Práctica basada en la evidencia y estadística médica
Porque "Leí algo en internet" no es suficiente en el AKT.
Última actualización: abril de 2026 · También conocida como Medicina Basada en la Evidencia (MBE)
📥 Descargas
Materiales didácticos, resúmenes y recursos adicionales para la enseñanza: listos cuando usted lo esté.
Recursos Web
Una cuidada selección de guías oficiales y recursos de formación práctica para médicos de cabecera. Porque a veces las mejores ideas no se encuentran en los documentos oficiales.
Recuperación en un minuto
¿Revisar esto antes de la consulta o la noche anterior a un examen AKT? Estas son las cosas que te dan puntos.
🧮 Fórmulas de riesgo
- ARR = CER − EER
- NNT = 1 ÷ ARR
- RRR = ARR ÷ CER
- RR = EER ÷ CER
- NNH = 1 ÷ ARI
🔬 Pruebas de diagnóstico
- significado = TP ÷ (TP+FN) → SnNout
- Especulación = TN ÷ (TN+FP) → SpPin
- PPV = TP ÷ (TP+FP) ← caídas con baja prevalencia
- NPV = TN ÷ (TN+FN) ← caídas con alta prevalencia
📊 Diseños de estudio
- Revisión sistemática/Metaanálisis → evidencia más alta
- ECA → estándar de oro para el tratamiento
- Cohorte → RR e incidencia
- Estudio de casos y controles → O bien, enfermedades raras
- Transversal → prevalencia
📈 Gráficos
- El diamante del diagrama forestal cruza la línea = no significativo
- Asimetría del embudo = sesgo de publicación
- Gráfico de Cates: NNT = 100 ÷ caras amarillas
- Línea central del diagrama de caja = media
- I² >50% = heterogeneidad sustancial
📉 Importancia
- p < 0.05 = estadísticamente significativo
- Los cruces del intervalo de confianza (IC) que superan 1.0 (cociente) no son significativos.
- Los intervalos de confianza cruzan el 0 (diferencia) = no significativo
- Media = promedio; Mediana = valor medio
- Regla 68-95-99.7 para la distribución normal
⚖️ Tipos de sesgo
- Selección → muestra no representativa
- Recordatorio → casos recuerdan más
- Publicación → solo estudios positivos
- Tiempo de entrega → ilusión de selección
- La deserción escolar distorsiona los resultados.
Por qué esto importa en la medicina general y el AKT
La medicina basada en la evidencia y la estadística no son solo teóricas. En la consulta, toda conversación sobre opciones de tratamiento implica el NNT (número necesario para tratar), se mencione o no. Cada análisis de sangre tiene una sensibilidad y una especificidad. Cada nueva guía se basa en un diseño de estudio que influye en la confianza que se debe depositar en ella.
En el AKT, este tema representa una proporción significativa de la calificación: aproximadamente entre el 10 % y el 15 % del examen, según las directrices del RCGP. Es una de las pocas áreas donde una pequeña cantidad de repaso específico da buenos resultados. inmediatamenteMuchos candidatos pierden puntos fáciles aquí no porque los conceptos sean difíciles, sino porque nunca se han sentado a estudiarlos sistemáticamente.
Las preguntas de estadística del AKT suelen presentar una tabla con datos de ensayos clínicos y pedirle que calcule un valor, interprete un gráfico o identifique el mejor diseño de estudio. Recompensan el pensamiento metódico, no el conocimiento médico. Esto las convierte en las calificaciones más "aprendibles" del examen.
Medicina basada en la evidencia (MBE)
"Cuando estaba en formación a mediados de los años 1980, administraba una infusión intravenosa de lidocaína a todos los pacientes que llegaban tras un infarto. Era el procedimiento habitual. Todo el mundo lo hacía. Parecía lo más lógico."
— El profesor Gordon Guyatt, el médico que acuñó el término "Medicina Basada en la Evidencia", describiendo su propia formación antes de que existiera la MBE.
Más tarde descubrió que la práctica en la que se había formado —y que cientos de miles de médicos en todo el mundo realizaban— no solo era inútil, sino que podía ser mortal. No por negligencia ni por incompetencia, sino porque nadie había comprobado adecuadamente si realmente funcionaba.
Esa historia es la razón de ser de la Medicina Basada en la Evidencia, y por qué es tan importante para cada paciente que usted verá.
"El uso concienzudo, explícito y juicioso de la mejor evidencia disponible para tomar decisiones sobre la atención de pacientes individuales."
— David Sackett, BMJ 1996 — la definición más citada en medicina
En pocas palabras: en lugar de tratar a los pacientes basándose en la costumbre, la opinión, la tradición o lo que le dijo su profesor, la medicina basada en la evidencia exige que las decisiones clínicas se basen en la mejor investigación disponible, realizada con rigor, evaluada críticamente e interpretada con honestidad.
No reemplaza el juicio clínico, sino... Informa La EBM se basa en tres pilares inseparables que deben trabajar juntos:
🕰️ ¿Cómo surgió la EBM? — Una breve historia
La medicina basada en la evidencia no surgió de la nada. Fue la culminación de décadas de pensamiento revolucionario y discreto en Canadá y el Reino Unido.
| Año | Eventos |
|---|---|
| 1938 | John Paul (Yale) acuña el término "epidemiología clínica": la idea de que la medicina debe estudiarse científicamente en poblaciones, no solo observarse en pacientes individuales. |
| 1967 | La Universidad McMaster (Hamilton, Canadá) inaugura su nueva facultad de medicina con un Departamento de Epidemiología Clínica y Bioestadística, algo radical en aquel entonces, dedicado a aplicar métodos de investigación a las decisiones clínicas. |
| 1972 | Archie Cochrane, un epidemiólogo escocés, publica Eficacia y eficiencia: reflexiones aleatorias sobre los servicios de salud. — Un texto fundamental que argumenta que la medicina debe someter sus propios tratamientos a pruebas rigurosas. Su obra da origen a la Colaboración Cochrane, que lleva su nombre en su honor. |
| 1981 | David Sackett y sus colegas de McMaster publicaron una serie de nueve artículos en la revista de la Asociación Médica Canadiense, donde enseñaban a los médicos a evaluar críticamente la literatura médica. Este fue el comienzo formal del movimiento de la Medicina Basada en la Evidencia (MBE). |
| 1990 | Gordon Guyatt, un joven director residente en McMaster, diseña un nuevo programa de enseñanza y lo denomina inicialmente "Medicina Científica". Sus colegas se muestran escépticos: la insinuación de que la práctica actual no es científica es demasiado directa. |
| 1991 | Guyatt cambia el nombre del enfoque. "Medicina basada en la evidencia" y publica el término en un editorial del ACP Journal Club. La frase se populariza de inmediato. |
| 1992 | El histórico artículo de JAMA — "Medicina basada en la evidencia: un nuevo enfoque para la enseñanza de la práctica médica" — introduce la medicina basada en la evidencia al mundo. La respuesta, recuerda Guyatt, fue inicialmente de "rabia". Los colegas sintieron que les estaban diciendo que no eran buenos médicos. |
| 1993 | La Colaboración Cochrane se funda formalmente como una red internacional para producir y difundir revisiones sistemáticas de la evidencia en el ámbito de la atención médica. |
| 1996 | David Sackett publica la definición definitiva de tres pilares en el BMJ. La medicina basada en la evidencia se generaliza. |
| Década de 2000-presente | La medicina basada en la evidencia (MBE) se ha integrado en la formación médica en el Reino Unido: las directrices del NICE, las Buenas Prácticas Médicas del GMC y el plan de estudios del RCGP la exigen. Es la base de la formación y evaluación de todos los médicos británicos. |
⚠️ ¿Cómo era la medicina antes de la medicina basada en la evidencia? El problema que resolvió
Antes de la medicina basada en la evidencia, la medicina funcionaba según lo que Gordon Guyatt denominó de manera memorable. "GOBSAT" - Buenos viejos amigos sentados alrededor de una mesaLas guías clínicas fueron redactadas por expertos de alto nivel que aunaron sus opiniones personales, y lo que le sucediera a su paciente dependía completamente del médico que lo atendiera.
- Medicina basada en la eminencia: Usted trataba a los pacientes como lo hacía su profesor. La autoridad provenía de la antigüedad, no de la evidencia. Se respetaba a un consultor que "siempre lo había hecho así" durante 30 años, incluso si "así" nunca se había puesto a prueba.
- Medicina basada en la intuición: Si un tratamiento parecía tener sentido fisiológico, se utilizaba. Si suprimir los ritmos cardíacos anormales parecía lógico, se suprimían. Rara vez se comprobaba si realmente ayudaba a los pacientes.
- Medicina basada en anécdotas: "En mi experiencia, he descubierto que..." era el estándar de evidencia. Los casos individuales marcaban la pauta en la práctica, incluso cuando esos casos eran atípicos desde el punto de vista estadístico.
- Enorme variación: Un mismo paciente que acude a dos hospitales diferentes, o incluso a dos médicos diferentes en el mismo hospital, podría recibir un tratamiento completamente distinto para la misma afección.
🔴 El ejemplo que cambió la medicina: el ensayo CAST
Esto no es una hipótesis. Es una de las historias reales más importantes de la medicina moderna, y uno de los argumentos más sólidos que la medicina basada en la evidencia haya necesitado jamás.
La premisa: la lógica que parecía inexpugnable.
Los ataques cardíacos provocan peligrosas alteraciones del ritmo cardíaco (arritmias ventriculares). Las arritmias ventriculares causan la muerte súbita. Por lo tanto: suprimir las arritmias → prevenir la muerte súbitaEsto parecía tan obvio que, a partir de la década de 1970, los fármacos antiarrítmicos —en particular la lidocaína, la flecainida y la encainida— se administraban de forma rutinaria a los pacientes que habían sufrido un infarto de miocardio en hospitales de todo el mundo. No ocasionalmente, sino de forma rutinaria, como parte de la atención estándar.
El juicio: alguien realmente lo puso a prueba.
En 1987, el Ensayo de Supresión de Arritmias Cardíacas (CAST, por sus siglas en inglés) incluyó a más de 1,700 pacientes que habían sufrido un infarto de miocardio y los asignó aleatoriamente a recibir fármacos antiarrítmicos (flecainida o encainida) o placebo. Los fármacos cumplieron su función a la perfección: suprimieron con éxito las arritmias. Pero ocurrió algo inesperado.
El resultado: lo que nadie esperaba.
Los pacientes que tomaban los medicamentos estaban 2.5 veces más probabilidades de morir que los que recibieron placebo. El ensayo tuvo que interrumpirse prematuramente porque el daño era demasiado evidente. Los fármacos estaban matando a los mismos pacientes a los que debían proteger.
NNH = 21. Por cada 21 pacientes tratados con flecainida o encainida, falleció una persona adicional que, de otro modo, habría sobrevivido.
