Download Generación de hipótesis y estimación de probabilidades pretest
Document related concepts
no text concepts found
Transcript
Curso MBE IV Medicina Universidad de Valparaíso Generación de hipótesis y estimación de probabilidades pretest Dr. Claudio Puebla A. Generación de hipótesis • Enseñanza tradicional: anamnesis completa, examen físico exhaustivo y laboratorio básico. Después elegir los datos alterados y juntarlos en una hipótesis diagnóstica. • Sin embargo, no es así en la práctica. • El médico experimentado comienza a generar hipótesis diagnósticas con poca información. • Proceso diagnóstico es sumamente dirigido. • Habitualmente la combinación del síntoma principal, la forma de instalación del cuadro, los síntomas y hallazgos acompañantes, permitirán sugerir hipótesis diagnósticas. Primer paso: generación de hipótesis • La manera en que se inicia el proceso diagnóstico, durante la evaluación inicial del paciente, es variada. – Un solo síntoma: Disuria – Hallazgo único al examen físico: Soplo cardiaco. – Test único de laboratorio: Calcio elevado. – Conjunto de síntomas o signos (Síndrome). Síndrome nefrótico. – Cluster: algunos datos que se asocian orientando un diagnóstico. Eritrocitosis aislada y esplenomegalia = Policitemia Vera (triadas, tétradas) Generación de hipótesis • Datos obtenidos en la evaluación gatillan la aparición de hipótesis diagnósticas que puedan explicarlos. • Cerebro manipula cuantos ( paquetes) de información. Esta se asocia o genera una hipótesis. Muy rápido. • Generalmente se trabaja con un pequeño grupo de diagnósticos que se activan en cualquier momento. ( 5 a 10 ítems a la vez). • Factores importantes en la generación de hipótesis son las heurísticas, prevalencias, también la severidad o gravedad de la condición del paciente. Problemas generación de hipótesis • No siempre heurísticas se relacionan con la prevalencia. • Gatillar hipótesis en base a la prevalencia de la enfermedad es bueno, pero no tan práctico, requiere de mucha memoria y proceso mental. • Es útil usar la gravedad ( enfermedades con mayor riesgo vital o de secuelas) para generar hipótesis diagnósticas. • Muy útiles uso de “clusters” (racimos) de datos que orientan a alguna enfermedad. Ejemplos de cluster • Cluster sensibles, pero menos específicos. Su presencia hace planteable el diagnóstico, pero se deben buscar otras pruebas para confirmar o descartar: – Soplo y fiebre pensar en Endocarditis Infecciosa – Hemoptisis en menor de 40 años pensar en TBC y mayor de 40 años en cáncer de pulmón. – HTA e hipokalemia considerar hiperaldosteronismo – Mujer joven con hipotensión inexplicada shock tóxico estafilocócico – Hipotensión refractaria al aporte de volumen enfermedad de Addison Otros cluster más específicos • Fiebre, falla renal e ictericia ‚ Leptospirosis • Dolor abdominal crónico y neuropatía periférica ‚ Intoxicación por plomo • Púrpura EEII y glúteos, artralgias, dolor abdominal y hematuria ‚ Schonlein- Henoch • Paciente joven con hemólisis y falla hepática ‚ Enfermedad de Wilson • Paciente transplantado de médula ósea con hepatomegalia, aumento de peso, ictericia y ascitis ‚ Enfermedad Veno-oclusiva. • Neutropenia con dolor abdominal en cuadrante inferior derecho, fiebre y diarrea sanguinolenta ‚ Tiflitis • Anemia hemolítica, anemia aplásica y trombosis venosa ‚ Hemoglobinuria Paroxística Nocturna Cluster altamente específicos – En paciente VIH que tiene neumotórax es Pneumocistis carinii (joroveci) hasta que se pruebe lo contrario. – Fiebre en paciente cirrótico con ascitis ‚ Peritonitis Bacteriana Espontánea – Eritrocitosis aislada y esplenomegalia ‚ Policitemia Vera. – AVE en paciente joven y fiebre ‚ Endocarditis infecciosa. Problemas en la generación de hipótesis • El proceso de generación de hipótesis es imperfecto. • Ninguna heurística o prevalencia garantiza evitar el error diagnóstico. • Enfermedades raras y manifestaciones enfermedades frecuentes se sobreponen. atípicas de • Errores perceptuales (de recolección de variables más que de razonamiento). • Insuficiente conocimiento de enfermedades. Diferencias entre expertos • Los principiantes usan estrategias no selectivas • Los expertos usan estrategias más fuertes y dirigidas. Expertos en la generación de hipótesis – Alta calidad de hipótesis gatillada – Conocimiento de varios “cluster” de claves. – Conocimiento de síndromes y enfermedades. – Reconocen que descripciones de libros son insuficientes (descripciones clásicas no representan bien la realidad). – Mayor experiencia con pacientes enriquecen modelos disponibles de enfermedad, con el que enfrentar nuevos casos. Otros elementos útiles en la generación de hipótesis • • • • • • • • • Edad Sexo Raza Antecedentes familiares Procedencia (país, ciudad, campo, casa, etc.) o lugares de estadía Apariencia del paciente Antecedentes del paciente Estado inmunitario Tratamientos recibidos Generación de hipótesis: Casos difíciles, nuevos o cuando no tenemos estrategias previas • Útil usar algunas herramientas que nos ayudarán en formular posibles diagnósticos. – Etiología general. – Formas de instalación. – Anatomía. • Combinación de los 3. Uso de etiologías generales • Frente a cualquier problema o síntoma, pensar en etiologías generales, que puedan orientar a posibles diagnósticos. • – – – – – – – – – VINDICATE V = vascular I = inflamatorio - infeccioso N = neoplásico - neurológico o psiquiátrico D = Degenerativo - dieta I = Intoxicación- idiopático - iatrogénico C = congénito A = alérgico – autoinmune T = Trauma E = endocrino y metabólico VINDICATE ejemplo • Paciente que consulta por dolor torácico: – Vascular: IAM, TEP, disección aórtica. – Inflamatoria/infecciosa: neumonía, pericarditis, miocarditis/triquinosis. – Neoplásico/neurológico/psiquiátrico: Cáncer pulmonar / compromiso nervio intercostal/ crisis de pánico. – Degenerativo/dietético: artrosis. – Intoxicación/iatrogenia: efecto de cardioversión eléctrica. – Congénito: nada – Alérgico/autoinmune: lupus/ dermatomiositis/polimiositis – Trauma: caída, accidente. – Endocrina/metabólico: hiperparatiroidismo/feocromocitoma, etc. Formas de presentación • Agudo, crónico, subagudo, súbito, intermitente, cíclico. – – – – Agudo: infecciones Subagudo: infecciones Ictal o súbito: vascular o trauma Crónico: neoplásico o inflamatorio. Menos probable infecciones – Años: congénito – Intermitente: enfermedades autoinmunes. – Progresivo: neoplásico – Es uno de los elementos más útiles. Forma de evolución Ejemplo • Dolor torácico: – Súbito: TEP, IAM, disección aórtica, neumotórax. – Agudo: neumonía – Progresivo: neoplasia – Intermitente: coronario, LES Enfoque anatómico • En casos difíciles centrarse en la localización del síntoma fundamental y pensar en todas las estructuras anatómicas que se encuentran en el área cercana. • También no olvidar síntomas referidos, que no corresponden anatómicamente al área donde se está presentando, sino a sitios más distantes. Enfoque Anatómico ejemplo • Dolor torácico: – – – – – – – – – Cardiaco Pericárdico Aorta Mediastino Esófago Pleura Pulmón Vértebras Pared torácica: piel, celular subcutáneo, muscular, vascular, neuropático, etc. – Cercanos: abdomen superior o cervical inferior. Estimación de probabilidades pretest • Proceso clave en la formulación del diagnóstico. • La estimación de la probabilidad de ocurrencia de una determinada enfermedad determinará el curso a seguir. • Pero esencialmente permitirá interpretar la nueva información adquirida. Especialmente utilizando el Teorema de Bayes. • Esto no es fácil, generalmente se realiza utilizando la información clínica del paciente, comparándola con nuestro conocimiento y experiencia con la enfermedad, además de utilizar la frecuencia de la enfermedad en nuestro medio. Cómo estimar las probabilidades de cada una de ellas 1. Basados en nuestra experiencia: heurísticas 2. – – – Basados en la literatura: prevalencia reglas de predicción clínica partición recursiva 3. Basados en las características propias del paciente. 