Apendice A

Apéndice A Módulo IV
Apéndice A Módulo IV
Un elemento clave en la gestión del conocimiento es el uso apropiado de los resultados
de la investigación.
Tener habilidades para interpretar la ingente cantidad de información que llega es
preciso puesto que diversos trabajos han mostrado que la forma de presentar los
resultados influye en la propensión de los clínicos de prescribir fármacos, utilizar
programas preventivos, rehabilitadores…, así como influye en las decisiones de los
pacientes1.
De ahí que para saber interpretar la magnitud de los resultados científicos en la práctica,
es preciso manejar algunos conceptos de forma apropiada2.
•
Sensibilidad (Sensitivity)
•
Especificidad (Specificity)
•
Valor Predictivo Positivo (VPP) (Predictive Value Positive)
•
•
Valor Predictivo Negativo (VPN) (Predictive Value Negative)
Riesgo relativo (RR)
•
Incremento relativo del riesgo (IRR)
•
Riesgo atribuible en expuestos (RAE)o Incremento absoluto del
riesgo
•
Fracción atribuible en expuestos (FAE)
•
Número Necesario a Tratar (NNT) Number Nedded to Treat
•
Número necesario para dañar (NND ) número necesario para
perjudicar (NNP) (number needed to harm -NNH)
•
Análisis Coste Efectividad Incremental
1
Apéndice A Módulo IV
Construyamos la conocida tabla tetracórica (2X2) donde:
•
•
•
las columnas representan la presencia o ausencia de enfermedad y
en las filas el resultado de la prueba o test.
Las celdas
1. la celda a identifica el número de sujetos con enfermedad
que presentan el test diagnóstico positivo.
2. La celda b indica los sujetos sanos con prueba positiva.
3. La celda c se corresponde con los enfermos y resultado
negativo.
4. La celda d con los sanos y prueba negativa.
Tabla A.
Enfermo (+)
Sano(-)
Total
Test(+)
a (Verdadero positivo)
b (Falso positivo)
a+b
Test (-)
c(Falso negativo)
d (Verdadero negativo)
c+d
Total
a+c
b+d
N
Intenta calcular los diferentes parámetros que te voy a mostrar. Para ello ve
construyendo la tabla de 2x2.
Tenemos 2300 pacientes con Angina y 1300 no la tienen. Les realizamos una prueba e
independientemente que tengan o no angina les sale positiva en 2310 y negativa en
1290. ¿Queremos averiguar “cuan” buena es esta prueba para los pacientes con angina?
Sensibilidad(Sensitivity)
Es la proporción de pacientes realmente enfermos que tienen un resultado del test
positivo. De otro modo es la Proporción de Verdaderos Positivos (PV+).
a/(a+c)
Donde a = número de verdaderos positivos y c = número de falsos negativos.
Indica como de buena es una prueba para identificar la enfermedad.
Por tanto, cuanto más sensible es una prueba diagnóstica menor es la probabilidad de
2
Apéndice A Módulo IV
obtener falsos negativos, por lo que un resultado negativo es bastante fiable y permite
descartar la presencia de enfermedad. Se expresa en forma de porcentaje.
Responde a la pregunta: ¿si el paciente tiene realmente la enfermedad, cuál es la
probabilidad de que la prueba empleada sea positiva?
Especificidad (Specificity)
En una prueba de test diagnóstico es la proporción de personas realmente sanas que
tienen un resultado del test negativo. De otro modo, es la Proporción de Verdaderos
Negativos.
d/(b + d)
Es oportuno recordar que d = número de verdaderos negativos y b = número de falsos
positivos.
Valora la utilidad de una prueba a los fines de identificar a los no enfermos.
En una revisión sistemática es el número de documentos relevantes recuperados entre
el número total de documentos recuperados. Se expresa en forma de porcentaje.
Cuanto más específica es una prueba menor es la probabilidad de obtener un falso
positivo, por lo que un resultado positivo en la prueba es muy fiable y nos da una
certeza elevada de que el paciente padece la enfermedad, confirmando el diagnóstico
(con la excepción de enfermedades de baja prevalencia).
Responde a la pregunta: ¿si el paciente no tiene la enfermedad, cuál es la probabilidad
de que la prueba sea negativa?
Proporción de falsos negativos: probabilidad de que una persona enferma obtenga un
resultado negativo en la prueba (enfermos que han tenido un resultado negativo de
entre el total de enfermos).