La lección
Gordon Guyatt, por entonces un joven cardiólogo, administraba personalmente infusiones de lidocaína a todos los pacientes que habían sufrido un infarto de miocardio y que ingresaban en su planta. Seguía las mejores prácticas. Había recibido la formación adecuada. Tenía buenas intenciones. Sin embargo, sin la rigurosa prueba de un ensayo clínico aleatorizado, ni él ni sus colegas tenían forma de saber si el tratamiento era perjudicial. Esta experiencia fue fundamental para que dedicara su carrera a la medicina basada en la evidencia. La historia de la medicina, afirmó más tarde, «está repleta de tratamientos que se basaban principalmente en conjeturas e intuición, en lugar de en evidencia sólida».
Antes de la medicina basada en la evidencia, el tratamiento dependía del lugar de residencia, del hospital al que se acudía y del médico que atendía al paciente. Un mismo paciente con la misma afección podía recibir tratamientos completamente distintos en Leeds y Londres. Hospitales diferentes. Países diferentes. Resultados radicalmente diferentes.
La medicina basada en la evidencia (MBE) lo cambió todo. Al fundamentar las decisiones clínicas en el mismo conjunto de evidencia —los mismos ensayos, las mismas revisiones sistemáticas, las mismas guías—, dotó a la medicina de un lenguaje y un estándar comunes. Hoy en día, un paciente que sufre un infarto de miocardio en Bradford y otro que lo sufre en Bristol deberían recibir, en esencia, la misma atención basada en la evidencia. No porque los médicos sean idénticos, sino porque el tratamiento se basa en la evidencia, no en las preferencias individuales.
En el Reino Unido, esto se pone en práctica a través de Directrices NIZA, plan de estudios del RCGP, Indicadores QOF, auditorías clínicas, y exámenes MRCGP — todo lo cual requiere y evalúa la práctica basada en la evidencia. Al realizar el examen AKT, se evalúa su capacidad para aplicar este marco.
🌍 Un mundo sin EBM: la perspectiva internacional
El compromiso del Reino Unido con la medicina basada en la evidencia (MBE), a través del NICE, el NHS y la formación de posgrado, no es universal. En muchas partes del mundo, la atención que recibe un paciente aún depende en gran medida de quién lo atiende, dónde acude y cuánto puede pagar. Comprender esto le ayudará a apreciar de qué protege la MBE a sus pacientes.
La variación descrita a continuación refleja sistemas y estructuras de atención médicaNo se trata de la competencia o la dedicación de los médicos individualmente. Muchos médicos brillantes y trabajadores ejercen en todos los países mencionados. El problema radica en la ausencia de la infraestructura estandarizada —directrices, supervisión, marcos de formación— que proporciona la medicina basada en la evidencia. Los médicos no pueden superar los problemas sistémicos por sí solos.
| Country / Region | Cómo varía la práctica sin marcos sólidos de medicina basada en la evidencia |
|---|---|
| 🇮🇳 India (sector privado) | en 2018 un artículo del XNUMX de Lancet, Un estudio reveló tasas de cesáreas del 40-58% en hospitales privados, en comparación con el 10-14% en centros públicos, a menudo motivadas por incentivos económicos más que por necesidades clínicas. El exceso de pruebas diagnósticas y la polifarmacia están ampliamente documentados en el sector privado. Un mismo paciente con cáncer puede recibir un tratamiento radicalmente diferente según el lugar donde acude y su capacidad económica. |
| 🇵🇰 Pakistán | Existe una variación significativa en el cumplimiento de las guías de antibióticos, con una de las tasas de prescripción de antibióticos más altas del sur de Asia. La tuberculosis resistente a los medicamentos y la resistencia a los antimicrobianos son consecuencias directas. El acceso a la atención especializada y a los protocolos de tratamiento estandarizados depende en gran medida de la ubicación geográfica y los ingresos. |
| 🇳🇬 Nigeria / 🇬🇭 Ghana | El sulfato de magnesio es el tratamiento económico, basado en la evidencia y recomendado por la OMS para la eclampsia. Los estudios demuestran que reduce significativamente la mortalidad materna. Sin embargo, su disponibilidad y uso real en los centros de salud de Nigeria y Ghana varían enormemente según los recursos hospitalarios y la formación del personal clínico; esto significa que la supervivencia de una mujer con eclampsia puede depender del centro al que acuda. |
| 🇸🇩 Sudán / 🇮🇶 Irak | Los conflictos prolongados y la inestabilidad han devastado la infraestructura sanitaria. En Irak, tras 2003, los servicios de salud pública colapsaron, la implementación de las directrices se estancó y el acceso a medicamentos básicos pasó a depender de la ubicación geográfica. En Sudán, el conflicto ha interrumpido los programas de vacunación, los servicios de salud materna y el tratamiento de enfermedades crónicas. La variación en las prácticas en estos entornos no se debe a preferencias, sino a la disponibilidad de recursos. |
| 🇪🇬 Egipto / 🇮🇷 Irán | Ambos países cuentan con facultades de medicina que forman médicos capacitados y han publicado guías de medicina basada en la evidencia (MBE), pero su implementación es inconsistente entre los sectores público y privado, y entre las zonas urbanas y rurales. En Irán, las sanciones internacionales han afectado la disponibilidad de medicamentos, lo que ha obligado a realizar adaptaciones que se desvían de los protocolos basados en la evidencia. |
| 🇷🇴 Rumania | Rumania ha estado documentando la práctica de plicul (el "sobre") — pagos informales en efectivo a médicos y enfermeras para garantizar la atención. Oficialmente ilegal, pero ampliamente practicado. Investigaciones parlamentarias y periodismo de investigación han confirmado que la calidad de la atención quirúrgica puede depender de lo que un paciente pueda pagar de forma privada, independientemente de su derecho oficial equivalente al del Sistema Nacional de Salud (NHS). La fuga de cerebros ha dejado fuera a más de 14 000 médicos desde la adhesión a la UE. |
| 🇺🇸 Estados Unidos | La atención médica más cara del mundo —más de 12 000 dólares por persona al año—, pero con resultados que a menudo no son mejores que los del Reino Unido. El proyecto Dartmouth Atlas ha documentado una enorme variación geográfica en la práctica clínica: un mismo paciente en Miami puede recibir el doble de pruebas y procedimientos que un mismo paciente en Minneapolis, sin que haya diferencia en los resultados. Un estudio de JAMA de 2019 estimó que se desperdician 935 000 millones de dólares —aproximadamente una cuarta parte del gasto total en atención médica en EE. UU.— en atención innecesaria. La crisis de los opioides se vio impulsada en parte por la influencia de las compañías farmacéuticas en las prácticas de prescripción fuera de los marcos de la medicina basada en la evidencia. |
| 🇫🇷 Francia | Francia cuenta con un excelente sistema sanitario, pero las tasas de prescripción de antibióticos han sido históricamente de las más altas de Europa, debido en parte a la expectativa cultural de que una consulta siempre debe culminar con una receta. Las campañas para reducir esta práctica ("Los antibióticos no son automáticos") han contribuido a ello, pero este patrón ilustra cómo las presiones culturales y comerciales pueden prevalecer sobre las recomendaciones basadas en la evidencia, incluso en sistemas sofisticados. |
| 🇮🇹 Italia | La calidad de la atención médica en el norte de Italia (Milán, Bolonia) se encuentra entre las mejores de Europa. En algunas zonas del sur de Italia, la situación es muy diferente: mayores tiempos de espera para la cirugía oncológica, menor aplicación de los programas de detección precoz y menor adherencia a las guías clínicas. El origen geográfico dentro del mismo país puede influir significativamente en los resultados. |
| 🇬🇷 Grecia / 🇪🇸 España | La crisis de austeridad en Grecia (2010-2015) provocó recortes en el gasto sanitario de más del 25%, lo que causó escasez documentada de medicamentos, reducción de personal y deterioro de la calidad. Más de 35 000 profesionales sanitarios emigraron. En España, se ha documentado una variación regional significativa en las tasas de supervivencia al cáncer: el tumor que se desarrolla puede comportarse de manera diferente según la región en la que se viva, no porque la biología sea distinta, sino porque el sistema aplica tratamientos basados en la evidencia. |
En los sistemas de atención médica que carecen de marcos sólidos basados en la medicina basada en la evidencia o de derechos universales, la relación entre el pago y la calidad del tratamiento suele ser directa y estar documentada:
- En algunos hospitales privados de la India, un paciente con dolor torácico que puede costearse la atención privada puede recibir cateterismo y colocación de stent de inmediato. En cambio, ese mismo paciente en el sistema público puede tener que esperar horas para un electrocardiograma.
- En algunas zonas del África subsahariana, el hecho de que un niño con malaria grave reciba una terapia combinada basada en artemisinina (el tratamiento estándar basado en la evidencia) o un medicamento más antiguo y menos eficaz depende del centro al que acuda y de lo que su familia pueda pagar.
- En los países sin acceso universal a los medicamentos, los agentes de quimioterapia contra el cáncer pueden estar disponibles solo para aquellos que pueden pagarlos de su propio bolsillo, lo que significa que cánceres idénticos pueden tener resultados radicalmente diferentes según los ingresos.
- En Rumania y algunos otros países de Europa del Este, se ha documentado que la calidad de un procedimiento quirúrgico —la diligencia del cirujano, la calidad de la monitorización de la anestesia, incluso la disponibilidad de cuidados de enfermería postoperatorios— depende del pago informal, no de la necesidad clínica.
Cada vez que abordas un vuelo comercial, te beneficias de uno de los sistemas de seguridad más eficaces que los humanos hayan construido. No porque los pilotos individuales sean excepcionalmente talentosos, aunque lo son. Sino porque la aviación está construida en torno a... protocolos estandarizados y probados con evidenciaTodos los pilotos, todas las aerolíneas y todos los países siguen las mismas listas de verificación previas al vuelo, los mismos procedimientos de aterrizaje y los mismos protocolos de emergencia. El sistema te protege independientemente del piloto que te toque.
La medicina sin medicina basada en la evidencia es como la aviación sin listas de verificación. Tu seguridad depende por completo de si te toca un buen piloto, si ese piloto se ha formado recientemente, si está teniendo un buen día y si ha escuchado las últimas novedades de alguien de su confianza.
La medicina basada en la evidencia sustituye la suerte por sistemas. Sustituye "en mi experiencia" por "en 15 000 ensayos con 2 millones de pacientes". Sustituye la opinión de quien ocupe el puesto de mayor jerarquía por la evidencia acumulada de la experiencia clínica colectiva de la humanidad. ¿No preferirías eso para tus pacientes? ¿No preferirían tus pacientes eso para sí mismos?
- Cada directriz del NICE que usted sigue es producto de una revisión sistemática de la evidencia: alguien se ha encargado de garantizar que lo que usted hace esté respaldado por la mejor evidencia científica disponible.
