Diagnóstico diferencial - Differential diagnosis

Diagnóstico diferencial
Malla	D003937
[ editar en Wikidata ]

En la atención médica, un diagnóstico diferencial (abreviado DDx ) es un método de análisis de la historia clínica y el examen físico de un paciente para llegar al diagnóstico correcto. Implica distinguir una enfermedad o afección particular de otras que se presentan con características clínicas similares. Los médicos utilizan procedimientos de diagnóstico diferencial para diagnosticar la enfermedad específica en un paciente o, al menos, para considerar cualquier afección que ponga en peligro la vida de manera inminente. A menudo, cada opción individual de una posible enfermedad se denomina diagnóstico diferencial (p. Ej., La bronquitis aguda podría ser un diagnóstico diferencial en la evaluación de la tos, incluso si el diagnóstico final es un resfriado común ).

De manera más general, un procedimiento de diagnóstico diferencial es un método de diagnóstico sistemático que se utiliza para identificar la presencia de una entidad patológica en la que son posibles múltiples alternativas. Este método puede emplear algoritmos, similares al proceso de eliminación , o al menos un proceso de obtención de información que reduce las "probabilidades" de las condiciones candidatas a niveles insignificantes, utilizando evidencia como síntomas, historial del paciente y conocimiento médico para ajustar la epistémica. confidencias en la mente del diagnosticador (o, para el diagnóstico computarizado o asistido por computadora, el software del sistema).

El diagnóstico diferencial puede considerarse como la implementación de aspectos del método hipotético-deductivo , en el sentido de que la presencia potencial de enfermedades o afecciones candidatas puede verse como hipótesis que los médicos determinan además como verdaderas o falsas.

Un diagnóstico diferencial también se usa comúnmente dentro del campo de la psiquiatría / psicología, donde se pueden adjuntar dos diagnósticos diferentes a un paciente que presenta síntomas que podrían encajar en cualquiera de los diagnósticos. Por ejemplo, un paciente que ha sido diagnosticado con trastorno bipolar también puede recibir un diagnóstico diferencial de trastorno límite de la personalidad, dada la similitud en los síntomas de ambas afecciones.

Las estrategias utilizadas para preparar una lista de diagnóstico diferencial varían según la experiencia del proveedor de atención médica. Si bien los proveedores novatos pueden trabajar de manera sistémica para evaluar todas las posibles explicaciones de las inquietudes de un paciente, aquellos con más experiencia a menudo se basan en la experiencia clínica y el reconocimiento de patrones para proteger al paciente de retrasos, riesgos y costos de estrategias o pruebas ineficientes. Los proveedores eficaces utilizan un enfoque basado en la evidencia, complementando su experiencia clínica con el conocimiento de la investigación clínica.

Componentes generales

Un diagnóstico diferencial tiene cuatro pasos generales. El médico:

1. Reúna información relevante sobre el paciente y cree una lista de síntomas.
2. Enumere las posibles causas ( condiciones candidatas ) de los síntomas. No es necesario que la lista esté por escrito.
3. Priorice la lista equilibrando los riesgos de un diagnóstico con la probabilidad. Estos son parámetros subjetivos, no objetivos.
4. Realice pruebas para determinar el diagnóstico real. Esto se conoce con la frase coloquial "descartar". Incluso después del proceso, el diagnóstico no está claro. El médico considera nuevamente los riesgos y puede tratarlos empíricamente, a menudo llamado "Mejor Adivinación Educada".

Un mnemónico para ayudar a considerar múltiples procesos patológicos posibles es VINDICATE'M :

• V ascular
• Me nflammatory/ I nfectious
• N eoplásico
• D egenerative/ D Eficiencia/ D alfombras
• I diopático/ I ntoxicación/ I atrogénico
• C ongenital
• A utoinmune/ A llergic/ A natomic
• T RauMatic
• E ndocrine/ E mbiental
• M etabolic

Métodos específicos

Existen varios métodos para los procedimientos de diagnóstico diferencial y varias variantes entre ellos. Además, un procedimiento de diagnóstico diferencial se puede utilizar de forma concomitante o alternativa con protocolos, directrices u otros procedimientos de diagnóstico (como el reconocimiento de patrones o el uso de algoritmos médicos ).