PFN = c/a+c= 1_S y
Proporción de falsos positivos: probabilidad de que un individuo sano tenga un
resultado positivo (sanos con prueba positiva de entre todos los sujetos que no
presentan la enfermedad).
PFP = b/b+d = 1_E
3
Apéndice A Módulo IV
Si has comprendido los conceptos mostrados anteriormente habrás llegado a la
conclusión de que esta prueba diagnostica tiene una sensibilidad del 93% y una
especificidad del 88%.
(a+c): el número total de pacientes con angor independientemente de los resultados de
la prueba = 2300.
(b+d): el número total de pacientes que no tienen angor independientemente de los
resultados de la prueba = 1300.
Es decir el 93% de los pacientes con infarto tienen las pruebas positivas y el 88% de los
que no eran enfermos tienen las pruebas negativas.
¿Pero que pasa en la realidad de nuestra consulta?
Ocurre que cuando pedimos una prueba no sabemos verdaderamente quien tiene y
quien no tiene la enfermedad. Nuestro interés es saber
que probabilidad de
los
pacientes con resultado positivo están verdaderamente enfermos (para no sobre
diagnosticar) y sobretodo cuantos de aquellos con resultado negativo pueden tenerla
para no perderlos. En la consulta diaria nos interesa comprender y saber que hacer con
los resultados positivos y negativos.
A continuación, veremos que podemos hacer para resolverlo.
Valor Predictivo Positivo (VPP) (Predictive Value Positive)
Proporción de personas con un resultado de test positivo y que realmente tienen la
enfermedad. Es decir, se trata de los enfermos con prueba positiva de entre todos los
tests positivos (enfermo/prueba positiva).
a/(a + b)
Un alto VPP indica que la probabilidad de que la persona esté realmente enferma
habiendo dado positivo en la prueba diagnóstica es muy alta.
Si el resultado de una prueba es positivo, responde a la pregunta: ¿qué probabilidad
tiene el paciente de sufrir la enfermedad?
4
Apéndice A Módulo IV
Valor Predictivo Negativo (VPN) (Predictive Value Negative)
Proporción de personas con un resultado de test negativo y que realmente no tienen la
enfermedad Se trata de los sujetos libres de enfermedad y con test negativo dentro de
todos aquéllos con prueba negativa (no enfermo /prueba negativa).
d/(c + d)
Si el resultado de la prueba es negativo, responde a la pregunta: ¿qué probabilidad
tienen el paciente de no sufrir la enfermedad?
Un alto VPN indica que la probabilidad de que la persona esté sana habiendo dado
negativo en la prueba diagnóstica es muy alta.
De acuerdo con ello,
el 93% de los pacientes con la prueba positiva tenían
verdaderamente una angina. Y el 88% de los pacientes con resultado negativo no
tenían angina.
Estos resultados son mucho más útiles clínicamente hablando. Más del 90% de los
diagnosticados, tenían angina y casi el 90% de los no diagnosticados no tenían angina.
(a+b): el número total de pacientes con resultados positivos de las pruebas, esta vez,
independientemente de si ellos tienen o no angor = 2310.
(c+d): el número total de pacientes
con resultados negativos de las pruebas,
independientemente de si ellos tienen o no angor = 1290.
5
Apéndice A Módulo IV
La tabla 1 quedaría así:
Angor
Test(+)
Si
No
Total
2150
160
2310
Valor predictivo positivo
2150/2310=93%
Test (-)
150
1140
1290
Valor predictivo negativo
1140/1290=88%
Total
2300
1300
Sensibilidad
Especificidad
3600
2150/2300=93% 1140/1300=88%
¿Pero esto ocurre realmente así?
Continuemos avanzando con los valores predictivos. Tanto el positivo como el negativo
dependen de forma muy importante de la prevalencia de la enfermedad (medida de la
frecuencia de la enfermedad que aportan los estudios transversales, para un momento
dado. Indica la proporción de personas afectadas en ese momento o probabilidad de
tener la enfermedad antes de la prueba.).