- Cada pregunta del examen AKT sobre estadística y métodos de investigación evalúa tu capacidad para analizar críticamente la evidencia, para ser un consumidor activo de la medicina basada en la evidencia (MBE), no un seguidor pasivo de instrucciones.
- Cuando le explicas a un paciente el NNT (Número Necesario para Tratar), o analizas las limitaciones de una prueba de detección, o te niegas a recetar un antibiótico que no está indicado, estás practicando la medicina basada en la evidencia (MBE), de forma consciente, explícita y juiciosa.
- Y cuando un representante farmacéutico se sienta frente a usted y le dice que su nuevo medicamento reduce los eventos cardiovasculares en un 35%, su primera pregunta —"¿35% relativo o absoluto?"— es la pregunta que la medicina basada en la evidencia enseñó a formular.
Diseños de estudio y jerarquía de la evidencia
Antes de interpretar cualquier resultado, necesitas saber de donde vinoLos diferentes diseños de estudio responden a diferentes preguntas, generan diferentes estadísticas y conllevan diferentes niveles de fiabilidad.
La pirámide de la evidencia
La evidencia más sólida se encuentra en la parte superior; la más débil en la inferior.
⬆ Evidencia más sólida | ⬇ Evidencia más débil
| Diseño del estudio | SENTIDO DE SALIDA: | Uso recomendado | genera | Debilidad clave |
|---|---|---|---|---|
| Revisión sistemática / Metaanálisis | - | La mejor evidencia general sobre una pregunta. | Tamaño del efecto combinado | Tan bueno como los estudios subyacentes; heterogeneidad |
| ECA (Ensayo clínico aleatorizado y controlado) | adelante | ¿Funciona el tratamiento X? | RR, ARR, NNT | Costoso, entorno artificial, problemas éticos |
| Estudio de cohorte | Hacia adelante (prospectivo) o hacia atrás (retrospectivo) | ¿La exposición causa el resultado? ¿Incidencia? | Riesgo relativo (RR), incidencia | Desgaste; costoso a largo plazo; desconcertante |
| Estudio de casos y controles | Hacia atrás | Enfermedades raras; factores de riesgo | Razón de probabilidades (OR) | Sesgo de recuerdo; no se puede calcular la incidencia directamente. |
| Estudio transversal | Instantánea única | ¿Qué tan común es X en este momento? (prevalencia) | Predominio | No se puede establecer la causalidad; ambigüedad temporal. |
| Informe de caso / Opinión de experto | - | Generación de hipótesis; eventos raros | Descripción únicamente | Muy susceptible a sesgos; no generalizable. |
📖 Investigación cualitativa vs. investigación cuantitativa
Responde a las preguntas "¿cuántos?" o "¿cuánto?". Utiliza números, estadísticas y datos estructurados. Ejemplos: ensayos clínicos aleatorizados, estudios de cohortes, encuestas con resultados numéricos. Genera valores p, intervalos de confianza y NNT.
Responde a las preguntas "¿por qué?" o "¿cómo?". Utiliza palabras, temas y entrevistas. Ejemplos: grupos focales, estudios etnográficos, teoría fundamentada. Explora las experiencias y creencias de los pacientes.
🔬 Revisión sistemática vs. metaanálisis: no son lo mismo
Revisión sistemática: Una búsqueda bibliográfica rigurosa y estructurada que identifica, selecciona y evalúa críticamente todos los estudios relevantes sobre una cuestión. El resultado es un resumen cualitativo de la evidencia.
Metaanálisis: Una revisión sistemática que va un paso más allá: piscinas matemáticas Los resultados cuantitativos de múltiples estudios se combinan en una única estimación. No todas las revisiones sistemáticas incluyen un metaanálisis (por ejemplo, si los estudios son demasiado heterogéneos para combinarlos).
🔄 El marco PICO
PICO es el marco estándar para estructurar una pregunta de investigación clínica, que se utiliza para buscar en la literatura y diseñar estudios.
| Carta | Representa | Ejemplo |
|---|---|---|
| P | Población / Paciente | Adultos con diabetes tipo 2 |
| I | Intervención | Inhibidores de SGLT2 |
| C | Comparación | Metformina sola |
| O | Resultado | Eventos cardiovasculares a los 5 años |
🎲 Características de diseño de los ensayos clínicos aleatorizados (RCT, por sus siglas en inglés) (pruebas comunes)
| Elemento | Lo que significa | POR QUÉ ES IMPORTANTE |
|---|---|---|
| Aleatorización | Los participantes fueron asignados a los grupos al azar. | Elimina el sesgo de selección; equilibra los factores de confusión. |
| Ciego simple | Los participantes desconocen su asignación. | Reduce el efecto placebo y el sesgo de los participantes. |
| Doble ciego | Ni los participantes ni los investigadores conocen la asignación. | Elimina el sesgo del observador Y el sesgo del participante. |
| Triple ciego | Participantes, investigadores y analistas de datos fueron cegados. | Reducción máxima del sesgo |
| Intención de tratar (ITT) | Analizados en su grupo original independientemente de la adherencia. | Conserva la aleatorización; refleja el uso en el mundo real. |
| Según protocolo | Analizados únicamente si completaron el protocolo. | Muestra eficacia biológica pero sobreestima el beneficio en el mundo real. |
| Diseño cruzado | Los participantes reciben ambos tratamientos en secuencia. | Cada persona actúa como su propio control; necesita un período de lavado. |
| ocultamiento de la asignación | La persona que recluta participantes no puede ver a qué grupo se asignará el siguiente participante hasta que después Han sido inscritos | Impide que el reclutador asigne de forma subconsciente (o deliberada) a los pacientes más sanos al grupo de tratamiento, una forma de sesgo de selección que la aleatorización por sí sola no previene. |
| Ensayo clínico aleatorizado por conglomerados | Se asignan aleatoriamente grupos completos (por ejemplo, consultorios médicos, salas de hospital, escuelas) en lugar de individuos. | Se utiliza cuando la aleatorización individual no es práctica (por ejemplo, para probar un nuevo estilo de consulta). Requiere tamaños de muestra mayores y ajuste estadístico para el efecto de agrupamiento. |
La intención de tratar da una mayor Conservador Estimación (inferior) de la efectividad, ya que incluye a los participantes que no cumplen con el protocolo. Este es el análisis preferido para la toma de decisiones clínicas. El análisis por protocolo sobreestima la efectividad, pero resulta útil para comprender los mecanismos biológicos.
⚖️ Ensayos de superioridad, no inferioridad y equivalencia
No todos los ensayos plantean la misma pregunta. El AKT evalúa ocasionalmente si usted comprende qué es lo que un ensayo fue diseñado para demostrar y por qué eso es importante al interpretar sus resultados.
| Tipo de prueba | La pregunta que se formula | Contexto común |
|---|---|---|
| Ensayo de superioridad | "¿Es el nuevo tratamiento? mejor que ¿El comparador? | La mayoría de los ECA estándar: prueban un fármaco o enfoque realmente nuevo. |
| Ensayo de no inferioridad | "¿Es el nuevo tratamiento? no peor que ¿El comparador supera un margen pequeño preestablecido? | Nuevo fármaco con menos efectos secundarios, menor coste o más fácil de administrar: el objetivo es demostrar que es "suficientemente bueno". |
| Ensayo de equivalencia | ¿Son los dos tratamientos? esencialmente el mismo?" | Medicamentos biosimilares; medicamentos genéricos; diferentes vías de administración |
Un nuevo anticoagulante podría demostrar ser "no inferior" a la warfarina para la prevención del ictus —no mejor, pero tampoco significativamente peor—, además de ser más fácil de usar (sin necesidad de monitorización del INR). Este hallazgo es clínicamente valioso, incluso si el fármaco no "superó" a la warfarina. El AKT podría solicitarle que interprete correctamente el resultado de un ensayo de no inferioridad.
Un ensayo de no inferioridad que muestra "ninguna diferencia significativa" es No Es lo mismo que un ensayo de superioridad que no muestra diferencias significativas. En un ensayo de superioridad, un resultado no significativo significa que no se logró demostrar que el nuevo fármaco funciona mejor. En un ensayo de no inferioridad, una diferencia no significativa es precisamente lo que se esperaba.
Sesgo en la investigación, validez y fiabilidad
| Tipo de sesgo | Definición | ¿Qué diseños de estudio? | Cómo reducirlo |
|---|---|---|---|
| Sesgo de selección | Los participantes no son representativos de la población objetivo. | Todos los tipos | Aleatorización; muestreo cuidadoso |
| Sesgo de recuerdo | Los casos (personas con la enfermedad) recuerdan las exposiciones pasadas con mayor claridad que los controles. | Estudios de casos y controles | Fuentes de datos objetivas; cuestionarios estandarizados |
| El sesgo de publicación | Los estudios positivos/significativos se publican con más frecuencia que los negativos. | Metaanálisis (detectados mediante gráfico de embudo) | Registro de ensayos clínicos; búsqueda de literatura gris |
| Sesgo de desgaste | La pérdida de participantes durante el seguimiento distorsiona los resultados (los que abandonan el estudio difieren de los que lo completan). | Estudios de cohortes, ECA | Análisis por intención de tratar; minimizar el abandono. |
| Sesgo de tiempo de entrega | Las pruebas de detección crean la ilusión de una mayor supervivencia al detectar la enfermedad en una etapa más temprana. | Estudios de cribado | Utilice la mortalidad específica de la enfermedad, no la supervivencia desde el diagnóstico. |
| Sesgo de longitud | Las pruebas de detección detectan enfermedades de crecimiento más lento (menos agresivas). | Estudios de cribado | Ensayos clínicos aleatorizados con resultados específicos de la enfermedad |
| Sesgo del observador/evaluación | El conocimiento de la asignación del tratamiento afecta la evaluación de los resultados. | ECA | Ceguera (simple, doble, triple) |
| Efecto Hawthorne | Los participantes cambian su comportamiento porque saben que están siendo observados. | Todo tipo, especialmente los de observación. | Grupos de control; observadores ciegos |
| Sesgo de verificación | Solo los pacientes con un resultado positivo en la prueba reciben la prueba confirmatoria estándar de oro, por lo que la sensibilidad parece falsamente alta y la especificidad falsamente baja. | estudios de pruebas diagnósticas | Asegúrese de que todos los pacientes (positivos y negativos) reciban la prueba de referencia. |
| Confuso | Una tercera variable está asociada tanto con la exposición como con el resultado, distorsionando la relación aparente. | Estudios observacionales | Aleatorización (ECA); estratificación; análisis multivariante |
🔀 Confuso: cuando dos cosas parecen estar relacionadas pero no lo están.