4. Combinación de cada método. Estimando probabilidades basados en nuestra experiencia • Heurísticas • Muy útiles, pero con limitaciones, especialmente con falta de experiencia. – Representatividad. – Disponibilidad. – Efecto marco. • Cuidado con prevalencia. Basados en la literatura Prevalencia • Muy útil, pero no siempre disponible. • Paciente en estudio por causa de cirrosis en Chile. – – – – – – – – Alcohólica: cercano al 50 % Autoinmune: 10 % Virus C: 10 % Cirrosis biliar primaria: 5 % Colangitis esclerosante: 1 % Hemocromatosis: 1 % Raras: Wilson, Virus Hepatitis B, déficit de alfa 1 AT: 1 % Desconocida: 20 % Otros ejemplos de prevalencia • Causas de insuficiencia cardiaca. • Causas de síndrome nefrótico (diferente en adultos que en niños). • Causa de disuria en mujer que consulta en forma ambulatoria. • Causas de tos crónica. • Causas de fiebre de origen desconocida, etc. Reglas de predicción clínica • Se han desarrollado múltiples reglas de predicción en medicina, las que son sumamente interesantes y útiles. • No son definitivas en el diagnóstico, deben ser contrastadas con nuestra experiencia, criterio, conocimiento y las características propias del paciente. • Sin embargo, pueden ser una guía para la toma de decisiones. • No sólo son útiles en el diagnóstico, sino que también en la evaluación pronóstica. Ejemplos de reglas de predicción clínica Probabilidad de amigdalitis por estreptococo – – – – • • • • • Fiebre Adenopatía cervical anterior Exudado en la amígdala Ausencia de tos 0= 1= 2= 3= 4= LR 0,16 0,30 0,75 2,10 6,30 33 % 7% 13% 27% 51% 76% Poses y col. Ann Intern Med 1986;105:586 Reglas de predicción clínica • Deben realizarse de una manera que confirmen su validez. • Son basados en estudios en que se obtienen datos clínicos de muchos pacientes con el problema en cuestión. El diagnóstico final de cada paciente es decidido en forma independiente de estos datos. • Por métodos estadísticos (análisis multivariados) se detectan las variables independientes que están asociadas a la confirmación del diagnóstico. Reglas de predicción clínica • Cuanto más variables predictoras independientes estén presentes, mayor es la probabilidad de tener la enfermedad. • Se pueden categorizar subgrupos según los puntajes obtenidos, que se asocian además a una probabilidad de tener la enfermedad. • La regla debe ser validada en una población distinta a la original para corroborar los hallazgos y su precisión. Ejemplos de reglas de predicción clínica Sospecha de TEP – – – – – – – – – Mayor de 65 años Diagnóstico de cáncer Dolor en la pierna Dolor torácico subesternal Aumento de la FC mayor de 20 latidos por minuto. FC mayor de 90 por minuto Nuevo R3 o R4 Cintigrama pulmonar positivo Factor de corrección (agregar al puntaje total) • • • • 1-10 11-18 19-23 24-31 0% 38 % 89 % 100 % 3 4 3 -3 4 4 -4 5 8 Hollerich, Wigton. Arch Inter Med 1986;146:1699 Partición recursiva • A través de un proceso estadístico se obtiene un algoritmo que clasifica a los pacientes frente a un problema. Esta clasificación otorga la probabilidad de una determinada enfermedad en cada grupo. • Algoritmo: uso de instrucciones, paso a paso, para resolver un problema. Partición recursiva • El proceso diagnóstico es