Los dos conceptos anteriores (V
Valor Predictivo Positivo y Valor Predictivo Negativo
) se denominan también probabilidad «a posteriori» o probabilidad «post-test»
(probabilidades condicionadas) dependen no tan solo de la sensibilidad y especificidad
de la prueba, sino también, como hemos comentado, de la prevalencia de la enfermedad
considerada en la población objeto de estudio. Así, si la prevalencia de una enfermedad
disminuye (la enfermedad es menos frecuente en la población objeto de estudio), el
valor predictivo positivo de una prueba positiva se reduce, mientras que el valor
predictivo negativo de una prueba negativa aumenta.
6
Apéndice A Módulo IV
Por tanto al aumentar la prevalencia crece el valor predictivo positivo para una misma
sensibilidad y especificidad y se debe fundamentalmente, a que disminuye el número
de falsos positivos. Por otra parte, cuando disminuye la prevalencia se reduce también el
valor predictivo positivo y aumenta el negativo, dado que para una misma sensibilidad y
especificidad, disminuyen los falsos negativos
Conclusión: Cuanto mayor sea la prevalencia de la enfermedad en la población
mayor será el valor predictivo positivo de la prueba diagnóstica. Cuando disminuye la
prevalencia de la enfermedad en la población de referencia, aumenta el VPN de la
prueba diagnóstica, aún manteniéndose constantes su sensibilidad y especificidad.
¿Qué quiere decir todo ello?
Sencillamente que según en el entorno que nos encontremos (consulta de un centro de
salud o consulta de un hospital) la probabilidad de predicción de los síntomas, signos y
pruebas realizadas no es constante, sino que varía con la proporción de usuarios que
realmente están enfermos.
Tomemos el ejemplo anterior y supongamos que ocurre en un hospital. La prevalencia
de la enfermedad sería
un 64%. Pero que ocurría en el hipotético caso de que
estuviéramos en un centro de salud y su prevalencia bajara a un 10%. Conociendo que
el valor de la sensibilidad y de la especificidad se mantendría. ¿Pero el Valor
predictivo positivo y Valor predictivo negativo?
Volvamos a construir la tabla 2X2 para cada una de las situaciones: hospital y centro de
salud (tabla 2 y 3).
7
Apéndice A Módulo IV
Tabla 2
Angor-hospital
Si
No
Total
Test(+)
2150
160
2310
VPP=2150/2310=93%
Test (-)
150
1140
1290
VPN=1140/1290=88%
Total
2300
1300
3600
Sensibilidad
Especificidad
2150/2300=93% 1140/1300=88%
Prevalencia
2300/3600=64%
Tabla 3
Angor-Centro de Salud
Si
No
Total
Test(+)
2150
2480
4630
VPP=46%
Test (-)
150
1822
18370
VPN =99%
Total
2300
1300
23000
Sensibilidad=93% Especificidad=88%
8
Prevalencia= 10%
Apéndice A Módulo IV
¿Qué ha ocurrido?
Al bajar
la prevalencia, ha bajado el VPP: sólo
46 de cada 100 individuos
diagnosticados de angor lo padecerán verdaderamente.
Si aplicamos el teorema de Bayes (cuyo desarrollo excede el objetivo de este curso)
podemos concluir que el valor predictivo de una prueba diagnóstica depende de la
prevalencia de la enfermedad que tratamos de diagnosticar según la siguiente relación:
VPP= (sensibilidad de la prueba * prevalencia de la enfermedad) / ((sensibilidad *
prevalencia) + [(1 - especificidad) * (1 - prevalencia)])
VPN= (especificidad * (1 - prevalencia de la enfermedad)) / (especificidad*(1 prevalencia)+ (1 - sensibilidad)*prevalencia)
Podéis comprobarlo numéricamente con los ejemplos propuestos anteriormente.
Valor global de la prueba o precisión de la prueba:
Es la probabilidad de que un individuo sea clasificado correctamente por la prueba:
(a + d)/(a + b + c + d).
Así, en el numerador aparecen los enfermos con resultado positivo (a = verdaderos
positivos) y los sanos con test negativo (d = verdaderos negativos); mientras que en el
denominador se encuentran todos los sujetos.
Por ejemplo, una valor del 90% indicará que de cada 100 veces que se aplique la
prueba diagnóstica cabe esperar que en 90 el resultado sea correcto.