La confusión es uno de los conceptos más importantes en la metodología de investigación, y una de las razones más comunes por las que hallazgos observacionales aparentemente convincentes resultan ser erróneos. La idea clave es simple: Dos cosas pueden parecer vinculadas no porque se afecten directamente entre sí, sino porque ambas están vinculadas a una tercera variable oculta.
A factor de confusión (o variable de confusión) es una tercera variable que está asociada de forma independiente con ambas la exposición y el resultado. Crea una asociación espuria (falsa) —o enmascara una real— entre la exposición y el resultado que estás estudiando.
Ejemplos clásicos
| Vínculo aparente | El Confundidor | Por qué lo explica todo |
|---|---|---|
| Venta de helados → muertes por ahogamiento | Clima cálido (verano) | El calor provoca que se coma más helado Y que se nade más, lo que conlleva más ahogamientos. El helado no causa ahogamientos. |
| Consumo de café → cáncer de pulmón | Fumar | Los fumadores beben más café de media. Los primeros estudios vincularon el café con el cáncer, hasta que se controló el tabaquismo. |
| Llevar un encendedor → cáncer de pulmón | Fumar | Los fumadores llevan encendedores. El encendedor no tiene ningún efecto biológico; fumar sí. |
| Canas → enfermedad cardíaca | Edad | Tanto las canas como las enfermedades cardíacas aumentan con la edad. La edad es el factor determinante, no el color del cabello. |
| Talla de calzado → capacidad de lectura (en niños) | Edad | Los niños mayores tienen los pies más grandes Y leen mejor. La edad explica ambas cosas. |
Una variable es un factor de confusión si cumple los tres De estos:
- Está asociado con el exposición (lo que estás estudiando)
- Está asociado con el Resultado (el resultado que estás midiendo)
- Es No en la vía causal entre la exposición y el resultado (es una tercera variable separada, no un paso intermedio)
- Aleatorización (en ECA) — distribuye los factores de confusión conocidos y desconocidos de manera equitativa entre los grupos. Esta es la protección más fuerte.
- Restricción — Inscribir únicamente a participantes que sean similares en cuanto al factor de confusión (por ejemplo, solo no fumadores en el estudio del café).
- Emparejar — emparejar casos y controles en función de la variable de confusión
- Estratificación — analizar los resultados por separado para cada nivel de la variable de confusión.
- Ajuste estadístico multivariado — tener en cuenta estadísticamente múltiples factores de confusión simultáneamente
En un ensayo clínico aleatorizado bien diseñado, la aleatorización distribuye equitativamente los factores de confusión (tanto conocidos como desconocidos) entre los grupos, eliminando así la posibilidad de confusión como explicación de las diferencias. En los estudios de cohortes y de casos y controles, solo se pueden ajustar los factores de confusión conocidos y medidos. Los factores de confusión no medidos siempre constituyen una posible explicación para cualquier asociación observada, razón por la cual los estudios observacionales nunca pueden probar la causalidad de forma definitiva.
✅ Validez y fiabilidad: ¿Cuál es la diferencia?
¿El estudio mide lo que afirma medir dentro de la población estudiada? ¿Son los resultados de este vídeo ¿Es fiable el estudio? Está amenazado por sesgos y factores de confusión.
¿Pueden aplicarse los resultados a otras poblaciones o a situaciones reales? Un ensayo clínico aleatorizado altamente controlado realizado en un centro especializado puede no reflejar lo que sucede en la atención primaria.
¿La prueba produce resultados consistentes al repetirse en las mismas condiciones? Esto se mide mediante la fiabilidad entre evaluadores (estadístico kappa) o la fiabilidad test-retest.
Mide la concordancia entre dos evaluadores más allá del azar. κ = 1 (concordancia perfecta); κ = 0 (concordancia no mejor que el azar); κ < 0 (peor que el azar).
Medición del riesgo y del efecto del tratamiento
Este es el la zona más sometida a pruebas En estadística AKT, necesitas conocer estas fórmulas a la perfección y ser capaz de aplicarlas a tablas de datos de prueba en condiciones de examen.
Las métricas clave
📊 Interpretación del NNT: ¿Qué significan realmente los números?
El NNT te indica cuántos pacientes necesitas tratar para uno para beneficiarse. Entonces el fewer Cuanto mayor sea el número de pacientes que se necesitan tratar para obtener un beneficio, más eficaz será el tratamiento. Un NNT = 2 significa que 1 de cada 2 pacientes se beneficia, lo cual es excelente. Un NNT = 100 significa que solo 1 de cada 100 se beneficia, lo cual es mucho menos efectivo.
| Rango NNT | Interpretación aproximada | Contexto de ejemplo |
|---|---|---|
| <10 | Muy eficaz | Antibióticos para ciertas infecciones; algunos tratamientos agudos |
| 10 – 50 | Efecto moderado | Muchos medicamentos preventivos comunes |
| > 100 | efecto débil | Algunas estrategias preventivas a nivel poblacional |
Estos umbrales son No Según NICE o RCGP, son solo herramientas didácticas aproximadas. El NNT "correcto" siempre depende del contexto:
- Un NNT de 100 aún podría valer la pena si el resultado evitado es la muerte o un daño grave e irreversible.
- Un NNT de 5 podría no ser aceptable si el tratamiento tiene efectos secundarios frecuentes o graves
Regla de una sola línea: El NNT indica cuántos pacientes se deben tratar para que uno se beneficie; un valor menor indica un efecto más potente. Sin embargo, siempre hay que tener en cuenta la gravedad del desenlace y la carga del tratamiento.
Si 60 de cada 100 pacientes se benefician, eso es un ARR del 60% (= 0.6), lo que da NNT = 1 ÷ 0.6 ≈ 1.7 — un resultado excelente. El NNT no es el número de personas que se benefician; es el número de personas a las que se trata para obtener uno beneficio.
📖 Razón de probabilidades y razón de riesgo: ¿Cuándo se utilizan?
| MEDIR | Utilizado en | Interpretación |
|---|---|---|
| Riesgo relativo (RR) | Estudios de cohortes, ECA | Compara directamente el riesgo en dos grupos. Más intuitivo que el OR. |
| Razón de probabilidades (OR) | Estudios de casos y controles | Compara las probabilidades de exposición en los casos frente a los controles. Calcula el riesgo relativo aproximado cuando la enfermedad es poco frecuente. |
| Índice de riesgo (HR) | Análisis de supervivencia (tiempo hasta el evento) | Como RR pero con cuentas cuándo Los eventos ocurren con el tiempo. HR <1 = riesgo reducido en el grupo de tratamiento. |
Para enfermedades comunes, el OR sobreestima el riesgo en comparación con el RR. Para enfermedades raras (<10% de prevalencia), son aproximadamente iguales. Un estudio de casos y controles genera un OR: no puede Calcular directamente la incidencia o el RR a partir de un estudio de casos y controles.
🧮 Ejemplo práctico: cálculo del NNT a partir de datos de ensayos clínicos.
🎯 Escenario: Ensayo con estatinas
Un ensayo clínico aleatorizado de 5 años de duración muestra que, entre los pacientes con alto riesgo cardiovascular: el 6% del grupo placebo sufrió un infarto, en comparación con el 4% del grupo tratado con estatinas.
Tratar a 50 pacientes durante 5 años previene 1 infarto
¡Suena impresionante! Pero el beneficio absoluto es de tan solo un 2%.
El grupo tratado con estatinas presentó un riesgo un 67% menor que el del grupo placebo, lo que supone una reducción relativa del 33%.
Cuando un paciente pregunte "¿Me ayudará esta estatina?", utilice el NNT (Número Necesario para Tratar). "Si 50 personas como usted toman este comprimido durante 5 años, se evitará 1 infarto. Para usted, personalmente, el beneficio absoluto es del 2 %". Esto es mucho más honesto que decir "Reduce su riesgo en un 33 %".
💬 Comunicación de riesgos a los pacientes (AKT Favorite)
El AKT suele evaluar cómo explicarías información estadística a los pacientes. Existen cuatro formatos principales:
| Formato | Ejemplo | Uso recomendado |
|---|---|---|
| Frecuencia natural | "5 de cada 100 personas" | Lo más fácil de entender para los pacientes. |
| Porcentaje | "El 5% de la gente" | Ampliamente utilizado, pero puede inducir a error. |
| NNT | "Tratar a 20 personas para prevenir 1 evento" | Comunica claramente el beneficio absoluto. |
| Trama de Cates | Cuadrícula visual de 100 caras | La mejor ayuda visual para la toma de decisiones compartida. |
Decir "esto reduce su riesgo en un 33%" sin proporcionar el riesgo basal es engañoso. Un RRR del 33% partiendo de un riesgo basal del 0.3% significa que su beneficio absoluto es del 0.1%. Siempre combine el RRR con el riesgo basal o proporcione el ARR/NNT en su lugar.
💊 El truco de los representantes farmacéuticos: cómo las compañías farmacéuticas manipulan las estadísticas
Los representantes de las compañías farmacéuticas están capacitados para presentar los datos de los ensayos clínicos de la manera más favorable posible. Utilizan un truco estadístico sencillo pero eficaz:
- Beneficios → denominados Reducción del Riesgo Relativo (RRR) — porque suena más grande y más impresionante
- Daños → citado como Aumento del Riesgo Absoluto (ARI) — porque suena más pequeño y menos preocupante
Ejemplo práctico: una visita ficticia de un representante de estatinas
Una nueva estatina reduce los infartos del 2% al 1% en un periodo de 5 años, pero aumenta la miopatía del 1% al 2%.
El antídoto: pregunta siempre — "¿Cuál es la diferencia absoluta?" Cuando un representante cite una cifra relativa, conviértala usted mismo: ARR = CER − EER, luego NNT = 1 ÷ ARR. Esto se aplica igualmente a los beneficios. y daños.
Pruebas de diagnóstico y cribado: la tabla 2×2
La tabla de contingencia de 2×2 es la base de toda la estadística diagnóstica. Si sabes construir e interpretar esta tabla, podrás responder a la mayoría de las preguntas diagnósticas de la prueba AKT.
La tabla de 2×2
| ESTADO ACTUAL DE LA ENFERMEDAD | ||
|---|---|---|
| RESULTADO DE LA PRUEBA | Enfermedades Presente | Enfermedades Ausente |
| Da positivo en la prueba | Verdadero Positivo (TP) La prueba dice SÍ → tiene la enfermedad ✓ |
Falso positivo (FP) La prueba dice SÍ → no hay enfermedad ✗ |
| prueba negativa | Falso Negativo (FN) La prueba dice NO → tiene la enfermedad ✗ |
Verdadero Negativo (TN) La prueba dice NO → no hay enfermedad ✓ |
🧠 SnNout y SpPin: Las ayudas para la memoria (y por qué funcionan)
Snfuera: Un altamente Senprueba positiva, si Nnegativo, rige la enfermedad Oct.
