clínica estructurada ( PICO: P oblación a la que se aplicará la RPC, I ntervención o factor de estudio, C omparación con una prueba diagnóstica de referencia, O utcome o resultados). En la selección de variables se debe considerar la información de la his- toria clínica, la exploración física y de pruebas comple- mentarias que sean clínicamente relevantes. El número de variables debe establecerse ponderando el coste y factibilidad de la recogida, además de la potencia del estudio. Según el Critical Appraisal Skills Programme Español (CASPe), deben existir de 100 a 200 eventos por cada variable. Las variables deben estar claramente de- finidas y es útil el uso de protocolos o formularios que faciliten su precisión y reproductibilidad. Los procedi- mientos de recogida, tanto de las variables predictivas como del resultado que se trata de predecir, deben di- señarse para garantizar su independencia. Los métodos estadísticos habitualmente empleados se basan en la regresión logística, aunque pueden em- plearse otro tipo de análisis. La variable dicotómica del modelo será el evento que queremos predecir y las va- riables independientes, todas aquellas que incluya el modelo. En general, en función del peso objetivado de cada variable, se le asigna una puntuación en una esca- la y la suma total de dicha puntuación permite clasificar a los pacientes en un rango de probabilidad de que se produzca el evento. Validación de la RPC En una primera fase, se debe comprobar el rendimiento del modelo en la propia muestra ( validación interna ). Debemos analizar la capacidad de discriminación de la RPC en nuestra muestra. Emplearemos las técnicas ha- bituales aplicadas a los estudios de pruebas diagnós- ticas (sensibilidad, especificidad, valores predictivos y cocientes de probabilidad). En caso de estimaciones cuantitativas, las curvas ROC nos pueden ayudar a eva- luar la validez global de la RPC. Finalmente, habrá que comprobar que la RPC es fiable en el intervalo completo de resultados posibles (calibración). Para elaborar una regla de predicción clínica debemos definir la población en la que se quiere emplear, seleccionar variables óptimas para el objetivo clínico de la regla y tener un patrón de referencia válido y reproducible Posteriormente, en una muestra distinta de pacientes a los incluidos en la fase de desarrollo, pero con caracte- rísticas similares, se realizará la validación externa con- trastando sus predicciones con el patrón de referencia. La validación permitirá juzgar la reproductibilidad y aplicabilidad de la RPC. Debe incluir una evaluación de la concordancia entre las tasas de eventos previstas y las observadas (calibración) y una cuantificación de la capacidad del modelo para distinguir entre individuos que tendrán o no el resultado de interés (discrimina- ción). Las RPC pueden ser actualizadas para adaptar- se a nuevas situaciones clínicas. Es preferible ajustar o modificar el modelo de predicción existente a las condiciones nuevas para mejorar su rendimiento que desarrollar nuevos modelos desde cero. Esto se debe a que el modelo rediseñado a menudo tiene también varias limitaciones, y múltiples modelos para el mismo resultado crean una situación impracticable en la que el usuario tiene que decidir qué modelo utilizar, per- diéndose información predictiva en este proceso. Clara- mente se desarrollan muchos más modelos que los que se utilizan en la práctica clínica. Impacto clínico Se debe evaluar el impacto de una RPC en la mejora de los resultados de salud y la rentabilidad de atención, idealmente en ensayos aleatorios (por grupos). Para ello se debe aplicar la RPC en la práctica clínica examinando su rendimiento: si la regla modifica las decisiones, mejo- ra las medidas de resultado de los pacientes y/o reduce los costes. La valoración del impacto clínico va a requerir