9
Apéndice A Módulo IV
Razón de verosimilitud positiva (RVP) también lo podéis encontrar como cociente
de probabilidades de una prueba positiva o cociente de verosimilitud + o
likelihood ratio of positive test
Compara la probabilidad de una prueba positiva en presencia de la enfermedad
(sensibilidad), con la probabilidad de una prueba positiva en ausencia de la enfermedad
(1-especificidad):
(a/a + c)/(b/b + d)
Entonces, esta razón no es más que
Sensibilidad /(1-especificidad)
Combina en una sola expresión la sensibilidad y la especificidad.
Suele expresarse como frecuencia relativa y no como %.
Representa cuánto más de frecuente es el resultado positivo entre los enfermos que
entre los no enfermos.
En nuestro tabla, la RVP=7,75
Razón de verosimilitud negativa (RVN) también lo podéis encontrar como cociente
de probabilidades de una prueba negativa o cociente de verosimilitud - likelihood
ratio of negative test
Compara la probabilidad de una prueba negativa en presencia de la enfermedad (1sensibilidad), con la probabilidad de una prueba negativa en ausencia de la enfermedad
(especificidad):
(c/a + c)/(d/b + d)
Por lo que esta razón sería:
(1-sensibilidad)/especificidad
Suele expresarse igualmente como frecuencia relativa y no como %.
Representa cuánto más frecuente es el resultado negativo entre los enfermos que entre
10
Apéndice A Módulo IV
los no enfermos.
En la medida en que los valores de las razones de verosimilitud se alejen de 1 hacia
∞ (en el caso de la positiva), o hacia 0 (en la negativa); mejor será el cociente y la
información que aporte a la prueba.
Estos razones de verosimilitud (tanto positiva como negativa), son mejores índices que
los valores predictivos, ya que los valores predictivos dependen de la proporción de
enfermos en la muestra (de la prevalencia) y estos no. Sólo dependen de la sensibilidad
y de la especificidad.
Para una misma prevalencia, una prueba diagnóstica con una razón de verosimilitud
positiva alta tiende a aumentar la probabilidad «post test» de un resultado. En sentido
contrario: para una misma prevalencia, una prueba diagnóstica con un valor de la razón
de verosimilitud negativa alto, tiende a disminuir la probabilidad «post test» de un
resultado.
Estas dos medida (RVP y RVN) indican la razón entre la probabilidad de un resultado
en presencia de enfermedad y la probabilidad de un resultado en ausencia de la
enfermedad.
Permiten comparar métodos diagnósticos diferentes y valorar si la probabilidad preprueba cambiará tras conocerse el resultado del análisis. Las RV están muy cerca de 1,
cuando apenas varía la p pre-prueba. Al alejarse de 1 aumenta la variación.
11
Apéndice A Módulo IV
Resumen:
La sensibilidad es la positividad en la enfermedad, el % de casos positivos entre los
enfermos.
La especificidad es la negatividad en salud, el % de casos negativos entre los sanos.
Valor predictivo de un resultado positivo es el % de pruebas positivas que están
realmente enfermos.
Valor predictivo de un resultado negativo es el % de pruebas negativas realmente
sanos.
Precisión de la prueba: el % de concordancia ( de positivos con positivos y de
negativos con los negativos).
Las RV positiva y negativa resumen el mismo tipo de información que la sensibilidad
y la especificidad expresando, además, cuántas veces es más probable que se encuentre
un resultado en personas enfermas en comparación con las sanas.
¿Cómo podemos combinar la elección de las pruebas diagnósticas?
Pruebas en serie:
Consisten en realizar otra prueba diagnóstica simple (o la misma) a los sujetos
clasificados como positivos en una prueba anterior.
Los sujetos con resultado negativo en una prueba anterior ya se consideran «negativos»
y, por tanto, no se someten a la siguiente prueba. De esta manera (a + b) de la tabla
mostrada antes, sería ahora (a + b + c + d) en esta segunda tabla; la celda a pasaría a
ser a + c y, en igual sentido, b se convertiría en b + d.
Las pruebas en serie disminuyen la sensibilidad y aumentan la especificidad, lo
cual se explica por el hecho de que no se someten a esta segunda prueba los individuos
que ya habían sido clasificados como negativos en el primer test.
Pruebas en paralelo: Consisten en realizar una nueva prueba (o la misma) a las
12
Apéndice A Módulo IV
personas que habían sido identificadas previamente como negativas.
Los sujetos con resultado positivo son excluidos de esta próxima prueba, quedando
sólo aquéllos que habían sido clasificados como negativos. Entonces, c + d de la tabla
anterior pasaría a ser a + b + c + d en esta nueva prueba, c se convertiría en a + c; y d
en b + d.
