bio est 13062015

4
Bioestadística 13.06.2015 Luis Bustos. Pruebas diagnósticas. Una prueba diagnóstica sirve para ayudar a mejorar una estimación de probabilidad de que un individuo presente una enfermedad (E+) . P(E) = Nos ayudamos de: - Incidencia: % nuevos casos en la población . - Prevalencia: % de la pobla que presenta una enf. - Sensibilidad (verdaderos +) = tasa de acierto sobre enfermos. - Especificidad (verdaderos -) = Tasa de acierto sobre sanos. - Teorema de Bayes: se puede calcular las prob. A posteriori (en función de los resultados del test). VPP y VPN Sn = P(T+/E+). Verdaderos positivos : Prevalencia * Sensibilidad Persona enferma con test + (aciertos) Falso negativo : P(F-) = P(T-/E+) = 1-Sn . Probabilidad de que sujetos sanos estén sanos: Sp. Sp = P(T-/E-) = 1-Sp. P(F+) = P(T+/E-)= 1-S VPP + VP+ =(Sn*Prev)/ [(Sn*Prev + (1-Sp)(1-Prev)] a/(a+b) VP- = VP- =Sp(1-Prev)/ [Sp(1-Prev) + (1-Sn)Prev] Tabla 2x2 diapo 28

Upload: camilofono

Post on 17-Dec-2015

233 views

Category:

Documents


4 download

DESCRIPTION

bioest

TRANSCRIPT

Bioestadstica13.06.2015

Luis Bustos.

Pruebas diagnsticas.

Una prueba diagnstica sirve para ayudar a mejorar una estimacin de probabilidad de que un individuo presente una enfermedad (E+) .

P(E) = Nos ayudamos de: - Incidencia: % nuevos casos en la poblacin . - Prevalencia: % de la pobla que presenta una enf. - Sensibilidad (verdaderos +) = tasa de acierto sobre enfermos. - Especificidad (verdaderos -) = Tasa de acierto sobre sanos. - Teorema de Bayes: se puede calcular las prob. A posteriori (en funcin de los resultados del test).

VPP y VPN

Sn = P(T+/E+). Verdaderos positivos : Prevalencia * Sensibilidad Persona enferma con test + (aciertos) Falso negativo : P(F-) = P(T-/E+) = 1-Sn .

Probabilidad de que sujetos sanos estn sanos: Sp. Sp = P(T-/E-) = 1-Sp. P(F+) = P(T+/E-)= 1-S

VPP +

VP+ =(Sn*Prev)/ [(Sn*Prev + (1-Sp)(1-Prev)] a/(a+b)VP- = VP- =Sp(1-Prev)/ [Sp(1-Prev) + (1-Sn)Prev]

Tabla 2x2 diapo 28

Test + - + 0,06 0,008 0,068 a+b- 0,14 0,792 0,932 c+d Total 0,200,801 a+c b+d

VPP : 0,06/0,068 = VP- : 0,0792 /0,0932 =

Probabilidad condicional: Probabilidad de que un evento condicione a otro . P(AintB) /P(B) P(AintB) = P(B)P(A/B)

diagti STATA para hacer clculos rapidos de test diagnsticos. VP F- FP Vn orden para poner.

Area de roc (Sens + spec) /2 .

Siempre es necesaria la prevalencia de las enfermedades para poder calcular VP+ y -

Likelihood Ratio o cuociente de verosimilitud.

LR+= Sensibilidad / (1-especificidad) : tasa de aciertos sobre el error de diagnosticar a una persona sana.

Al utilizar LR al comparar 2 exmenes me permite saber cul es el mejor. Por cada un diagnstico positivo errado, hay 8 aciertos.

LR- = (1-sensibilidad)/especificidad (mientras mas pequeo sea este valor, mejor es el examen) .

SpPin : Sp especificidad P Positivo , In Dentro, Seguro. SnNout : Sn= Sensibility, N = Negative, Out = Fuera, imposible.

Utilidad de cuociente de verosimilitud. Se mantiene constante cuando vara la prevalencia.

Pasos para convertir la probabilidad pretest de tener una enfermedad, a la probabilidad post-test, usando la razn de probabilidad. 1. Establezca la probabilidad pre-test que como ya se dijo es igual a la prevalencia esperada de la enfermedad en el paciente. 2. Convierta la probabilidad pretest en el odds pretest odds pretest = probabilidad pretest / (1-probabilidad pretest) 3. Obtenga el odds post-test odds posttest = (odds pretest) x (razn de probabilidad) 4. Obtenga la probabilidad post test probabilidad post test = odds posttest / (odds posttest +1) odds = probabilidad / (1- probabilidad)

PPT: Cuando el examen da positivo tienes x mas probabilidades de estar enfermo que no-enfermo.

Inferencia Estadstica:

Est. Descriptiva: Describe, analiza y representa un grupo de datos utilizando mtodos numricos y grficos que resumen y presentan la informacin.

Dada una poblacin y un tema de estudio: 1) Definir poblacin con el cual trabajar el tema de invest (inclusin/exclusin) de los individuos que componen esa poblacin. OJO: el criterio de inclusin, no es el complemento del criterio de exclusin. Un criterio de inclusin no es una variable bajo estudio. 2)