Si la sensibilidad es muy alta, un resultado negativo significa que la enfermedad es muy improbable (baja tasa de falsos negativos). Utilice una prueba sensible para detectar y descartar la enfermedad.
Spen: Un altamente Spprueba específica, si PPositivo, gobierna la enfermedad In.
Si la especificidad es muy alta, un resultado positivo en la prueba significa que la enfermedad es muy probable (baja tasa de falsos positivos). Utilice una prueba específica para confirmar el diagnóstico.
📊 El efecto de la prevalencia en el VPP y el VPN: un tema crítico de AKT
Este es uno de los conceptos más importantes y probados en estadística diagnóstica. La sensibilidad y la especificidad son propiedades fijas de la prueba. Sin embargo, el valor predictivo positivo (VPP) y el valor predictivo negativo (VPN) varían drásticamente según la frecuencia de la enfermedad en la población analizada.
| Escenario | Predominio | PPV | NPV |
|---|---|---|---|
| Realizar pruebas de detección de enfermedades raras en la población general (por ejemplo, VIH en personas de bajo riesgo). | 1% | BAJO (~16%) | ALTO (~99.9%) |
| Pruebas en una clínica especializada de alto riesgo. | 50% | ALTO (~95%) | ALTO (~95%) |
- A medida que aumenta la prevalencia, aumenta el VPP y disminuye el VPN.
- A medida que disminuye la prevalencia, disminuye el VPP y aumenta el VPN.
- En una población de baja prevalencia, la mayoría de los resultados positivos son falsos positivos (bajo valor predictivo positivo), incluso con una prueba altamente específica.
- Una prueba negativa en una población de alta prevalencia aún puede no detectar la enfermedad (menor VPN).
📐 Razones de probabilidad: cuando quieres ir más allá
Los índices de verosimilitud (IV) combinan la sensibilidad y la especificidad en un solo número que indica cuánto influye el resultado de una prueba en la probabilidad de padecer la enfermedad. Son más avanzados que el VPP/VPN, pero resultan útiles y se evalúan ocasionalmente en el estudio AKT.
| LR+ | Efecto sobre la probabilidad posterior a la prueba |
|---|---|
| > 10 | Aumento grande y a menudo concluyente de la probabilidad |
| 5-10 | Aumento moderado |
| 2-5 | Pequeño aumento |
| 1 | Sin cambios (la prueba es inútil) |
| 0.1-0.5 | Disminución pequeña a moderada |
| <0.1 | Gran disminución: fuerte exclusión negativa |
Estadísticas de población y epidemiología
📊 Tasa de mortalidad estandarizada (SMR)
| Valor SMR | Interpretación |
|---|---|
| = 100 | Mortalidad igual que la de la población de referencia. |
| > 100 | Exceso de mortalidad (superior a la esperada) |
| <100 | Menor mortalidad de la esperada |
🎯 Cribado: sesgo de tiempo de anticipación y duración (trampas clave de AKT)
Las pruebas de detección precoz permiten identificar la enfermedad antes, lo que da la impresión de que la supervivencia ha mejorado, incluso si el paciente fallece en ese mismo momento. El "tiempo de supervivencia desde el diagnóstico" simplemente se ha prolongado gracias a la detección temprana, no a un beneficio real del tratamiento. El paciente no vive más tiempo; simplemente lo sabe durante más tiempo.
Los programas de cribado tienen más probabilidades de detectar enfermedades de crecimiento lento e indolentes (que tienen una fase preclínica detectable más prolongada) que enfermedades agresivas de rápida progresión. Esto hace que el cribado parezca más eficaz de lo que realmente es para las enfermedades graves.
✅ Criterios de detección de Wilson & Jungner
Antes de implementar un programa de cribado, este debe cumplir con los criterios de Wilson y Jungner (publicados originalmente en 1968 y que siguen siendo el marco de referencia estándar). La prueba AKT evalúa tanto el conocimiento de estos criterios como su aplicación a diferentes escenarios.
| # | Criterio | Qué significa en la práctica |
|---|---|---|
| 1 | Problema de salud importante | Esta afección tiene una morbilidad o mortalidad significativa, por lo que vale la pena el esfuerzo de realizar pruebas de detección. |
| 2 | Tratamiento aceptado disponible | No tiene sentido detectar una enfermedad que no se puede tratar. |
| 3 | Existen instalaciones para el diagnóstico y el tratamiento. | La infraestructura debe estar lista antes del lanzamiento. |
| 4 | Etapa latente o temprana reconocible | La enfermedad debe tener una fase presintomática detectable. |
| 5 | Prueba adecuada disponible | La prueba debe ser aceptable para la población, segura y razonablemente precisa. |
| 6 | Prueba aceptable para la población | Las personas deben estar dispuestas a someterse a ello; las pruebas invasivas o incómodas pueden disuadir la participación. |
| 7 | Historia natural adecuadamente comprendida | Es fundamental saber cómo progresa la enfermedad si no se trata. |
| 8 | Política acordada sobre a quién tratar | Se necesitan protocolos claros, no solo para la detección, sino también para lo que sucede después. |
| 9 | Rentabilidad | El costo de encontrar cada caso debe sopesarse con el beneficio. |
| 10 | Proceso continuo, no un proceso único. | Las pruebas de detección deben ser continuas: la incidencia de la enfermedad continúa |
La prueba de detección de cáncer de próstata mediante PSA es No Forma parte del programa nacional de cribado del NHS precisamente porque tiene dificultades con los criterios 5 y 7: la prueba de PSA no es suficientemente precisa (baja especificidad → muchos falsos positivos), y la historia natural de muchos cánceres de próstata de bajo grado implica que nunca causarían síntomas durante la vida del paciente. Esto se relaciona directamente con el sobrediagnóstico (véase más abajo).
🔍 Sobrediagnóstico: Encontrar problemas que no habrían causado problemas
El sobrediagnóstico ocurre cuando se detecta una enfermedad real, una que realmente existe, pero esa enfermedad... Nunca han causado síntomas, daños ni la muerte. Durante la vida del paciente, si no se detecta, no se trata de un falso positivo (la enfermedad es real); es un verdadero positivo que no era necesario detectar.
El sobrediagnóstico convierte a personas sanas en pacientes. Las expone a la ansiedad, los efectos secundarios y los riesgos del tratamiento para una afección que nunca les habría perjudicado. Es uno de los perjuicios más importantes de los programas de cribado, y uno que la prueba AKT evalúa directamente.
| Estado del producto | Ejemplo de sobrediagnóstico |
|---|---|
| Cáncer de próstata | Muchos cánceres de bajo grado detectados por el PSA nunca progresarían ni causarían síntomas; los hombres mueren. con ellos, no desde los aceites |
| Cáncer de tiroides | La ecografía detecta pequeños cánceres papilares de tiroides que son casi universalmente indolentes; la detección ha aumentado considerablemente, pero la mortalidad se mantiene sin cambios. |
| CDIS (mama) | Carcinoma ductal in situ detectado por mamografía: algunos nunca se convertirían en cáncer invasivo. |
Sobrediagnóstico = encontrar una enfermedad que no necesitaba ser encontrada. Tratamiento excesivo = tratar una enfermedad que no lo necesitaba (lo cual puede ocurrir por sobrediagnóstico o de forma independiente). Son conceptos relacionados pero distintos.
🔢 Estandarización de edad
Al comparar las tasas de morbilidad o mortalidad entre distintas poblaciones (por ejemplo, distintos países o periodos de tiempo), es necesario tener en cuenta que dichas poblaciones pueden tener diferentes distribuciones por edades. Las poblaciones de mayor edad, naturalmente, tendrán una mayor mortalidad, incluso si su estado de salud es igualmente bueno.
La estandarización por edad es una técnica estadística que elimina el efecto distorsionador de las diferentes distribuciones de edad al comparar los resultados de salud entre poblaciones. Produce una tasa que se observaría si ambas poblaciones tuvieran la misma estructura de edad (la "población estándar").
🎗️ Estadísticas sobre el cáncer: datos imprescindibles de AKT
El AKT analiza ocasionalmente estadísticas específicas sobre el cáncer. No se requieren conocimientos exhaustivos de oncología, pero estas cifras principales aparecen con frecuencia y vale la pena conocerlas.
| Cáncer | Estadística clave | POR QUÉ ES IMPORTANTE |
|---|---|---|
| Cancer testicular | Supervivencia a 10 años >98% | Uno de los cánceres más tratables: información importante para asesorar a hombres jóvenes. |
| Cáncer de pulmón | Principal causa de muerte por cáncer (Reino Unido) | A pesar de no ser el cáncer más común, mata a más personas que cualquier otro. |
Un cáncer puede tener un alto incidencia (común) pero bajo mortalidad (tratable), como el cáncer de mama. O puede tener una incidencia menor pero una mortalidad muy alta, como el cáncer de páncreas. La prueba AKT puede evaluar tu capacidad para interpretar correctamente las estadísticas sobre el cáncer; no des por sentado que el cáncer más común es el más mortal.
⚖️ Desigualdades en salud
Las desigualdades en salud describen diferencias injustas y evitables en la salud entre distintos grupos de personas. Son un tema central de la política de salud pública del Reino Unido y aparecen en el AKT en el contexto de la epidemiología y los determinantes sociales de la salud.
Las desigualdades en salud son diferencias injustas y evitables en el estado de salud o en la distribución de los determinantes de la salud entre diferentes grupos de poblaciónSon "evitables" porque se derivan de condiciones sociales, económicas o ambientales que, en principio, podrían modificarse, y no del azar o la variación biológica.
| Tipo | Ejemplos en el Reino Unido |
|---|---|
| Socioeconómico | Menor esperanza de vida en zonas desfavorecidas; mayores tasas de enfermedades cardiovasculares, diabetes y enfermedades mentales en las comunidades más pobres. |
| Geográfica | "División Norte-Sur": peores resultados de salud en algunas zonas del norte de Inglaterra en comparación con el sur. |
| Étnica | Mayores tasas de diabetes tipo 2 en poblaciones del sur de Asia; mayor riesgo cardiovascular en poblaciones negras. |
| Género | Los hombres tienen una menor esperanza de vida, pero las mujeres tienen más años de mala salud (morbilidad). |
Distribución de datos y significación estadística
Medidas de tendencia central
| MEDIR | Definición | Mejor usado cuando | Cuidado |
|---|---|---|---|
| Media | Suma de todos los valores ÷ número de valores | Los datos se distribuyen normalmente. | Fácilmente sesgado por valores atípicos |
| Mediana | Valor medio cuando se ordena. Si hay un número par De los valores, la mediana es el promedio de los dos números centrales. | Datos sesgados (por ejemplo, ingresos, duración de la estancia hospitalaria) | Ignora los valores reales en los extremos. |
| Moda | Valor que ocurre con mayor frecuencia | Datos categóricos; distribuciones bimodales | Puede carecer de sentido con datos continuos. |
| Autonomía | Máximo − Mínimo | Sensación de propagación rápida | Determinado completamente por valores atípicos. |
| RIC (Rango Intercuartil) | percentil 75 − percentil 25 | Combinado con la mediana para datos asimétricos | Ignora el 25% superior e inferior. |
| Desviación estándar (SD) | Dispersión promedio con respecto a la media | Datos distribuidos normalmente | Resulta engañoso si los datos no siguen una distribución normal. |
🗂️ Tipos de datos: nominales, ordinales, de intervalo, de razón
Entendiendo que tipo La cantidad de datos disponibles determina qué estadísticas descriptivas y qué pruebas estadísticas son apropiadas. La prueba AKT evalúa esto, generalmente presentando un conjunto de datos y preguntando qué prueba o medida utilizar.
