Teoremadebayes Clinica

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/316911956
EL TEOREMA DE BAYES Y EL DIAGNÓSTICO CLÍNICO Memorias del Noveno

Congreso Internacional Sobre la Enseñanza y Aplicación de las Matemáticas
Universidad Nacional Autónoma de México
Conference Paper · May 2017
CITATIONS READS
0 4,831
2 authors:
Ladislao Palomar Josué Guerrero

Universidad Nacional Autónoma de México Universidad Nacional Autónoma de México
9 PUBLICATIONS 0 CITATIONS 14 PUBLICATIONS 0 CITATIONS
SEE PROFILE SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Uso del sistema operativo social Facebook como un indicador de impacto social de las instituciones educativas View project
All content following this page was uploaded by Ladislao Palomar on 13 May 2017.
The user has requested enhancement of the downloaded file.

Memorias del Congreso Internacional Sobre la Enseñanza y Aplicación de las Matemáticas
Facultad de Estudios Superiores Cuautitlán
EL TEOREMA DE BAYES Y EL DIAGNÓSTICO CLÍNICO
Ladislao Palomar Morales,1*, Josué Yasar Guerrero Morales1

1
FES Cuautitlán UNAM. Av. 1o de Mayo S/N, Santa María las Torres, 54740
Cuautitlán Izcalli, Mex.
POVD046
Resumen
La finalidad del laboratorio clínico es contribuir al diagnóstico médico confirmando o rechazando
hipótesis, por lo que se comprende la importancia de saber interpretar correctamente las pruebas
diagnósticas. El resultado de una prueba diagnóstica permite en primer lugar clasificar a un individuo
como sano o enfermo, orientar su tratamiento, aportar información sobre su pronóstico y contribuir en
la aplicación de medidas preventivas.
El cálculo de la probabilidad post-prueba recibe el nombre de “teorema de Bayes” el cual ejemplifica
cómo se procede dentro de la clínica cada vez que la información previa va modificando las
probabilidades del diagnóstico, haciendo más o menos verosímil cada hipótesis. En otras palabras, el
teorema de Bayes nos proporciona la herramienta matemática para calcular cómo una prueba
diagnóstica cambia la probabilidad pre-prueba a un nuevo valor post-prueba.
.
Palabras clave: Probabilidad, Diagnóstico, Laboratorio, Salud pública, teorema de Bayes.
1. Introducción
En las Asignaturas de Salud Pública y Diagnóstico de Laboratorio I, Salud

Pública y Diagnóstico de Laboratorio II y Seminario de Diagnóstico Integral de
la Licenciatura Bioquímica Diagnóstica de nuestra Facultad, al hablar de teoremas,
en la mayoría de los casos, existe un gesto de sorpresa por parte del alumnado,
debido a que no logran asociar el uso de la probabilidad en este tipo de asignaturas.
No obstante, el Teorema de Bayes, también llamado teorema de las causas, tiene
un gran impacto en la inferencia estadística. Hoy por hoy son conocidas las diversas
aplicaciones en muchas ramas de la ciencia como: genética, epidemiología, ciencia
forense, medicina, ecología, psicología, entre otras.
En este trabajo se presentan algunas de las aplicaciones del Teorema de Bayes
dentro del diagnóstico médico y las pruebas diagnósticas, ya que es una excelente
herramienta que nos permite estimar probabilidades causales, es decir, saber cuál es
la probabilidad de tener una enfermedad, basándose en los síntomas presentados, o
mediante pruebas diagnósticas, a partir de la prevalencia, sensibilidad y
especificidad.
1 *
Ladislao Palomar Morales. E-mail: [email protected] Tel. 56-23-20-50
Congreso, 3, 4 y 5 de mayo del 2017 -1-

2. Teorema de Bayes
Dicho teorema es una proposición planteada por el clérigo y filósofo inglés Thomas
Bayes (1702-1761) en 1763, que expresa la probabilidad condicional de un evento
aleatorio “A” dado el evento “B”, en términos de la distribución de probabilidad
condicional del evento “B” dado “A” y la distribución de probabilidad marginal de
sólo “A”.
Figura 1. Thomas Bayes y su Teorema (elaboración propia)
Veamos un ejemplo del uso de este Teorema: El 20 % de los empleados de una

empresa son ingenieros y otro 20 % son economistas. El 75 % de los ingenieros
ocupan un puesto directivo y el 50 % de los economistas también, mientras que de
los no ingenieros y los no economistas solamente el 20 % ocupa un puesto directivo.
¿Cuál es la probabilidad de que un empleado directivo elegido al azar sea ingeniero?
Un esquema de este problema es el siguiente:

Figura 2. Esquema de probabilidades del problema del directivo
La probabilidad entonces se calcula con la ecuación (1):

( ) ( )
Ec. 1: =
( ) ( ) ⋯ ( )
Donde p(A1) es la probabilidad a priori

Donde p(A1/B) es la probabilidad a posteriori
Donde p(B/A1) es la verosimilitud
Al sustituir los valores tenemos la siguiente ecuación (2):
( . )( . )
Ec. 2: ( / )=
( . )( . ) ( . )( . ) ( . )( . )
Que nos da como resultado:
Ec. 3: ( / ) = 0.405
Es decir, un 40.5 %.
3. El Diagnóstico Clínico
Existen diferentes formas de proporcionar el diagnóstico de una enfermedad, los

médicos antiguamente se basaban de forma única en los datos proporcionados por
el paciente y en las observaciones realizadas por ellos en el momento de la consulta,
denominándose a este procedimiento diagnóstico por comparación; posteriormente a
principios del siglo XX se favoreciendo un mejor diagnóstico con el surgimiento de los
laboratorios de análisis clínicos. Actualmente se usa el llamado diagnóstico por
evidencias o medicina basada en evidencias donde se toman en cuenta los signos,
los síntomas y diferentes pruebas de diagnóstico. Por lo tanto, la finalidad del
laboratorio clínico es proporcionar resultados confiables de las pruebas realizadas
para contribuir al diagnóstico médico, confirmando o rechazando la hipótesis

diagnóstica; por lo cual es importante interpretar correctamente las pruebas

diagnósticas.
El resultado de una prueba permite clasificar al individuo como sano o enfermo,
permitiendo con esto orientar el tratamiento, aportar información sobre el pronóstico y
contribuir en la aplicación de medidas preventivas. Para cada una de las pruebas de
diagnóstico existe un intervalo de valores de referencia previamente calculados:
 Si los valores encontrados en la prueba de diagnóstico para un paciente en

particular caen dentro del intervalo de referencia el médico concluye que el
paciente está sano.
 Si caen fuera de este intervalo el médico concluye que al menos para ese
analito el paciente no está dentro del valor normal y en algunos casos con ese
solo resultado el médico podría decir que el paciente tiene o padece
determinada enfermedad.
El mejor ejemplo del uso del teorema de Bayes en el diagnóstico clínico es valuando
la sensibilidad y especificidad de una prueba de laboratorio, comparándola con la
llamada “Prueba de oro”; que es considerada como el procedimiento definitivo para
establecer si se tiene la característica de interés o no.
La sensibilidad de una prueba responde las siguientes preguntas:
 ¿Cuántos resultados positivos se obtendrán en los individuos enfermos?
 ¿Cuántos casos del total de casos en una población estudiada pueden
identificarse por el resultado de la prueba?
La especificidad de una prueba responde las siguientes preguntas:
 ¿Cuántos resultados negativos se obtendrán de personas sin la enfermedad?
 ¿Cuántos individuos sanos se confirmaran por el resultado de la prueba?
Para conocer la sensibilidad y especificidad de una prueba de laboratorio a partir de
una población en la que existe un cierto número de individuos sanos y otro número
de individuos enfermos se les realiza la prueba y los resultados obtenidos de una
prueba de laboratorio se colocan en una tabla como la que se muestra en la tabla 1:
Tabla 1. Tabla de doble entrada para la evaluación de la sensibilidad y especificidad

de una prueba de diagnóstico
Veamos un ejemplo: Un médico sospecha que un paciente tiene lupus con una
probabilidad pre-prueba (antes de realizar los análisis de laboratorio) de 20 %,

utilizando una prueba que tiene una sensibilidad de 70 % y especificidad de 98 %.