Por ejemplo, en caso de emergencia médica , puede que no haya tiempo suficiente para realizar cálculos detallados o estimaciones de diferentes probabilidades, en cuyo caso el protocolo ABC ( Vía aérea, Respiración y Circulación ) puede ser más apropiado. Posteriormente, cuando la situación sea menos aguda, puede adoptarse un procedimiento de diagnóstico diferencial más completo.

El procedimiento de diagnóstico diferencial puede simplificarse si se encuentra un signo o síntoma " patognomónico " (en cuyo caso es casi seguro que la afección objetivo está presente) o en ausencia de un signo o síntoma ' sine qua non (en cuyo caso es casi seguro que la condición objetivo está ausente).

Un diagnosticador puede ser selectivo, considerando primero aquellos trastornos que son más probables (un enfoque probabilístico), más graves si no se diagnostican y no se tratan (un enfoque de pronóstico), o más receptivo al tratamiento si se ofrece (un enfoque pragmático). Dado que la probabilidad subjetiva de la presencia de una afección nunca es exactamente del 100% o del 0%, el procedimiento de diagnóstico diferencial puede apuntar a especificar estas diversas probabilidades para formar indicaciones para acciones posteriores.

Los siguientes son dos métodos de diagnóstico diferencial, que se basan en la epidemiología y las razones de probabilidad, respectivamente.

Método basado en epidemiología

Un método para realizar un diagnóstico diferencial por epidemiología tiene como objetivo estimar la probabilidad de cada condición candidata comparando sus probabilidades de haber ocurrido en primer lugar en el individuo. Se basa en probabilidades relacionadas tanto con la presentación (como el dolor) como con las probabilidades de las diversas condiciones candidatas (como las enfermedades).

Teoría

La base estadística para el diagnóstico diferencial es el teorema de Bayes . Como analogía, cuando un dado ha caído, el resultado es seguro en un 100%, pero la probabilidad de que hubiera ocurrido en primer lugar (de aquí en adelante abreviado como WHOIFP ) sigue siendo de 1/6. De la misma forma, la probabilidad de que una presentación o condición hubiera ocurrido en primer lugar en un individuo (WHOIFPI) no es la misma que la probabilidad de que la presentación o condición haya ocurrido en el individuo, porque la presentación ha ocurrido en un 100%. certeza en el individuo. Sin embargo, las fracciones de probabilidad contributiva de cada condición se asumen iguales, relativamente:

${\ displaystyle {\ begin {alineado} & {\ frac {\ Pr ({\ text {La presentación es causada por la condición en el individuo}})} {\ Pr ({\ text {La presentación ocurrió en el individuo}})}} = {\ frac {\ Pr ({\ text {Presentación WHOIFPI por condición}})} {\ Pr ({\ text {Presentación WHOIFPI}})}} \ end {alineado}}}$

dónde:

• Pr (La presentación es causada por una condición en el individuo) es la probabilidad de que la presentación sea causada por una condición en la condición individual sin más especificaciones se refiere a cualquier condición candidata.
• Pr (La presentación ha ocurrido en el individuo) es la probabilidad de que la presentación haya ocurrido en el individuo, que se puede percibir y, por lo tanto, se establece en el 100%.
• Pr (Presentación WHOIFPI por condición) es la probabilidad de que la presentación hubiera ocurrido en primer lugar en el individuo por condición
• Pr (Presentación WHOIFPI) es la probabilidad de que la presentación hubiera ocurrido en primer lugar en el individuo

Cuando un individuo presenta un síntoma o signo, Pr (la presentación ha ocurrido en el individuo) es del 100% y, por lo tanto, puede reemplazarse por 1, y puede ignorarse ya que la división por 1 no hace ninguna diferencia:

${\ displaystyle \ Pr ({\ text {La presentación es causada por la condición en el individuo}}) = {\ frac {\ Pr ({\ text {Presentación WHOIFPI por condición}})} {\ Pr ({\ text {Presentación WHOIFPI }})}}}$