Las pruebas en paralelo aumentan la sensibilidad y disminuyen la especificidad,
dada la exclusión de los que habían resultado positivos
¿Cual debería ser nuestra mejor estrategia?
La estrategia en serie es usada en cribados masivos de enfermedades de la comunidad.
(screening de cáncer de mama). Primeramente se aplica una prueba con gran
sensibilidad aunque poco específica y con muchos falsos positivos (mamografía). Para
posteriormente, a los individuos presuntamente enfermos ser sometidos a una prueba de
alta especificidad (biopsia).
La estrategia en paralelo suele seguirse en escenarios donde lo importante es que no se
“escape” ningún enfermo (falta de experiencia profesional, mecanismo de defensa legal
ante posibles denuncias, urgencias…). Aunque de lo que no se suele ser consciente es
que en esta situación, es posible que por azar, alguna resulte falsa.
13
Apéndice A Módulo IV
Medidas de asociación
Comparan una medida de frecuencia de enfermedad (prevalencia o incidencia) en
expuestos respecto a no expuestos.
Estiman la magnitud de la relación entre la exposición y el efecto.
Riesgo (Risk)
Probabilidad de ocurrencia de un evento concreto. Se estima por la proporción de
individuos en los que se observa el evento. Si en un grupo de 100 individuos se
observan 18 eventos, el riesgo estimado es 0,18 o 18%.
Riesgo relativo (RR) (Relative risk)
Es el cociente entre el riesgo en el grupo tratado y el riesgo en el grupo control. Dicho
de otra forma el cociente entre la incidencia en expuestos y no expuestos al factor. Es
una medida de la eficacia de un tratamiento. Si es igual a 1, el efecto del tratamiento no
es distinto del efecto del control. Si el RR es mayor (o menor) que 1, el efecto del
tratamiento es mayor (o menor) que el del control.
Expresa por cuanto se multiplica el riesgo o probabilidad en personas expuestas en
comparación con las que no están.
Propiedades: No tiene dimensiones. Rango va de cero a ∞ . RR=1 si no hay asociación
entre la presencia del factor y el evento. RR >1 si la asociación es positiva, es decir si
la presencia del factor se asocia a mayor ocurrencia del evento y RR<1 si la asociación
es negativa.
Para comprenderlo mejor construyamos una tabla en la que representemos
esquemáticamente los resultados de un estudio en el que podemos evaluar el RR.
Donde las filas se encuentren los no expuestos y expuestos al factor (tratamiento o
placebo, fumar o no fumar…) y las columnas los no casos o casos ( mejoría clínica o
no; cáncer de pulmón o no)
14
Apéndice A Módulo IV
Tabla B
No Casos
casos
No expuestos a
b
a+b
expuestos
c
d
c+d
Total
a+c
b+d
RR = Iexpuestos/ Inoexpuestos=(d/c+d)/(b/a+b)
Si imaginamos un estudio con 27340 individuos de los cuales 23350 no fuman y de
ellos 660 tienen cáncer y 3990 fuman y de estos 3750 no tienen cáncer.
Tabla 4
No Cáncer
cáncer
No Fumadores
22690
660
23350
fumadores
3750
240
3990
Total
26440
900
27340
El riesgo relativo de presentar cáncer en estos individuos es:
RR= (240/3990)/ (660/23350)=2,13. Es decir el riesgo de cáncer es 2,13 mas frecuente
en los individuos que fuman respecto a los que no fuman.
Nota: en los estudios de casos y controles se estima la Odds Ratio. Siendo un buen
estimador del RR si el suceso es raro.
Incremento relativo del riesgo (IRR)
Incremento del riesgo atribuible a la exposición en términos relativos.
IRR= RR-1
Rango de 0 a ∞ .
Calculado para el ejemplo anterior IRR=1,13=113% indica que la exposición al tabaco
incrementa relativamente el riesgo de cáncer en un 113%
15
Apéndice A Módulo IV
Medidas de impacto
Estiman cual es la carga de la enfermedad atribuible a una exposición y cual sería el
beneficio de las acciones dirigidas a controlar o eliminar esa exposición.
Riesgo atribuible en expuestos (RAE)o Incremento absoluto del riesgo
Es la frecuencia de la enfermedad que solamente esta presente en las personas
expuestas, es decir, expresa la incidencia de la enfermedad debida a la exposición.