| Tipo | Definición | Ejemplos | Analogía |
|---|---|---|---|
| Nominal | Categorías sin orden natural | Grupo sanguíneo (A, B, AB, O); sexo; color de ojos; causa de muerte | Un frutero: las manzanas y los plátanos son simplemente diferentes, ninguno es "más". |
| Ordinal | Categorías ordenadas, pero los espacios entre ellas son No necesariamente igual | Clasificación de insuficiencia cardíaca de la NYHA (I-IV); escala de dolor (leve/moderado/intenso); escalas de Likert | Posiciones en la carrera: 1.º, 2.º, 3.º. Conocemos el orden, pero la diferencia entre el 1.º y el 2.º puede ser muy diferente a la diferencia entre el 2.º y el 3.º. |
| Intervalo | Ordenados con intervalos iguales entre valores, pero ningún cero verdadero | Temperatura en °C; fechas del calendario; puntuaciones de CI | Un termómetro: 0 °C no significa "sin temperatura". No se puede decir que 20 °C sea "el doble de cálido" que 10 °C en ningún sentido absoluto. |
| Proporción | Ordenado, espacios iguales, Y un cero absoluto verdadero | Altura, peso, presión arterial, edad, ingresos, dosis de medicamento | Dinero: 0 libras significa que realmente no tienes nada. 40 libras es el doble que 20 libras. |
- Datos nominales/ordinales → utilice pruebas no paramétricas, moda o mediana para los promedios.
- Datos de intervalo/cociente (distribución normal) → se pueden usar la media, la desviación estándar y pruebas paramétricas
- Debes no puede calcular de manera significativa una media para datos nominales (por ejemplo, "grupo sanguíneo medio" no tiene sentido) o hacer afirmaciones proporcionales con datos de intervalo (no se puede decir que alguien con un coeficiente intelectual de 120 es "el doble de inteligente" que alguien con 60).
🔬 Pruebas paramétricas frente a pruebas no paramétricas
Las pruebas estadísticas se dividen en dos categorías según los supuestos que asumen sobre los datos. La prueba AKT determina qué tipo de prueba es la más adecuada para cada situación; no es necesario realizar los cálculos, solo saber cuándo usar cada una.
Pruebas paramétricas Supongamos que los datos tienen una distribución normal (o que la muestra es lo suficientemente grande como para que esto no importe mucho) y que los datos son al menos de nivel de intervalo. Pruebas no paramétricas No hacen tales suposiciones: funcionan con rangos o categorías y son adecuados para datos sesgados, muestras pequeñas o datos ordinales/nominales.
| Propósito | Prueba paramétrica | Equivalente no paramétrico |
|---|---|---|
| Comparar las medias de 2 grupos independientes | Prueba t independiente | Prueba U de Mann-Whitney |
| Comparación de medias: mismo grupo, 2 momentos diferentes. | Prueba t pareada | Prueba de rango con signo de Wilcoxon |
| Comparar las medias de 3 o más grupos | ANOVA (análisis de varianza) | Prueba de Kruskal-Wallis |
| Correlación entre dos variables continuas | Correlación de Pearson | Correlación de rangos de Spearman |
| Comparar proporciones / datos categóricos | - | Prueba de chi-cuadrado (χ²) |
- Los datos son sesgado or normalmente no distribuido → utilizar métodos no paramétricos
- Tamaño de muestra pequeño (y normalidad incierta) → usar métodos no paramétricos
- Los datos son ordinal (p. ej., puntuaciones de dolor, Likert) → usar métodos no paramétricos
- Comparando proporciones o categorías → prueba de chi-cuadrado
- Muestra grande, continua, aproximadamente normal → la prueba paramétrica es adecuada
🔔 Distribución normal: la regla 68-95-99.7
Una distribución normal es una curva simétrica en forma de campana. La media, la mediana y la moda son todas iguales y se sitúan en el centro.
| Autonomía | % de valores incluidos |
|---|---|
| Media ± 1 desviaciones estándar | 68% |
| Media ± 2 desviaciones estándar | 95% |
| Media ± 3 desviaciones estándar | 99.7% |
Con datos asimétricos positivos (por ejemplo, ingresos, tiempos de espera del médico de cabecera, bilirrubina sérica en una sala), la media se desplaza hacia la derecha debido a unos pocos valores atípicos altos. En este caso, utilice la media — representa mejor el valor típico. A AKT le encanta poner a prueba esta distinción.
📉 Valores p e intervalos de confianza: qué significan realmente
Valores p
El valor p es la probabilidad de observar resultados al menos tan extremos como los observados. Si la hipótesis nula es verdadera (es decir, si no hay ningún efecto real). Es No la probabilidad de que la hipótesis nula sea correcta.
| valor de p | Interpretación |
|---|---|
| p <0.05 | Estadísticamente significativo: la probabilidad de que este resultado se haya producido por casualidad es inferior al 5 %. |
| p> 0.05 | No estadísticamente significativo: el resultado puede deberse al azar. |
| p = 0.01 | 1% de probabilidad de obtener este resultado si no hay efecto real. |
Intervalos de confianza (IC)
Un intervalo de confianza del 95 % significa que, si se repitiera el estudio 100 veces, en 95 de esas ocasiones el valor real de la población estaría dentro de este rango.
- Para una proporción (RR, OR, HR): si el IC del 95% incluye 1.0 → no estadísticamente significativo
- Para una la diferencia (diferencia media, ARR): si el IC del 95% incluye 0 → no estadísticamente significativo
- Si el IC es totalmente superior a 1 (para razones) → riesgo significativamente aumentado
- Si el IC es totalmente inferior a 1 (para razones) → riesgo significativamente reducido
❌ Errores de tipo I y tipo II: Dar la alarma sin motivo frente a no ver el problema.
Rechazar la hipótesis nula cuando en realidad es verdadera. En otras palabras: concluir que un tratamiento funciona cuando no es así. La tasa de falsos positivos. Convencionalmente aceptable en un 5 % (α = 0.05, p < 0.05).
"Dar la voz de alarma" — hacer sonar la alarma cuando no hay ningún lobo.
No rechazar la hipótesis nula cuando en realidad es falsa. En otras palabras: pasar por alto un verdadero efecto del tratamiento. La tasa de falsos negativos. Convencionalmente aceptable en un 20 % (β = 0.2, potencia = 80 %).
"Echar de menos al lobo": decir que no hay lobo cuando sí lo hay.
Potencia = 1 − β. Es la probabilidad de detectar correctamente un efecto real. Mayor potencia = menor probabilidad de pasar por alto un efecto real. La potencia aumenta con tamaños de muestra mayores. Un ensayo bien diseñado requiere una potencia ≥80%.
⚡ Significancia estadística ≠ Importancia clínica
Este es uno de los matices más importantes y más probados en las estadísticas AKT, y uno que muchos aprendices pasan por alto.
Un resultado puede ser Estadísticamente significante (p < 0.05) mientras que clínicamente insignificanteLa significación estadística solo indica que es improbable que el resultado se deba al azar; dice nada sobre si el efecto es lo suficientemente grande como para tener importancia en la práctica.
| Escenario | ¿Estadísticamente significativo? | ¿Clínicamente importante? |
|---|---|---|
| La presión arterial disminuye 1 mmHg, n=50,000, p=0.001 | Sí: | No |
| La presión arterial disminuye 15 mmHg, n=30, p=0.08 | No | Probablemente si |
| La presión arterial disminuye 12 mmHg, n=500, p=0.02 | Sí: | Sí: |
Mire siempre el tamaño del efecto (ARR, NNT, diferencia media) junto con valores p e intervalos de confianza. Un intervalo de confianza estrecho que excluya el cero o el uno es más significativo que un valor p por sí solo, ya que indica tanto la dirección como la precisión del efecto.
- IC estrecho → estimación precisa → alta confianza de que el valor real está cerca de la estimación puntual (generalmente a partir de una muestra grande)
- CI amplio → estimación incierta → el valor real podría estar en cualquier punto de un amplio rango (generalmente a partir de una muestra pequeña o heterogénea)
Ejemplo: RR = 1.5 (IC del 95 %: 1.4–1.6) → preciso, convincente. RR = 1.5 (IC del 95 %: 0.6–3.8) → amplio, incierto — y cruza 1.0, por lo que ni siquiera es significativo.
📈 Regresión a la media: el factor de confusión oculto en la práctica clínica
La regresión a la media es la tendencia estadística de que una medición extrema se acerque más al promedio en una segunda medición. independientemente de cualquier intervenciónEs una de las fuentes menos reconocidas de conclusiones erróneas en medicina.
A menudo, los pacientes son examinados o tratados precisamente cuando sus síntomas o mediciones están en su peor momento. La variabilidad natural implica que es probable que dichas mediciones mejoren en las pruebas posteriores, no necesariamente debido a la intervención. Sin un grupo de control, es imposible distinguir la regresión a la media del efecto real del tratamiento.
| Escenario | ¿Cómo se ve el efecto del tratamiento? | Lo que realmente podría estar sucediendo |
|---|---|---|
| El paciente presenta una presión arterial muy alta en una medición → se inició el tratamiento farmacológico → la presión arterial disminuyó en la siguiente consulta. | El medicamento está funcionando. | La primera lectura pudo haber sido un valor atípico; la presión arterial habría sido más baja de todos modos en la medición repetida. |
| El alumno obtiene una puntuación muy baja en un examen → recibe clases particulares → obtiene una puntuación mejor la próxima vez. | La matrícula ayudó | La baja puntuación puede no ser representativa; el rendimiento natural tiende a su promedio. |
| Paciente con un brote severo de eccema comienza a usar una nueva crema → el brote mejora. | La crema es eficaz | Los brotes severos mejoran naturalmente con el tiempo, independientemente del tratamiento. |
- Toma múltiples mediciones de referencia y utilice el promedio antes de comenzar el tratamiento.
- Use un grupo de control — La regresión a la media afecta a ambos grupos por igual, por lo que cualquier diferencia entre grupos tiene más probabilidades de ser un efecto real del tratamiento.