La probabilidad total de que la presentación haya ocurrido en el individuo se puede aproximar como la suma de las condiciones individuales del candidato:

${\ displaystyle {\ begin {alineado} \ Pr ({\ text {Presentación WHOIFPI}}) & = \ Pr ({\ text {Presentación WHOIFPI por condición 1}}) \\ & {} + \ Pr ({\ text {Presentación WHOIFPI por condición 2}}) \\ & {} + \ Pr ({\ text {Presentación WHOIFPI por condición 3}}) + {\ text {etc.}} \ End {alineado}}}$

Además, la probabilidad de que la presentación haya sido causada por cualquier condición candidata es proporcional a la probabilidad de la condición, dependiendo de qué tasa provoque la presentación:

${\ displaystyle \ Pr ({\ text {Presentación WHOIFPI por condición}}) = \ Pr ({\ text {Condición WHOIFPI}}) \ cdot r _ {{\ text {condición}} \ rightarrow {\ text {presentación}} },}$

dónde:

• Pr (Presentación WHOIFPI por condición) es la probabilidad de que la presentación hubiera ocurrido en primer lugar en el individuo por condición
• Pr (condición WHOIFPI) es la probabilidad de que la condición hubiera ocurrido en primer lugar en el individuo
• r _{Condición → presentación} es la velocidad a la que una afección causa la presentación, es decir, la fracción de personas con afecciones que se manifiesta con la presentación.

La probabilidad de que una condición haya ocurrido en primer lugar en un individuo es aproximadamente igual a la de una población que es lo más similar posible al individuo excepto por la presentación actual, compensada cuando sea posible por los riesgos relativos dados por el factor de riesgo conocido que distinguir al individuo de la población:

${\ displaystyle \ Pr ({\ text {Condición WHOIFPI}}) \ approx RR _ {\ text {condición}} \ cdot \ Pr ({\ text {Condición en la población}}),}$

dónde:

• Pr (condición WHOIFPI) es la probabilidad de que la condición hubiera ocurrido en primer lugar en el individuo
• La _condición RR es el riesgo relativo de afección conferido por factores de riesgo conocidos en el individuo que no están presentes en la población.
• Pr (condición en la población) es la probabilidad de que la condición ocurra en una población que sea lo más similar posible al individuo excepto por la presentación

La siguiente tabla demuestra cómo se pueden establecer estas relaciones para una serie de condiciones candidatas:

	Condición candidata 1	Condición candidata 2	Condición candidata 3
Pr (condición en la población)	Pr (condición 1 en la población)	Pr (condición 2 en la población)	Pr (condición 3 en la población)
Condición RR	RR 1	RR 2	RR 3
Pr (condición WHOIFPI)	Pr (condición 1 WHOIFPI)	Pr (condición 2 WHOIFPI)	P (condición 3 WHOIFPI)
r Condición → presentación	r Condición 1 → presentación	r Condición 2 → presentación	r Condición 3 → presentación
Pr (Presentación WHOIFPI por condición)	Pr (Presentación WHOIFPI por condición 1)	Pr (Presentación WHOIFPI por condición 2)	Pr (Presentación WHOIFPI por condición 3)
Pr (Presentación WHOIFPI) = la suma de las probabilidades en la fila justo arriba
Pr (la presentación es causada por una condición en el individuo)	Pr (La presentación es causada por la condición 1 en el individuo)	Pr (la presentación es causada por la condición 2 en el individuo)	Pr (la presentación es causada por la condición 3 en el individuo)

Una "condición candidata" adicional es el caso de que no haya anormalidad, y la presentación es solo una apariencia (generalmente relativamente improbable) de un estado básicamente normal. Su probabilidad en la población ( P (Sin anormalidad en la población) ) es complementaria a la suma de probabilidades de condiciones candidatas "anormales".