RAE=Iex-Inex
Continuando con el ejemplo de la tabla 4 el riesgo de cáncer atribuible al tabaco es:
RAE= (240/3990)-(660/23350)=0,032.Lo que quiere decir es que la frecuencia de
cáncer atribuible al tabaco es del 3,2%. O lo que es lo mismo, si los individuos del
estudio no hubiesen tenido un exposición al tabaco se hubiera evitado un 3,2% de
canceres.
Fracción atribuible en expuestos (FAE)
Proporción del riesgo, entre los expuestos a un factor de riesgo, que se puede atribuir a
la exposición.
FAE=RAE/Iexpuestos=1-(1/RR)=(RR_1)/RR
Por lo tanto, la proporción del riesgo, entre los expuestos a un factor de riesgo, que se
previene al retirar el factor de riesgo. Si eliminamos la exposición, se elimina el FAE
de los enfermos entre los expuestos.
Continuando con la tabla 4 el FAE=0,53=53%.El riesgo atribuible del 3,2%,
corresponde al 53% de los canceres expuestos al tabaco. El 53% de los casos de cáncer
que tiene lugar en los fumadores podría evitarse si se fomentase el dejar de fumar. O
también el fumar es el responsable del 53% de casos que ocurren en sujetos expuestos
al tabaco.
16
Apéndice A Módulo IV
Número Necesario a Tratar (NNT) Number Nedded to Treat
Término introducido por Laupacis3 en 1988 e indica el número de pacientes que se
necesitarían tratar para conseguir un evento adicional a los que se conseguirían con el
tratamiento control.
Es el número de pacientes que deben recibir una intervención médica o un tratamiento
(ej: aspirina a quienes han sufrido un ataque cardíaco) durante un período determinado
para prevenir un desenlace adverso o producir un resultado benéfico (ej: prevención de
muerte).
La manera más sencilla de calcular el NNT es con el inverso del riesgo atribuible en
expuestos, o sea:
NNT = 1 / RAE
Se pueden usar tanto para resumir los resultados de un ensayo como para la toma de
decisiones ante un paciente.
En el ejemplo de la tabla 4 el riesgo atribuible en los fumadores es de 3,2%. El NNT
es 1/0,032=32 y significa que por cada 32 pacientes que se les protegiese del tabaco se
prevendría un caso de cáncer.
El "número necesario para dañar" (NND o NNH, por harm = dañar, en inglés))
número necesario para perjudicar (NNP) (number needed to harm -NNH)
Es la estimación del número de personas que necesitan recibir un medicamento durante
un tiempo específico para presentar un efecto secundario indeseado o una reacción
adversa. Se calcula de manera parecida al NNT, y es el inverso del aumento absoluto
del riesgo (NND = 1 / AAR).
A título de ejemplo, el NND para rabdomiolisis en un año de tratamiento con
monoterapia de estatinas se calcula en 22.700, y son factores de riesgo para el daño
17
Apéndice A Módulo IV
muscular la diabetes mellitus, la edad superior a 65 años y la combinación con fibratos.
Para la cerivastatina el NND se calculó en 1.870 (una frecuencia de efectos adversos
diez veces superior a la del resto de las estatinas y por ello fue retirada del mercado).
Conceptos aclaratorios1
1
Eficacia(Efficacy)
Es el grado o la magnitud en la que una intervención (tratamiento, procedimiento o
servicio) mejora los resultados para los pacientes en condiciones ideales (típicamente un
ensayo clínico controlado aleatorizado)
Efectividad(Effectiveness)
Es el grado o la magnitud en la que una intervención (tratamiento, procedimiento o
servicio) mejora los resultados para los pacientes en la práctica (problema particular
bajo condiciones generales o rutinarias).
Se debe diferenciar por tanto eficacia de efectividad.
Eficacia: medida de resultado que se produce en circunstancias "ideales" y controladas
(como por ejemplo, en un entorno de laboratorio)
Efectividad: medida de resultado que se produce en circunstancias "reales", en
condiciones de práctica clínica habitual.
Eficiencia(Efficiency)
Relación entre los resultados obtenidos y el coste de los recursos consumidos para
obtener los resultados.