representado por una serie de puntos con decisión sí/no. • El objetivo final es ubicar al paciente en un grupo de alta o baja probabilidad. • Las preguntas que clasifican los pacientes, tienen que ser altamente discriminativas. • Obtenidas con grandes muestras de pacientes. Ejemplo de partición recursiva Probabilidad de estreptococo en amigdalitis ¿Adenopatía Cervical Grande o sensible? sí no ¿Exudado Faríngeo? no ¿Exposición Reciente? no sí p strepto= 0,28 sí p strepto= 0,28 sí ¿Tos reciente? no p strepto= 0,15 sí ¿T° oral >101 F? p strepto= 0,15 no p strepto= 0,04 Walsh y col. 1975 Considerando las características individuales del paciente • A menudo usados por un médico experto. Fijarse en un aspecto particular del paciente, que no se halla en la literatura, que modificará la probabilidad del diagnóstico. • Ejemplo: un hombre de 34 años con dolor torácico que no tiene muchas características de anginoso. Tanto las reglas de predicción clínica y otros estudios publicados indican una probabilidad no mayor de 0,2 (20%). Sin embargo, 2 hermanos y su padre tuvieron un IAM fatal antes de los 40 años. Por esta razón, podemos evaluar que la probabilidad de IAM es más alta que la normalmente aceptada para este paciente. • Los análisis multivariados no detectan factores predictores que son tan infrecuentes, por lo que los antecedentes familiares tienen pocas posibilidades de ser incluidos en la regla de predicción clínica. Ejemplo diferencia entre experto y principiante • Historia del paciente: • Mi rodilla me dolió demasiado anoche, tanto que me despertó del dolor. Estaba bien cuando me fui a acostar. Ahora está hinchada. Es el peor dolor que he tenido en mi vida. He tenido problemas como este antes en la misma rodilla, una vez hace 9 meses atrás y otra hace 2 años. No tengo ninguna molestia entre ellas. NEJM 2006:355: 2217 Ejemplo diferencia entre experto y principiante • Presentación del residente novato: • Mi paciente es un hombre de 54 años de raza blanca con dolor en la rodilla. Este partió anoche. El no cuenta ningún trauma. Al examen, sus signos vitales son normales. a la palpación su rodilla está hinchada, roja y dolorosa. Le duele mucho cuando evalúo su rango de movilidad. El ha tenido este problema 2 veces antes. • Podría ser una infección. Podría ser una artritis reumatoidea de nueva instalación. Podría ser la enfermedad de Lyme. Debido a que él no recuerda haberse caído, dudo que sea por trauma. No sé si la artrosis se presenta como este caso, pero él tiene dolor en la rodilla. NEJM 2006:355: 2217 Ejemplo diferencia entre experto y principiante • Presentación del residente experto: • Mi paciente es una hombre de 54 años de raza blanca con un dolor de la rodilla derecha de inicio súbito que lo despertó anoche. No relata trauma y estaba asintomático cuando se fue a acostar. Su historia es destacable por tener 2 episodios similares, de dolor severo hace 9 meses y 2 años atrás. El está libre de dolor entre los episodios. El está afebril hoy. Su rodilla está hinchada, sensible a la palpación y eritematosa. NEJM 2006:355: 2217 Ejemplo diferencia entre experto y principiante • El paciente tiene una gota aguda. Ha tenido múltiples discretos episodios de instalación aguda, con dolor severo que afectan sólo una articulación con signos de inflamación al examen. Antes de todos sus episodios el estaba asintomático. Yo habría esperado que la gota afecte a la primera metatarso-falángica, pero puede afectar a la rodilla. No veo puerta de entrada que sugiera artritis infecciosa aguda y él se ve bien para eso. El resto de las articulaciones están normales al examen. Yo dudo que sea una crisis de artrosis con pseudogota o una inflamación sistémica, tal como artritis reumatoidea. NEJM 2006:355: 2217