- Este es uno de los argumentos más sólidos a favor Ensayos clínicos aleatorizados frente a estudios no controlados de antes y después
Gráficos estadísticos: qué buscar
El examen AKT presenta gráficos con regularidad y te pide que los interpretes. Aprende a identificar la característica clave en cada tipo de gráfico; no intentes leerlo todo. Basta con una observación específica.
| Tipo de gráfico | Uso primario | Lo único que debes buscar |
|---|---|---|
| Parcela forestal | Resultados del metaanálisis | ¿Tiene el diamante ¿Cruzar la línea vertical sin efecto? |
| Gráfico de embudo | Detección de sesgo de publicación / Monitorización de valores atípicos en médicos de atención primaria | ¿Es la trama? asimétrico(Brecha = estudios no publicados faltantes) |
| Parcela de Cates | Comunicar visualmente el NNT a los pacientes | Cuenta las caras de "beneficio" coloreadas; NNT = 100 ÷ esas caras |
| La parcela del abad | Explorando la heterogeneidad en los metaanálisis | Punto en la línea diagonal = efecto del tratamiento cero |
| Diagrama de caja y bigotes | Distribución y difusión de datos | Línea media = media (no es la media); los puntos fuera de los bigotes = valores atípicos |
| Nomograma de Fagan | Probabilidad previa a la prueba → probabilidad posterior a la prueba | Traza una línea desde la probabilidad previa a la prueba a través de LR para leer la probabilidad posterior a la prueba. |
| Diagrama de tallo y hojas | Distribución: conserva los valores originales. | Es como un histograma, pero muestra puntos de datos individuales. |
| Curva de Kaplan-Meier | Análisis de supervivencia: tiempo hasta el evento | Los pasos disminuyen cuando ocurren eventos; las curvas que divergen pronto y se mantienen separadas sugieren un beneficio sostenido del tratamiento. |
| Histograma | Distribución de datos continuos | Forma de la curva: simétrica = distribución normal; asimétrica = usar la mediana en lugar de la media. |
🌲 Parcelas forestales: en detalle
- Cada cuadrado = un estudio. El tamaño del cuadrado = el peso del estudio (generalmente determinado por el tamaño de la muestra).
- Lineas horizontales = intervalo de confianza del 95% para ese estudio
- El diamante En la parte inferior = la estimación global combinada. Su ancho = el intervalo de confianza del 95% combinado.
- Línea vertical en 1.0 = "línea de no efecto" (para razones). Si una línea de IC o el diamante cruza esta línea, ese resultado es no estadísticamente significativo
El índice I² mide cuánta variación entre estudios se debe a la heterogeneidad real (diferencias reales) en lugar de al azar.
I² < 25% = baja heterogeneidad ✓
I² = 25–50% = heterogeneidad moderada
I² > 50% = heterogeneidad sustancial: el resultado combinado es menos fiable ⚠️
📯 Gráficos de embudo: sesgo de publicación y monitorización de valores atípicos en médicos de cabecera
En el AKT, los gráficos de embudo aparecen en dos contextos completamente diferentes; asegúrese de reconocer ambos.
Representa gráficamente el tamaño del efecto (eje x) frente a la precisión o el tamaño del estudio (eje y). Un embudo invertido simétrico indica ausencia de sesgo. Un embudo asimétrico con un hueco en la parte inferior izquierda indica la omisión de estudios negativos pequeños, lo que puede provocar sesgo de publicación.
Compara las prácticas de médicos generales en función de métricas (por ejemplo, tasas de derivación, mortalidad). Los puntos de datos fuera de las líneas del embudo son valores atípicos estadísticos justifica una investigación, no necesariamente prueba de un desempeño deficiente.
😊 Gráficos de Cates: Cómo extraer el NNT visualmente
Un diagrama de Cates (a veces llamado "diagrama de caras sonrientes") utiliza una cuadrícula de 100 caras para ayudar a los pacientes a visualizar el beneficio y el daño absolutos.
- Cada una de las 100 caras representa a una persona por cada 100 tratadas.
- Caras amarillas/verdes = personas que se beneficiaron (eventos prevenidos)
- caras rojas = personas que sufrieron daños
- Caras grises/simples = ningún efecto en ambos sentidos
📉 Curvas de supervivencia de Kaplan-Meier: cómo interpretarlas
Las curvas de Kaplan-Meier (KM) muestran la probabilidad de sobrevivir (o de permanecer libre de eventos) a lo largo del tiempo. Aparecen en las preguntas de AKT sobre ensayos clínicos de cáncer, estudios cardiovasculares y cualquier investigación que haga un seguimiento del tiempo hasta la aparición de un evento.
| Elemento | Lo que significa |
|---|---|
| El eje Y | Probabilidad de supervivencia (o supervivencia libre de eventos): comienza en 1.0 (100 %) y disminuye con el tiempo. |
| El eje X | Tiempo (días, meses, años) |
| Cada paso hacia abajo | Ha ocurrido un evento (por ejemplo, muerte, recaída). Pasos más grandes = más eventos en ese punto. |
| Marcas de verificación en la línea | Pacientes censurados: pacientes perdidos durante el seguimiento o cuyo estudio finalizó. No se trata de eventos. |
| Dos curvas que divergen pronto y se mantienen separadas | Sugiere un beneficio sostenido del tratamiento durante todo el seguimiento. |
| Curvas que se cruzan | Sugiere que el riesgo no es proporcional al tiempo, lo que complica la interpretación. |
| Supervivencia media | El punto temporal en el que la curva de supervivencia cruza el 50%, es decir, el punto en el que la mitad de los pacientes han tenido el evento. |
El prueba de rango logarítmico compara estadísticamente dos curvas KM. cociente de riesgo (HR) Resume la diferencia general entre las curvas. HR < 1 = el grupo de tratamiento presenta menos eventos a lo largo del tiempo. Si las curvas se superponen sustancialmente, el HR será cercano a 1 (sin beneficio).
📊 Histogramas: una visión general de la distribución
Un histograma muestra la distribución de una variable continua (por ejemplo, edad, presión arterial, IMC) agrupando los valores en intervalos (categorías) e indicando cuántas observaciones se encuentran en cada uno. A diferencia de un gráfico de barras, las barras se tocan, ya que los datos son continuos.
| Forma | Significado | ¿Usar la media o la mediana? |
|---|---|---|
| Forma de campana simétrica | Distribución normal: media, mediana y moda iguales. | Cualquiera de las dos opciones — pero convencionalmente media ± desviación estándar |
| asimetría positiva (derecha) | Cola larga hacia la derecha: algunos valores muy altos elevan la media. | Mediana (más representativa) |
| Asimetría izquierda (negativa) | Cola larga hacia la izquierda: algunos valores muy bajos hacen que la media baje. | Mediana (más representativa) |
| Bimodal (dos picos) | Dos subgrupos distintos en los datos | Informe ambos picos por separado. |
Mejora de la calidad y auditoría clínica
| Propósito | Características principales | |
|---|---|---|
| Auditoría clínica | Evaluar la práctica en función de estándares explícitos; identificar y subsanar deficiencias. | Requiere un estándar definido. Utiliza el ciclo PDSA. Implica cerrar el ciclo (reauditoría). No investigación: sin hipótesis, no se genera ningún conocimiento nuevo. |
| Análisis de Eventos Significativos (SEA) | Revisión multidisciplinaria sistemática de un único evento significativo | Sin culpabilización. Se centra en el aprendizaje del sistema, no en los errores individuales. Se comparte dentro del equipo. Documenta el aprendizaje y las acciones. |
| Análisis de causa raíz (RCA) | Investigación exhaustiva de incidentes graves. | Más estructurado que el SEA. Utiliza la técnica de los "5 porqués". Identifica las causas contribuyentes y las causas raíz. Se aplica a menudo a eventos que nunca deberían ocurrir o a daños graves. |
| Informes de excepciones de QOF | Exclusión apropiada de pacientes de los indicadores QOF | Clínicamente apropiado para: terapia máxima tolerada, rechazo informado del paciente, fragilidad extrema o contraindicación clínica. |
🔄 Auditoría clínica vs. investigación: diferencias clave
| Elemento | Auditoría clínica | Investigue |
|---|---|---|
| Propósito | Mejorar la atención comparándola con los estándares. | Generar nuevos conocimientos |
| Hipótesis | Ninguno: se compara con el estándar existente. | Siempre tiene una hipótesis |
| Aprobación de ética | Generalmente no es necesario | Generalmente requerido |
| Consentimiento | Generalmente no es necesario | Generalmente requerido |
| Aleatorización | Nunca | Puede incluir ensayos controlados aleatorios. |
| Resultado final | Mejora del servicio; plan de acción | Nuevas pruebas; publicación |
🔁 Ciclo PDSA
El ciclo Planificar-Hacer-Estudiar-Actuar (PDSA, por sus siglas en inglés) es el marco de mejora continua utilizado en la auditoría clínica y la mejora de la calidad.
| Fase | Lo que pasa |
|---|---|
| Plan | Defina la pregunta, establezca el estándar, planifique la recopilación de datos. |
| Do | Implementar el cambio o medir la práctica actual |
| ESTUDIO | Analizar los resultados; compararlos con el estándar; identificar las deficiencias. |
| Act | Implementar mejoras; planificar una nueva auditoría para cerrar el ciclo. |
Cálculos clínicos (Banco de fórmulas AKT)
Estas fórmulas aparecen en los cálculos de AKT. Apréndalas todas y conozca los valores límite clínicos que desencadenan la intervención.
🧮 Ejemplo práctico de ABPI
🎯 Escenario: La Sra. T, de 72 años, sufre dolor en la pierna al caminar.
🍷 Ejemplos prácticos de la unidad sobre alcohol
| Bebidas | Volumen (ml) | % de alcohol por volumen | Cálculo | Monitoreadas |
|---|---|---|---|---|
| Copa de vino grande | 250ml | 13% | 250 × 13 ÷ 1000 | 3.25 |
| Botella de vino | 750ml | 12% | 750 × 12 ÷ 1000 | 9.0 |
| Cerveza lager de pinta (fuerte) | 568ml | 5% | 568 × 5 ÷ 1000 | 2.84 |
| Medida de alcohol simple | 25ml | 40% | 25 × 40 ÷ 1000 | 1.0 |
Ejemplos resueltos
🎯 Ejemplo 1: Cálculo de todas las métricas de riesgo a partir de una tabla de ensayo
Un ensayo clínico aleatorizado asigna aleatoriamente a los pacientes a recibir el fármaco X o un placebo. Después de 3 años: 80 de 500 pacientes que recibieron placebo sufrieron un accidente cerebrovascular; 40 de 500 pacientes que recibieron el fármaco X sufrieron un accidente cerebrovascular.