Ejemplo

Este caso de ejemplo demuestra cómo se aplica este método, pero no representa una guía para manejar casos similares del mundo real. Además, el ejemplo utiliza números relativamente especificados, a veces con varios decimales , mientras que, en realidad, a menudo hay estimaciones aproximadas, como las probabilidades de que sean muy altas , altas , bajas o muy bajas , pero que siguen utilizando los principios generales del método.

Para un individuo (que se convierte en el "paciente" en este ejemplo), un análisis de sangre de, por ejemplo, calcio sérico muestra un resultado por encima del rango de referencia estándar , que, según la mayoría de las definiciones, se clasifica como hipercalcemia , que se convierte en la "presentación". en este caso. Un médico (que se convierte en el "diagnosticador" en este ejemplo), que actualmente no ve al paciente, se entera de su hallazgo.

Por razones prácticas, el médico considera que hay suficientes indicaciones de prueba para consultar la historia clínica del paciente . Para simplificar, digamos que la única información proporcionada en los registros médicos es un historial familiar de hiperparatiroidismo primario (aquí abreviado como PH), lo que puede explicar el hallazgo de hipercalcemia. Para este paciente, digamos que se estima que el factor de riesgo hereditario resultante confiere un riesgo relativo de 10 (RR _PH = 10).

El clínico considera que existe suficiente motivación para realizar un procedimiento de diagnóstico diferencial para el hallazgo de hipercalcemia. Las principales causas de hipercalcemia son el hiperparatiroidismo primario (HP) y el cáncer , por lo que, para simplificar, la lista de condiciones candidatas que el médico podría pensar se puede dar como:

• Hiperparatiroidismo primario (PH)
• Cáncer
• Otras enfermedades en las que podría pensar el médico (que simplemente se denominan "otras afecciones" en el resto de este ejemplo)
• Sin enfermedad (o sin anomalía), y el hallazgo se debe completamente a la variabilidad estadística

La probabilidad de que el 'hiperparatiroidismo primario' (HP) hubiera ocurrido en primer lugar en el individuo ( P (PH WHOIFPI) ) se puede calcular de la siguiente manera:

Digamos que el último análisis de sangre realizado por el paciente fue hace medio año y fue normal y que la incidencia de hiperparatiroidismo primario en una población general coincide adecuadamente con el individuo (excepto por la presentación y la herencia mencionada) es de 1 en 4000 por año. Si se ignoran los análisis retrospectivos más detallados (como la velocidad del progreso de la enfermedad y el tiempo de retraso del diagnóstico médico ), el tiempo de riesgo de haber desarrollado hiperparatiroidismo primario se puede considerar aproximadamente como el último semestre porque una hipercalcemia desarrollada previamente probablemente sería han sido recuperados por el análisis de sangre anterior. Esto corresponde a una probabilidad de hiperparatiroidismo primario (HP) en la población de:

${\ displaystyle \ Pr ({\ text {PH en la población}}) = 0.5 {\ text {años}} \ cdot {\ frac {1} {\ text {4000 por año}}} = {\ frac {1} {8000}}}$

Con el riesgo relativo conferido por los antecedentes familiares, la probabilidad de que el hiperparatiroidismo primario (HP) hubiera ocurrido en primer lugar en el individuo dada a partir de la información actualmente disponible se convierte en:

${\ Displaystyle \ Pr ({\ text {PH WHOIFPI}}) \ approx RR_ {PH} \ cdot \ Pr ({\ text {PH en la población}}) = 10 \ cdot {\ frac {1} {8000}} = {\ frac {1} {800}} = 0.00125}$

Se puede suponer que el hiperparatiroidismo primario causa hipercalcemia esencialmente el 100% de las veces (r _{PH → hipercalcemia} = 1), por lo que se puede suponer que esta probabilidad de hiperparatiroidismo primario (HP) calculada de forma independiente es la misma que la probabilidad de ser una causa de la presentación:

${\ displaystyle {\ begin {alineado} \ Pr ({\ text {Hypercalcemia WHOIFPI por PH}}) & = \ Pr ({\ text {PH WHOIFPI}}) \ cdot r _ {{\ text {PH}} \ rightarrow {\ text {hipercalcemia}}} \\ & = 0,00125 \ cdot 1 = 0,00125 \ end {alineado}}}$

