1. Árbol de decisiones
1.1. A. Definición del problema
1.1.1. Entre mejor se defina el problema
1.1.1.1. Más claras serán las alternativas y las opciones entre las que se decidirá
1.2. B. Identidique alternativas de acción
1.3. C. Desenlaces clínicos probables
1.4. D. Asigne probabilidades a cada desenlace
1.5. E. Resolución con o sin complicaciones
1.6. F. Probabilidad de que el paciente muera
1.7. G. Si se suman todos los desenlaces finales
1.7.1. A partir de cada nodo de decisión
1.7.1.1. El resultado debe ser 1
1.8. H. Asignar valores de 0 a 1
1.8.1. Representan el juicio que el paciente y médico otorgan el desenlace
1.9. J. Realice análisis de sensibilidad
1.10. K. Toma de decisión
1.11. I. Estime el valor esperado
2. Definición
2.1. Herramienta de utilidad para calcular la probabilidad de un evento
2.1.1. Y saber cómo se modifica después de una prueba
2.2. Para entender el teorema
2.2.1. Probabilidad condicional
2.2.1.1. Cuando un evento está ligado a que suceda otro
2.2.1.1.1. Probabilidad de que evento A sea verdadero dado que el evento B sea verdadero
2.2.1.2. La probabilidad de padecer la enfermedad A aumenta o disminuye si la prueba B está presente
2.2.1.3. p [A|B]
2.2.1.3.1. Probabilidad de que el evento A suceda está condicionada a que suceda el evento B
3. Representación gráfica
3.1. Árbol
3.1.1. Tomar en cuenta la población de la cual se inicia
3.2. Tabla de 2x2
4. Uso del teorema de Bayes con monograma
4.1. Requiere que se conozca la probabilidad previa a la prueba
4.1.1. Y el cociente de probabilidad
4.2. LR+
4.2.1. División de la probabilidad de que la prueba sea positiva en las personas enfermas
4.2.1.1. Proporción de falsos negativos o 1-sensibilidad
4.2.1.1.1. Entre probabilidad de que la prueba sea positiva en personas sin la enfermedad
4.3. LR-
4.3.1. División de la probabilidad de que la prueba esté ausente en personas enfermas
4.3.1.1. Proporción de falsos negativos o 1-sensitivos
4.3.1.1.1. Entre la probabilidad de que esté ausente en personas sin la enfermedad
4.4. Falsos positivos
4.4.1. Restando la especificidad de la prueba del total
5. Prevalencia y teorema de Bayes
5.1. Las condiciones de baja prevalencia
5.1.1. Independientemente de la positividad de la prueba de detección que se aplique
5.1.1.1. No aumentarán la probabilidad de diagnosticar las enfermedades
5.1.2. La negatividad de la prueba tendrá grandes posibilidades para descartarlas
5.2. Prevalencia alta
5.2.1. Prueba positiva aumentará muchísimo la probabilidad del diagnóstico
5.2.2. La negatividad de la prueba no sería suficiente para descartarla
6. Ventajas y desventajas del uso clínico del teorema de Bayes
6.1. Ventajas
6.1.1. Puede definir conductas diagnósticas o terapéuticas
6.1.1.1. Cuyo resultado es complicado anticipar empíricamente
6.1.2. Arroja luz ante decisiones controversiales
6.1.2.1. Y estrategias a nivel poblacional
6.1.3. Puede ser de utilidad al momento de individualizar problemas clínicos a nivel poblacional
6.1.4. Individualizar problemas precisos
6.2. Desventajas
6.2.1. Para su cálculo se requieren datos de las enfermedades
6.2.1.1. Que no siempre están disponibles
6.2.2. Pierde fortaleza en casos en los que existe más de un factor relevante
6.2.2.1. Para la toma de decisiones
6.2.3. En ocasiones resultan complicados
7. En la práctica clínica
7.1. Utilidad saber cuándo la probabilidad
7.1.1. De padecer una enfermedad
7.1.1.1. Es alta
7.1.1.2. Es baja
7.2. Probabilidad de 0.90
7.2.1. Posibilidad de tener enfermedad
7.2.1.1. Es alta
7.2.2. Más acercado al número 1
7.2.2.1. Mayor afirmación
7.2.2.1.1. Paciente tiene la enfermedad
7.3. Probabilidad de 0.04
7.3.1. Enfermedad muy poco factible
7.3.2. Más acercado al 0
7.3.2.1. Podremos descartar
7.3.2.1.1. Un paciente padezca la enfermedad
7.4. El clínico tiene herramientas
7.4.1. Permiten cuantificar la incertidumbre
7.4.1.1. De la probabilidad
7.4.1.1.1. De padecer o no la enfermedad
8. Teorema
8.1. p[E|+]
8.1.1. Enfermedad condicionada a la prueba positiva
8.1.1.1. Probabilidad de estar realmente enfermo
8.1.1.1.1. Si se tiene una prueba diagnóstica positiva
8.2. p[E]
8.2.1. Probabilidad de que un individuo padezca una enfermedad
8.2.1.1. Prevalencia de la enfermedad en la población de estudio
8.2.1.1.1. Se obtiene
8.3. p[+|E]
8.3.1. Proporción de personas que tienen la prueba positiva
8.3.1.1. Además padece la enfermedad
8.3.1.1.1. Verdaderos positivos
8.4. p[no E]
8.4.1. Proporción de personas con la prueba positiva
8.4.1.1. Que no están enfermas
8.5. p[+|no E]=
8.5.1. Proporción de personas que tienen la prueba positiva
8.5.1.1. Pero no están enfermas
9. Análisis de decisiones
9.1. Ventajas
9.1.1. Permite asignar valores a cada posibilidad
9.1.2. Compara de forma objetiva diversos desenlaces
9.1.3. Permite incorporar al paciente a las decisiones
9.1.4. Posibilita el cálculo ante diversos escenarios
9.2. Desventajas
9.2.1. Pierde utilidad en problemas desconocidos del todo
9.2.2. Obliga a definir de manera precisa un problema