🎯 Ejemplo 2: Construcción de una tabla de 2×2 y cálculo de la sensibilidad y la especificidad
Se aplica una nueva prueba a 200 pacientes, 100 de los cuales padecen la enfermedad. La prueba identifica correctamente a 85 de los 100 pacientes con la enfermedad y a 80 de los 100 que no la padecen.
🎯 Ejemplo 3: Cálculo de la dosis pediátrica
Un niño necesita 300 mg de amoxicilina. La suspensión disponible es de 250 mg/5 ml. ¿Qué volumen debe administrarse?
Hoja de fórmulas y ayudas mnemotécnicas
Fórmulas de riesgo y tratamiento
Las pruebas de diagnóstico
Fórmulas poblacionales y clínicas
- Hocico: Prueba sensible: un resultado negativo descarta la enfermedad (cribado).
- SpPin: Prueba específica: resultados positivos en la enfermedad (confirmación)
- CI cruza 1.0 (cociente) o 0 (diferencia) → no significativo
- El diamante de la parcela forestal cruza la línea → no significativo
- Asimetría del embudo → sesgo de publicación (o valor atípico del médico de cabecera si el contexto de rendimiento es relevante)
- Línea media del diagrama de caja → MEDIANA (no media)
- 68-95-99.7 → ±1DE, ±2DE, ±3DE en distribución normal
- I² >50% → heterogeneidad sustancial
- O bien, del caso-control | RR de la cohorte | Prevalencia de estudios transversales
- Auditoría ≠ Investigación (medidas de auditoría frente a estándares; la investigación genera nuevos conocimientos)
- Control de caso → OR (Odds Ratio) — analizando retrospectivamente las exposiciones
- Cohorte → RR (Riesgo Relativo) — hacia el futuro a partir de la exposición
- De corte transversal → Prevalencia: una instantánea en el tiempo
- ECA / SR → Estándar de oro para preguntas sobre tratamientos
Consejos para formadores y profesores
- Los residentes a menudo aprenden el NNT como una fórmula sin comprender su significado clínico real; asegúrese de que puedan explicarlo en una frase que un paciente pueda entender.
- La distinción entre sensibilidad/especificidad (propiedades de la prueba) y VPP/VPN (influenciado por la prevalencia) no se comprende bien; la analogía de la prueba de embarazo funciona bien.
- Muchos aprendices saben cómo es una parcela forestal, pero no pueden explicarlo. Lo que mirar — concentrarse en el diamante y si cruza la línea de no efecto
- El sesgo del tiempo de entrega se confunde frecuentemente con el sesgo de la duración; utilice diagramas o cronogramas para ilustrar la distinción.
- Los residentes suelen confundir la auditoría clínica con la investigación; utilice los propios ejemplos de las evaluaciones del RCGP.
- "Aquí tiene la tabla resumen de un ensayo clínico de un fármaco; ¿podría indicarme el NNT y si se lo recetaría a este paciente?"
- "Observe esta parcela forestal. ¿Es efectiva la intervención? ¿Qué tan seguro está de esa respuesta?"
- "Su paciente tiene una prueba FIT positiva. El valor predictivo positivo en una población de bajo riesgo es de aproximadamente el 3%. ¿Cómo le explica esto?"
- "Estamos viendo muchos resultados altos de PSA. ¿Cuál es el problema con usar el PSA como prueba de detección?"
- "Un colega quiere comparar nuestros resultados en el tratamiento de la sepsis con los del hospital. ¿Se trata de una auditoría o de una investigación? ¿Requiere revisión ética?"
- ¿Cómo le explicaría a un paciente que pregunta '¿Es seguro?' la probabilidad de un efecto secundario de 1 entre 50?
- ¿Cómo explica actualmente el riesgo a los pacientes? ¿Utiliza cifras absolutas o relativas?
- ¿Recuerda alguna guía clínica reciente que citara un NNT significativo? ¿Cuál era y cómo influyó en su práctica?
- ¿Alguna vez te has hecho una prueba sin conocer su sensibilidad/especificidad? ¿Cómo interpretaste el resultado?
- ¿Por qué una compañía farmacéutica optaría por presentar los resultados de sus ensayos como RRR en lugar de ARR?
🔥 Consejos de alto rendimiento de AKT
Estos son los patrones que se repiten en los exámenes AKT. Memorízalos y obtendrás una buena puntuación.
Siempre convierta primero los porcentajes a decimales. ARR = 5% → NNT = 1 ÷ 0.05 = 20. Siempre redondear. up al número entero más cercano. Un NNT menor = un tratamiento más eficaz.
Para razones (RR, OR, HR): cruces de IC 1.0 = no significativo. Para diferencias: cruces de IC 0 = no significativo. Esto aparece en casi todas las preguntas sobre diagramas de bosque.
Enfermedad rara → control de caso → O bien. Nueva exposición en el futuro → cohorte → RR. Instantánea de prevalencia → en sección transversal. Mejor evidencia para el tratamiento → ECA or Revisión sistemática/metaanálisis.
Prueba de pantalla → Se desea alta sensibilidad (no se quiere perder casos → SnNout). Prueba confirmatoria → Se busca una alta especificidad (no se desean falsos positivos → SpPin).
Incluso una prueba altamente específica (99%) ofrece un valor predictivo positivo bajo en entornos de baja prevalencia. La mayoría de los resultados positivos en los programas de cribado poblacional son falsos positivos. Por eso no realizamos pruebas de detección a todas las personas para todas las enfermedades.
Si diamante Si la estimación combinada cruza la línea vertical de ausencia de efecto, el resultado general NO es estadísticamente significativo. Si I² > 50%, existe una heterogeneidad sustancial y el resultado combinado es menos fiable.
Un hueco en la esquina inferior izquierda de un gráfico de embudo indica sesgo de publicación: los estudios pequeños con resultados negativos no se publicaron. Esto exagera el efecto aparente de un tratamiento en el metaanálisis.
La línea interior la caja es la media. La caja = RIC (50% central). Los puntos o círculos fuera de los bigotes = valores atípicos.
A las compañías farmacéuticas les encanta citar el RRR porque suena más impresionante. Un RRR del 50 % suena increíble, hasta que te das cuenta de que el riesgo basal era solo del 2 % (→ ARR = 1 %, NNT = 100). Siempre pregunta: ¿cuál era el riesgo basal?
Distribuciones asimétricas (ingresos, estancia hospitalaria, bilirrubina sérica) → uso media No es la media. La media está influenciada por los valores atípicos; la mediana no.
Auditoría: medidas contra una existente estándar; no se necesita ética; no hay hipótesis. Investigación: genera ¡nuevos Socios! de Conocimiento; requiere aprobación ética; tiene una hipótesis. Una distinción clave que la prueba AKT realiza repetidamente.
El análisis ITT incluye a todos los participantes aleatorios, independientemente de la adherencia. Esto proporciona una Conservador Estimación de la efectividad: más realista para la práctica clínica. El análisis por protocolo sobreestima el efecto.
Un ITB < 0.9 indica enfermedad arterial periférica. Un ITB > 1.3 indica vasos no compresibles (calcificados); el resultado no es fiable. El vendaje compresivo está contraindicado si el ITB < 0.8 (consulte las guías de compresión).
Cuenta las caras de beneficio (generalmente amarillas o verdes). NNT = 100 ÷ (número de caras de beneficio). 5 caras amarillas → NNT = 20.
Errores comunes y trampas para los aprendices
Estos son los errores que se repiten constantemente en los sistemas de calificación de AKT. Cada uno de ellos representa un punto que los candidatos reales pierden.
- Olvidar convertir los porcentajes a decimales antes de calcular el NNT (por ejemplo, ARR = 5% → se debe usar 0.05, no 5, para obtener NNT = 20, no 0.2).
- Redondeo de NNT DE INSCRIPCIÓN más bien que up (NNT = 12.5 → la respuesta es 13, no 12)
- Confundir RRR con ARR y citar la cifra relativa que suena más impresionante como el beneficio clínico.
- Decir que un resultado es "significativo" cuando el IC apenas toca 1.0 — debe No incluye 1.0 para ser significativo
- Indicar que la línea central del diagrama de caja y bigotes es la media, siempre es la media
- Confundir sensibilidad con VPP: la sensibilidad es una propiedad fija de la prueba; el VPP depende de la prevalencia.
- Pensar que una prueba muy específica en una población de baja prevalencia dará un resultado positivo fiable no es cierto (bajo valor predictivo positivo).
- Confundir una razón de probabilidades (OR) con una razón de riesgos (RR): las OR no se pueden usar directamente como RR, excepto cuando la enfermedad es poco frecuente.
- Decir que un estudio de casos y controles genera RR —en realidad genera OR—, porque se parte de casos y controles, no de una cohorte expuesta.
- Confundir la auditoría clínica con la investigación: afirmar que una auditoría necesita aprobación ética.
- Interpretar erróneamente el sesgo del tiempo de anticipación como si significara que un programa de detección realmente mejora la supervivencia.
- Olvidar que I² >50% en un gráfico de bosque genera dudas sobre la validez del resultado combinado.
- Para describir datos asimétricos (por ejemplo, ingresos, duración de la estancia hospitalaria), utilice la mediana.
🏁 Puntos finales para llevar a casa
- NNT = 1 ÷ ARR. Siempre convierta los porcentajes a decimales. Siempre redondee hacia arriba. Un NNT menor equivale a un mejor tratamiento.
- ARR es clínicamente fiable. RRR suena impresionante, pero puede inducir a error. Siempre compare RRR con el riesgo basal.
- La sensibilidad y la especificidad son propiedades fijas de una prueba. El valor predictivo positivo (VPP) y el valor predictivo negativo (VPN) varían según la prevalencia de la enfermedad.
- SnNout: las pruebas sensibles descartan el resultado negativo. SpPin: las pruebas específicas descartan el resultado positivo.
- El diamante del diagrama de bosque cruza la línea de no efecto → el resultado no es estadísticamente significativo. I² >50% → existen preocupaciones sobre la heterogeneidad.
- Asimetría en el gráfico de embudo → sesgo de publicación. Puntos fuera de los límites del embudo en el monitoreo del desempeño → prácticas atípicas.
- Intervalo de confianza para una razón que incluye 1.0 → no significativo. Intervalo de confianza para una diferencia que incluye 0 → no significativo.
- Caso-control → OR. Cohorte → RR. Transversal → prevalencia. ECA/SR → estándar de oro para el tratamiento.
- Datos asimétricos → utilice la mediana, no la media. La línea central del diagrama de caja representa la mediana. Los puntos que se encuentran fuera de los bigotes representan valores atípicos.
- Las auditorías clínicas se realizan conforme a estándares; no se requiere ética ni hipótesis. La investigación genera nuevos conocimientos; se requiere ética.
Las preguntas de estadística del AKT se encuentran entre las más fáciles de aprender. Dedicar unas horas a esta página y a algunos ejercicios prácticos te reportará grandes beneficios.