Para el cáncer , se asume el mismo tiempo de riesgo por simplicidad, y digamos que la incidencia de cáncer en el área se estima en 1 en 250 por año, dando una probabilidad poblacional de cáncer de:

${\ displaystyle \ Pr ({\ text {cáncer en la población}}) = 0.5 {\ text {años}} \ cdot {\ frac {1} {\ text {250 por año}}} = {\ frac {1} {500}}}$

Para simplificar, digamos que se ignora cualquier asociación entre antecedentes familiares de hiperparatiroidismo primario y riesgo de cáncer, por lo que el riesgo relativo de que el individuo haya contraído cáncer en primer lugar es similar al de la población (RR _cáncer = 1) :

${\ Displaystyle \ Pr ({\ text {cáncer WHOIFPI}}) \ approx RR _ {\ text {cáncer}} \ cdot \ Pr ({\ text {cáncer en la población}}) = 1 \ cdot {\ frac {1} {500}} = {\ frac {1} {500}} = 0.002.}$

Sin embargo, la hipercalcemia solo ocurre en, muy aproximadamente, el 10% de los cánceres (r _{cáncer → hipercalcemia} = 0,1), por lo que:

${\ displaystyle {\ begin {alineado} & \ Pr ({\ text {Hipercalcemia WHOIFPI por cáncer}}) \\ = & \ Pr ({\ text {cáncer WHOIFPI}}) \ cdot r _ {{\ text {cáncer} } \ rightarrow {\ text {hipercalcemia}}} \\ = & 0.002 \ cdot 0.1 = 0.0002. \ end {alineado}}}$

Las probabilidades de que la hipercalcemia hubiera ocurrido en primer lugar por otras condiciones candidatas se pueden calcular de manera similar. Sin embargo, para simplificar, digamos que la probabilidad de que cualquiera de estos hubiera ocurrido en primer lugar se calcula en 0,0005 en este ejemplo.

Para el caso de que no haya enfermedad , la probabilidad correspondiente en la población es complementaria a la suma de probabilidades para otras condiciones:

${\ displaystyle {\ begin {alineado} \ Pr ({\ text {no hay enfermedad en la población}}) & = 1- \ Pr ({\ text {PH en la población}}) - \ Pr ({\ text {cáncer en población}}) \\ & {} \ quad - \ Pr ({\ text {otras condiciones en la población}}) \\ & {} = 0,997. \ end {alineado}}}$

Se puede suponer que la probabilidad de que el individuo esté sano en primer lugar sea la misma:

${\ displaystyle \ Pr ({\ text {sin enfermedad WHOIFPI}}) = 0,997. \,}$

La tasa a la cual el caso de ninguna condición anormal todavía termina en la medición del calcio sérico de estar por encima del rango de referencia estándar (clasificando así como hipercalcemia) es, según la definición de rango de referencia estándar, menos del 2.5%. Sin embargo, esta probabilidad se puede especificar más considerando cuánto se desvía la medición de la media en el rango de referencia estándar. Digamos que la medición de calcio sérico fue de 1,30 mmol / L, que, con un rango de referencia estándar establecido en 1,05 a 1,25 mmol / L, corresponde a una puntuación estándar de 3 y una probabilidad correspondiente de 0,14% de que tal grado de hipercalcemia hubiera ocurrió en primer lugar en el caso de que no haya anomalías:

${\ displaystyle r _ {{\ text {sin enfermedad}} \ rightarrow {\ text {hipercalcemia}}} = 0,0014}$

Posteriormente, la probabilidad de que la hipercalcemia no hubiera resultado de ninguna enfermedad se puede calcular como:

${\ displaystyle {\ begin {alineado} & \ Pr ({\ text {Hipercalcemia WHOIFPI sin enfermedad}}) \\ = & \ Pr ({\ text {sin enfermedad WHOIFPI}}) \ cdot r _ {{\ text { sin enfermedad}} \ rightarrow {\ text {hipercalcemia}}} \\ = & 0.997 \ cdot 0.0014 \ approx 0.0014 \ end {alineado}}}$

