Unidad 2

Probabilidad y Estadística Clínica: del Dato al Juicio

La atención clínica moderna se construye sobre estimaciones de riesgo, comparaciones probabilísticas y decisiones bajo incertidumbre. Esta guía organiza los conceptos fundamentales de probabilidad y estadística para que puedas analizar evidencia, valorar pruebas diagnósticas y comunicar riesgos de forma responsable con tus pacientes y equipos.

Al terminar sabrás

  • Identificar tipos de probabilidades clínicas
  • Aplicar el Teorema de Bayes a casos reales
  • Seleccionar medidas descriptivas apropiadas

Competencias clave

  • Pensamiento bayesiano aplicado
  • Interpretación de evidencia clínica
  • Comunicación del riesgo

Cómo usar esta guía

Avanza sección por sección. Cada bloque combina narrativas clínicas, fórmulas clave y recursos descargables. Utiliza los botones de resumen para repasar rápidamente los conceptos y los casos prácticos para ponerte a prueba.

1 Fundamentos de probabilidad clínica

Toda estimación clínica comienza con la probabilidad de un evento: la presencia de una enfermedad, una respuesta terapéutica o la aparición de un desenlace adverso. Reconocer cómo se genera esa probabilidad es clave para no sobredimensionar ni subestimar la incertidumbre.

Frecuentista

Estima la probabilidad como la frecuencia relativa observada en grandes muestras. Ideal para describir poblaciones y construir pruebas diagnósticas estandarizadas.

Pregúntate

¿Qué tan seguido aparece este hallazgo cuando la enfermedad está presente?

Bayesiano

Actualiza una probabilidad previa con nueva información. Fundamental para decisiones individuales, donde el contexto clínico modifica la interpretación de la evidencia.

Pregúntate

¿Cómo cambia mi sospecha inicial tras obtener este resultado diagnóstico?

Laboratorio mental: prueba PCR para influenza

Situación clínica

Brote comunitario. Prevalencia estimada (probabilidad previa) de influenza A: 15%.

Desempeño de la prueba

  • Sensibilidad: 92%
  • Especificidad: 95%

Pregunta

¿Cuál es la probabilidad posterior de influenza si la prueba es positiva?

Aplicando Bayes con proporciones:

  1. De 1 000 pacientes, 150 tendrán influenza (15%).
  2. La prueba detectará 138 verdaderos positivos (92% de 150) y generará 43 falsos positivos (5% de 850).
  3. Probabilidad posterior = 138 / (138 + 43) = 76%.

Este valor predictivo positivo debe comunicarse junto con el contexto: un resultado positivo no confirma al 100%, pero aumenta sustancialmente la sospecha clínica y justifica aislar y tratar al paciente.

2 Laboratorio interactivo de fórmulas

Ajusta los parámetros para explorar cómo las probabilidades y los intervalos de confianza cambian en escenarios reales. Las cifras se actualizan al instante para que puedas incorporar el razonamiento cuantitativo a tus discusiones clínicas.

Calculadora de Teorema de Bayes

%
%
%

Valor predictivo positivo (VPP)

76.0%

La probabilidad de tener la enfermedad si la prueba es positiva.

Explorador de intervalos de confianza

Ajusta los parámetros para ver cómo afectan al intervalo de confianza (IC) y su relación con una prueba de hipótesis. Un IC nos da un rango de valores plausibles para la media poblacional verdadera.

mmHg
mmHg
mmHg

Resultados del IC

Grados de libertad: 49
Error estándar: 2.1 mmHg
Valor crítico: t = 1.96
Margen de error: ±4.1 mmHg

Intervalo de confianza: 115.9 – 124.1 mmHg

Tabla de traducción clínica

Utiliza esta tabla para conectar los conceptos estadísticos con decisiones concretas de práctica clínica.

Concepto Interpretación clínica Uso recomendado
Medidas de tendencia central Resumen del comportamiento promedio o típico de una variable (media, mediana, moda). Describe a grandes grupos; elige la mediana cuando hay asimetrías marcadas.
Medidas de dispersión Cuantifican la variabilidad (rango intercuartílico, desviación estándar). Evalúa si la muestra es homogénea; útiles al comparar tratamientos.
Intervalos de confianza Rango de valores compatibles con los datos y la incertidumbre del muestreo. Prefiere IC 95% en informes clínicos; analiza su amplitud para valorar precisión.
Pruebas de hipótesis Evalúan si los datos apoyan una diferencia o asociación específica. Reporta siempre el p-valor junto a la magnitud del efecto y el tamaño de la muestra.
Razones de verosimilitud Cuantifican cuánto cambia la probabilidad de enfermedad con un hallazgo. Combina LR+ y LR- con nomogramas de Fagan para decisiones rápidas.

Mini caso: dolor torácico en urgencias

Usa este itinerario para practicar la integración de probabilidades en un escenario de alto impacto.

Paso 1 · Estimar la probabilidad previa

Revisa factores de riesgo, síntomas cardinales y electrocardiograma inicial. Estima un 30% de probabilidad de síndrome coronario agudo.

Paso 2 · Incorporar pruebas rápidas

Troponina ultrasensible con sensibilidad 99% y especificidad 85%. Resultado inicial negativo. La probabilidad posterior cae a ~5%, pero debes repetir a las 3 horas para descartar un ascenso tardío.

Paso 3 · Revaluar con nueva evidencia

Segundo valor de troponina permanece normal. Combina con un score clínico bajo y estratifica al paciente en categoría de bajo riesgo (<1%).

Paso 4 · Comunicar y documentar

Explica al paciente que la probabilidad residual es muy baja, pero establece signos de alarma y plan de seguimiento. Documenta valores numéricos y fuente de las probabilidades.

Punto de reflexión:

Cada actualización de probabilidad requiere reconocer sesgos (anclaje, disponibilidad) y considerar costos de falsos negativos y falsos positivos. Usa listas de verificación y discute en equipo.

Rutas de aprendizaje sugeridas

1. Cimientos

Revisa conceptos de combinatoria básica, reglas de suma y multiplicación. Practica con problemas breves de probabilidad condicional.

2. Probabilidad aplicada

Analiza artículos clínicos. Identifica cómo reportan prevalencias, razones de verosimilitud e intervalos de confianza. Resume la información en tu libreta de guardia.

3. Comunicación y liderazgo

Ensaya explicar resultados probabilísticos a pacientes y colegas. Utiliza metáforas numéricas (“7 de cada 10”) y verifica comprensión.

Para profundizar:

  • Explora calculadoras clínicas como el nomograma de Fagan o herramientas Bayes online para simular diferentes escenarios.
  • Discute en sesiones de morbi-mortalidad cómo se construyeron las probabilidades que sustentaron las decisiones.
  • Practica en R o Python con conjuntos de datos abiertos para reproducir análisis básicos y graficar distribuciones.

Tutor de Estadística Clínica

Respuestas instantáneas basadas en la guía

El tutor responde con base en los contenidos de esta unidad. Los mensajes no se envían a servidores externos.