¿Cuál es la probabilidad post-prueba?
Tabla 2. Proceso para calcular la probabilidad post-prueba por el teorema de Bayes

1. Debe partir de los siguientes datos y cálculos sencillos:
 Sensibilidad de la prueba = 0.7
 Especificidad de la prueba = 0.98
 LR+ = Sensibilidad/1-Especificidad = 0.7/0.02 = 35
 LR- = 1-Sensibilidad/Especificidad = 0.3/0.98 = 0.31
2. En seguida, convierta la probabilidad pre-prueba en momio pre-prueba:
 Probabilidad pre-prueba = 0.2
 Momio pre-prueba = 0.2/0.8 = 0.25
3. Multiplique los momios pre-prueba por los LR (positivo o negativo) para el cálculo de
los momios post-prueba:
 Momio post-prueba positiva = Momio pre-prueba x LR+ = 0.25 x 35 = 8.75
 Momio post-prueba negativa = Momio pre-prueba x LR- = 0.25 x 0.31 = 0.078
 Finalmente, debe re-convertir los momios post-prueba en valores de
probabilidad.
 Probabilidad post-prueba positiva = Momio post-prueba positiva/(1 + Momio
post-prueba positiva) = 8.75/9.75 = 0.897 = 89.7 %.
 Probabilidad post-prueba negativa = Momio post-prueba negativa/1 + Momio
post-prueba negativa = 0.078/( 1+0.078) = 0.072 = 7.2 %
Interpretación: La probabilidad pre-prueba de 20 %, se convierte en probabilidad post-
prueba de 89.7 % si la prueba resulta positiva, y de 7.2 % si resulta negativa.
Referencias
 Cuevas R., C. y Alejo M., A. (2010). Validez y fiabilidad de las medidas de

exposición y medición. División de Estudios Profesionales. Facultad de
Psicología. UNAM. [En línea]. Consultado el 5 de enero de 2017. Disponible
en: http://bit.ly/2mI50cN
 Ponce de León R., S. y Macías H., A. E. (2006). La toma de decisiones en
medicina. Seminario: El ejercicio Actual de la medicina. Seminario sobre
Medicina y salud. Facultad de Medicina, UNAM. [En línea]. Consultado el 5 de
enero de 2017. Disponible en http://bit.ly/2n9SnKC
 Prospector PJ. (2011). Bayes’s theorem falls foul of the law. The
Pharmaceutical Journal, Blog. [En línea]. Obtenido en febrero de 2017 de:
http://bit.ly/2nzw7L9
View publication stats

Teoremadebayes Clinica

Cargado por

Copyright:

Formatos disponibles

Teoremadebayes Clinica

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Teoremadebayes Clinica

Cargado por

Copyright:

Formatos disponibles

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

EL TEOREMA DE BAYES Y EL DIAGNÓSTICO CLÍNICO Memorias del Noveno

Conference Paper · May 2017

Ladislao Palomar Josué Guerrero

SEE PROFILE SEE PROFILE

The user has requested enhancement of the downloaded file.

EL TEOREMA DE BAYES Y EL DIAGNÓSTICO CLÍNICO

Ladislao Palomar Morales,1*, Josué Yasar Guerrero Morales1

En las Asignaturas de Salud Pública y Diagnóstico de Laboratorio I, Salud

Congreso, 3, 4 y 5 de mayo del 2017 -1-

Figura 1. Thomas Bayes y su Teorema (elaboración propia)

Veamos un ejemplo del uso de este Teorema: El 20 % de los empleados de una

Congreso, 3, 4 y 5 de mayo del 2017 -2-

Figura 2. Esquema de probabilidades del problema del directivo

La probabilidad entonces se calcula con la ecuación (1):

Donde p(A1) es la probabilidad a priori

Existen diferentes formas de proporcionar el diagnóstico de una enfermedad, los

Congreso, 3, 4 y 5 de mayo del 2017 -3-

diagnóstica; por lo cual es importante interpretar correctamente las pruebas

 Si los valores encontrados en la prueba de diagnóstico para un paciente en

Tabla 1. Tabla de doble entrada para la evaluación de la sensibilidad y especificidad

Congreso, 3, 4 y 5 de mayo del 2017 -4-

utilizando una prueba que tiene una sensibilidad de 70 % y especificidad de 98 %.

Tabla 2. Proceso para calcular la probabilidad post-prueba por el teorema de Bayes

 Cuevas R., C. y Alejo M., A. (2010). Validez y fiabilidad de las medidas de

Congreso, 3, 4 y 5 de mayo del 2017 -5-

View publication stats

También podría gustarte