La probabilidad de que la hipercalcemia hubiera ocurrido en primer lugar en el individuo se puede calcular así como:

${\ displaystyle {\ begin {alineado} & \ Pr ({\ text {hipercalcemia WHOIFPI}}) \\ = & \ Pr ({\ text {hipercalcemia WHOIFPI por PH}}) + \ Pr ({\ text {hipercalcemia WHOIFPI por cáncer}}) \\ & {} + \ Pr ({\ text {hipercalcemia WHOIFPI por otras condiciones}}) + \ Pr ({\ text {hipercalcemia WHOIFPI por ninguna enfermedad}}) \\ = & 0.00125 + 0.0002 + 0,0005 + 0,0014 = 0,00335 \ end {alineado}}}$

Posteriormente, la probabilidad de que la hipercalcemia sea causada por hiperparatiroidismo primario (HP) en el individuo se puede calcular como:

${\ displaystyle {\ begin {alineado} & \ Pr ({\ text {hipercalcemia es causada por PH en individuos}}) \\ = & {\ frac {\ Pr ({\ text {hipercalcemia WHOIFPI por PH}})} {\ Pr ({\ text {hipercalcemia WHOIFPI}})}} \\ = & {\ frac {0.00125} {0.00335}} = 0.373 = 37.3 \% \ end {alineado}}}$

De manera similar, la probabilidad de que la hipercalcemia sea causada por cáncer en el individuo se puede calcular como:

${\ displaystyle {\ begin {alineado} & \ Pr ({\ text {la hipercalcemia es causada por el cáncer en el individuo}}) \\ = & {\ frac {\ Pr ({\ text {hipercalcemia WHOIFPI por cáncer}})} {\ Pr ({\ text {hipercalcemia WHOIFPI}})}} \\ = & {\ frac {0.0002} {0.00335}} = 0.060 = 6.0 \%, \ end {alineado}}}$

y para otras condiciones candidatas:

${\ displaystyle {\ begin {alineado} & \ Pr ({\ text {la hipercalcemia es causada por otras condiciones en el individuo}}) \\ = & {\ frac {\ Pr ({\ text {hipercalcemia WHOIFPI por otras condiciones}} )} {\ Pr ({\ text {hipercalcemia WHOIFPI}})}} \\ = & {\ frac {0.0005} {0.00335}} = 0.149 = 14.9 \%, \ end {alineado}}}$

y la probabilidad de que realmente no haya enfermedad:

${\ displaystyle {\ begin {alineado} & \ Pr ({\ text {hipercalcemia está presente a pesar de que no hay enfermedad en el individuo}}) \\ = & {\ frac {\ Pr ({\ text {hipercalcemia WHOIFPI por ninguna enfermedad}} )} {\ Pr ({\ text {hipercalcemia WHOIFPI}})}} \\ = & {\ frac {0.0014} {0.00335}} = 0.418 = 41.8 \% \ end {alineado}}}$

Para aclarar, estos cálculos se dan como la tabla en la descripción del método:

	PH	Cáncer	Otras condiciones	Sin enfermedad
P (condición en la población)	0,000125	0,002	-	0,997
RR x	10	1	-	-
P (condición WHOIFPI)	0,00125	0,002	-	-
r Condición → hipercalcemia	1	0,1	-	0,0014
P (hipercalcemia WHOIFPI por condición)	0,00125	0,0002	0,0005	0,0014
P (hipercalcemia WHOIFPI) = 0,00335
P (la hipercalcemia es causada por una condición en el individuo)	37,3%	6,0%	14,9%	41,8%

Por lo tanto, este método estima que la probabilidad de que la hipercalcemia sea causada por hiperparatiroidismo primario, cáncer, otras afecciones o ninguna enfermedad en absoluto es del 37,3%, 6,0%, 14,9% y 41,8%, respectivamente, lo que puede utilizarse para estimar pruebas adicionales. indicaciones.