18
Apéndice A Módulo IV
Aquí tenéis algunas “URL” que os dan acceso libre a herramientas para calcular los
parámetros (Calculadoras en MBE):
1.http://www.infodoctor.org/rafabravo/herramientas.htm
2. PriTec
La herramienta de priorización Pritec ha sido desarrollada por la Axencia de Avaliación
de Tecnoloxías Sanitarias de Galicia (avalia-t). Pritec es una aplicación web de
ejecución automática cuyo objetivo es facilitar el proceso de priorización de tecnologías
susceptibles de observación post-introducción y el de priorización para la evaluación de
tecnologías potencialmente obsoletas. Permite comparar hasta 50 tecnologías de forma
simultánea y genera un informe de priorización que incluye los principales resultados en
formato de tablas y gráficos. La metodología aplicada ha sido la desarrollada en dos
proyectos elaborados en el marco de colaboración previsto en el Plan de Calidad para el
Sistema Nacional de Salud, al amparo del convenio de colaboración suscrito por el
Instituto de Salud Carlos III, organismo dependiente del Ministerio de Sanidad y
Consumo, y la Fundación Pública Escola Galega de Administración Sanitaria.
[Accedido en febrero de 2009]
Disponible en: http://pritectools.es/
3. Test calculator disponible en:
http://araw.mede.uic.edu/cgi-bin/testcalc.pl?DT=&Dt=&dT=&dt=&2x2=Compute
4. http://www.hutchon.net/Diagnostic-test.htm
5. Calculadora de NNTs :http://infodoctor.org/bandolera/baul/NNTcalc.html
19
Apéndice A Módulo IV
Análisis Coste Efectividad Incremental
La forma de presentación de los resultados en la evaluación económica es mediante la
ratio Coste Efectividad-Utilidad Incremental (C1-C2)/(E1-E2): cuando una alternativa es
más costosa pero también más efectiva que otra, es conveniente utilizar este índice para
comparar los extras de costes y efectividad de pasar de una alternativa a otra.
Costes
AVACs
C/E incremental
Alternativa 1
20.000 €
5
--
Alternativa 2
25.000 €
6
5.000 €
Alternativa 3
30.000 €
9
2.500 €
Alternativa 4
40.000 €
10
4.000 €
Alternativa 5
30.000 €
4
Dominada
En la tabla se ilustra un ejemplo de coste-efectividad incremental. Suponemos que
tenemos 5 alternativas para un mismo tratamiento, con unos costes y unos efectos en
términos de AVACS dados. Para realizar el análisis coste – efectividad incremental nos
situaríamos en la alternativa 1 por ser la menos costosa y a partir de ella analizaríamos
que nos cuesta y que nos aporta cada una de las alternativas existentes respecto a esta.
El ratio C/E incremental de la alternativa 2 respecto a la 1 nos está indicando que
debemos hacer una inversión de 5000€ euros para obtener 1 AVAC. La alternativa 3
respecto a la 1 nos indica que si hacemos una inversión de 10.000€ euros obtendríamos
4 AVAC más con un coste por AVAC de 2500€, y así sucesivamente. La alternativa 5
respecto a la 1 es dominada porque es más costosa y produce menos AVACs y por tanto
esta alternativa debería ser desechada. Se aprecia que de las alternativas consideradas,
pasar de la 1 a la 3 es la opción más eficiente porque es con la que se obtiene mayor
número de AVACs a menor coste. Otra cuestión es la restricción presupuestaria
aceptada que diríamos “legitima” la introducción de una nueva tecnología. Este límite,
en España, está situado en torno a los 30.000€ por AVAC obtenido, lo que quiere decir
que cualquier tecnología nueva comparada con la preexistente debería ser aceptada si el
coste efectividad incremental es inferior a 30.000€ por AVAC.
20
Apéndice A Módulo IV
BIBLIOGRAFÍA
1
Sheridan SL, Pignone MP, Lewis CL. A randomized comparison of patients'
understanding of number needed to treat and other common risk reduction formats. J
Gen Intern Med 2003 Nov; 18(11):884-92.
2
Sackett DL, Haynes RB, Guyatt GH, Tugwell P. Epidemiología clínica. Ciencia básica
para la medicina clínica. 2ª ed. Madrid: Editorial médica panamericana; 1994.
3
Laupacis A, Sackett DL, Roberts RS. An assessment of clinically useful measures of
the consequences of treatment. N Engl J Med 1988;318:1728-33.
21