Probabilidad y Estadstica en Medicina

UNED

Curso de Experto Universitario en

Probabilidad y Estadstica en Medicina

www.ia.uned.es/cursos/prob-estad

Teorema de Bayes en medicina

F. J. Dez Vegas
Dpto. Inteligencia Artificial. UNED
fjdiez@dia.uned.es
www.ia.uned.es/~fjdiez

Teorema de Bayes
X

Sabamos que
P ( x| y ) =

P ( x, y )
P (y )

P ( x , y ) = P ( x )P ( y | x )
P (y ) =

P (y| x ) P (x )

por la definicin de P(x|y)

por la definicin de P(y|x)
por el teorema de la prob. total

Combinando estos resultados

P ( x| y ) =

P ( x, y ) P ( x ) P ( y | x )
=
=
P (y )
P (y )

P (x ) P (y| x )
P (x' ) P (y| x' )
x'

Es decir, conociendo P(x) y P(y|x) calculamos P(x|y)

Probabilidad y Estadstica en Medicina

UNED

Teorema de Bayes. Ejemplo

X
X
X
X
X

La enfermedad peditrica A tiene una prevalencia del 3%.

El 80% de las personas adultas que padecieron A en su
infancia desarrollan la enfermedad B.
Solamente el 1% de las personas que no padecieron A en su
infancia desarrollan B.
Tenemos un paciente que presenta la enfermedad B. Cul es
la probabilidad de que padeciera A en su infancia?
Solucin:
P ( + b)

P ( + b|+ a ) P ( + a ) + P ( + b| a ) P ( a )

0'80 0'03 + 0'01 0'97 = 0'024 + 0'0097 = 0'0337

P ( + a|+ b ) =
=

P ( +a ) P ( + b|+ a )
P ( + b)
0'03 0'8
= 0'7122
0'0337

Conceptos bsicos en medicina

Enfermedad E, hallazgo H
X

Prevalencia: P(+e)

Sensibilidad: P(+h|+e)

Especificidad: P(h|e)

Incidencia absoluta

= nuevos casos / perodo de tiempo

X

Incidencia relativa

= nuevos casos / ( perodo de tiempo n

habitantes )
Ejemplo: 1373 casos de IAM / ao 10.000
habitantes

En situaciones estables:

Probabilidad y Estadstica en Medicina

UNED

Valor predictivo de un hallazgo

X

Valor predictivo positivo: P(+e|+h)

P ( + e ) P ( + h|+ e )
P ( + e ) P ( + h|+ e ) + P ( e ) P ( + h | e )

P ( + e |+ h ) =
VPP =

P rev S e ns
P re v S ens + (1 P re v ) (1 E sp ec )

Valor predictivo negativo: P(e|h)

P ( e| h ) =

VPN =

P ( e ) P ( h| e )
P ( + e ) P ( h|+ e ) + P ( e ) P ( h| e )

( 1 P re v) E s p e c
P re v ( 1 S e n s ) + ( 1 P re v ) E s p e c

Ejemplo

Prev
001
008
001
001

Sens
099
099
0999
099

Espec
099
099
099
0999

Vpp
05
084
0502
09

Vpn
09999
09995
099999
09999

Probabilidad y Estadstica en Medicina

UNED

Advertencia
X

Mucho cuidado al hablar de la fiabilidad de un test!

Ejemplo:
La prevalencia de X es el 1
P(+x) = 0001
La sensibilidad de Y es el 98% P(+y|+x) = 098
La especificidad de Y es el 96% P(y|x) = 096
Por tanto, la fiabilidad de Y es:
F = P(+x,+y) + P(x,y)
= P(+y|+x) P(+x) + P(y|x) P(x)
= 098 0001 + 096 0999 = 096002
Es decir, la prueba Y determina el valor correcto de X
en el 96% de los casos.
Sin embargo, un resultado positivo en Y no significa que el
paciente tenga un 96% de probabilidad de padecer X.
De hecho, Vpp = P(+x|+y) = 0024 = 24% 96%

Forma racional del teorema de Bayes

P ( + e ) P ( h |+ e )

P ( + e ) P ( h |+ e ) + P ( e ) P ( h | e )

P ( e ) P ( h| e )
P ( e| h ) =
P ( + e ) P ( h | + e ) + P ( e ) P ( h | e )
P ( + e| h ) =

R P p re

P (+e )
P (e )

P ( + e| h )
P ( + e ) P ( h |+ e )
=

P ( e| h )
P ( e ) P ( h| e )

R P post

P ( + e| h )
P ( e| h )

RV

P ( h |+ e )
P ( h| e )

RP = Razn de probabilidad (odds)

RV = Razn de verosimilitud (likelihood ratio)
R P p o s t = R P p re R V

Probabilidad y Estadstica en Medicina

UNED

Ejemplo
P ( + e ) = 0 '0 3

R P p re =

R P p o s t = R P p re R V

h
severo
m oderado
leve
ausente

P(h|+e)
035
045
016
004

P ( + e| h ) =

P(h|e)
001
003
016
080

0 '0 3
= 0 '0 3 0 9
1 0 '0 3

P ( + e| h ) =

RV
35
15
1
005

R P post
1 + R P post

RP post
10825
04640
00309
00015

P(+e|h)
05198
03169
00300
00015

P ( + e ) P ( h |+ e )
P ( + e ) P ( h | + e ) + ( 1 P ( + e )) P ( h | e )