Este caso continúa en el ejemplo del método descrito en la siguiente sección.

Método basado en la razón de verosimilitud

El procedimiento de diagnóstico diferencial puede volverse extremadamente complejo cuando se toman en consideración pruebas y tratamientos adicionales. Un método que en cierto modo es una compensación entre ser clínicamente perfecto y ser relativamente simple de calcular es el que utiliza razones de probabilidad para derivar las probabilidades posteriores a la prueba.

Teoría

Las probabilidades iniciales para cada condición candidata se pueden estimar mediante varios métodos, tales como:

• Por epidemiología como se describe en el apartado anterior.
• Mediante el reconocimiento de patrones específicos de la clínica , como saber estadísticamente que los pacientes que ingresan a una clínica en particular con una queja particular tienen estadísticamente una probabilidad particular de cada condición candidata.

Un método para estimar probabilidades incluso después de más pruebas utiliza razones de probabilidad (que se derivan de sensibilidades y especificidades ) como factor de multiplicación después de cada prueba o procedimiento. En un mundo ideal, se establecerían sensibilidades y especificidades para todas las pruebas para todas las posibles condiciones patológicas. En realidad, sin embargo, estos parámetros solo se pueden establecer para una de las condiciones candidatas. Multiplicar con razones de probabilidad requiere la conversión de probabilidades de probabilidades a probabilidades a favor (en lo sucesivo, simplemente denominadas "probabilidades") por:

${\ displaystyle {\ text {probabilidades}} = {\ frac {\ text {probabilidad}} {1 - {\ text {probabilidad}}}}}$

Sin embargo, solo las condiciones candidatas con una razón de verosimilitud conocida necesitan esta conversión. Después de la multiplicación, la conversión de nuevo a probabilidad se calcula mediante:

${\ displaystyle {\ text {probabilidad}} = {\ frac {\ text {probabilidades}} {{\ text {probabilidades}} + 1}}}$

El resto de las condiciones candidatas (para las que no existe un índice de probabilidad establecido para la prueba en cuestión) se puede ajustar, por simplicidad, multiplicando posteriormente todas las condiciones candidatas con un factor común para obtener nuevamente una suma del 100%.

Las probabilidades resultantes se utilizan para estimar las indicaciones de más pruebas médicas , tratamientos u otras acciones. Si hay una indicación para una prueba adicional, y regresa con un resultado, entonces el procedimiento se repite usando la razón de probabilidad de la prueba adicional. Con las probabilidades actualizadas para cada una de las condiciones candidatas, las indicaciones para más pruebas, tratamientos u otras acciones también cambian, por lo que el procedimiento se puede repetir hasta un punto final en el que ya no hay ninguna indicación para realizar más acciones actualmente. Tal punto final ocurre principalmente cuando una condición candidata se vuelve tan segura que no se puede encontrar una prueba que sea lo suficientemente poderosa como para cambiar el perfil de probabilidad relativa lo suficiente como para motivar cualquier cambio en acciones posteriores. Las tácticas para alcanzar tal punto final con el menor número posible de pruebas incluyen realizar pruebas con alta especificidad para condiciones de probabilidad relativa de perfil ya sobresaliente, porque la alta razón de probabilidad positiva para tales pruebas es muy alta, lo que hace que todas las condiciones menos probables sean relativamente altas. probabilidades más bajas. Alternativamente, las pruebas con alta sensibilidad para condiciones candidatas en competencia tienen una razón de probabilidad alta negativa , lo que potencialmente lleva las probabilidades de condiciones candidatas en competencia a niveles insignificantes. Si se logran probabilidades tan insignificantes, el médico puede descartar estas condiciones y continuar el procedimiento de diagnóstico diferencial con solo las condiciones candidatas restantes.

Ejemplo

Este ejemplo continúa para el mismo paciente que en el ejemplo del método basado en epidemiología. Al igual que con el ejemplo anterior de método basado en la epidemiología, este caso de ejemplo se hace para demostrar cómo se aplica este método, pero no representa una guía para manejar casos similares del mundo real. Además, el ejemplo usa números relativamente especificados, mientras que en realidad, a menudo solo hay estimaciones aproximadas. En este ejemplo, las probabilidades para cada condición candidata se establecieron mediante un método basado en la epidemiología de la siguiente manera:

	PH	Cáncer	Otras condiciones	Sin enfermedad
Probabilidad	37,3%	6,0%	14,9%	41,8%

Estos porcentajes también podrían haber sido establecidos por la experiencia en la clínica en particular sabiendo que estos son los porcentajes para el diagnóstico final para las personas que acuden a la clínica con hipercalcemia y que tienen antecedentes familiares de hiperparatiroidismo primario.

La afección de mayor probabilidad relativa de perfil (excepto "sin enfermedad") es el hiperparatiroidismo primario (HP), pero el cáncer sigue siendo una preocupación importante, porque si es la afección causal real de la hipercalcemia, entonces la elección de si tratar o probablemente no signifique la vida o la muerte para el paciente, lo que en efecto podría poner la indicación en un nivel similar para más pruebas para ambas condiciones.

Aquí, digamos que el médico considera las probabilidades relativas del perfil de ser lo suficientemente preocupantes como para indicar que envía al paciente una llamada para una visita al médico, con una visita adicional al laboratorio médico para un análisis de sangre adicional complementado con análisis adicionales, incluida la paratiroides. hormona para la sospecha de hiperparatiroidismo primario.

Para simplificar, digamos que el médico primero recibe el resultado del análisis de sangre (en fórmulas abreviadas como "BT") para el análisis de la hormona paratiroidea y que mostró un nivel de hormona paratiroidea elevado en relación con lo que se esperaría por el nivel de calcio.

Se puede estimar que dicha constelación tiene una sensibilidad de aproximadamente el 70% y una especificidad de aproximadamente el 90% para el hiperparatiroidismo primario. Esto confiere una razón de probabilidad positiva de 7 para el hiperparatiroidismo primario.

La probabilidad de hiperparatiroidismo primario ahora se denomina _PH Pre-BT porque corresponde a antes del análisis de sangre (preposición latina prae significa antes). Se estimó en 37,3%, lo que corresponde a una probabilidad de 0,595. Con la razón de verosimilitud positiva de 7 para el análisis de sangre, las probabilidades posteriores a la prueba se calculan como:

${\ Displaystyle \ operatorname {Odds} ({\ text {PostBT}} _ {PH}) = \ operatorname {Odds} ({\ text {PreBT}} _ {PH}) \ cdot LH (BT) = 0.595 \ cdot 7 = 4,16,}$

dónde:

• Las probabilidades (PostBT _PH ) son las probabilidades de hiperparatiroidismo primario después del análisis de sangre para la hormona paratiroidea
• Probabilidades (PreBT _PH son las probabilidades a favor del hiperparatiroidismo primario antes del análisis de sangre para la hormona paratiroidea
• LH (BT) es la razón de probabilidad positiva para el análisis de sangre de la hormona paratiroidea

Una probabilidad (PostBT _PH ) de 4.16 se convierte nuevamente a la probabilidad correspondiente mediante:

${\ Displaystyle \ Pr ({\ text {PostBT}} _ {PH}) = {\ frac {\ operatorname {Odds} ({\ text {PostBT}} _ {PH})} {\ operatorname {Odds} ({ \ text {PostBT}} _ {PH}) + 1}} = {\ frac {4.16} {4.16 + 1}} = 0.806 = 80.6 \%}$

Por lo tanto, la suma de las probabilidades para el resto de las condiciones candidatas debe ser:

${\ Displaystyle \ Pr ({\ text {PostBT}} _ {rest}) = 100 \% - 80,6 \% = 19,4 \%}$

Antes del análisis de sangre para la hormona paratiroidea, la suma de sus probabilidades era:

${\ Displaystyle \ Pr ({\ text {PreBT}} _ {\ text {rest}}) = 6.0 \% + 14.9 \% + 41.8 \% = 62.7 \%}$

Por lo tanto, para cumplir con una suma del 100% para todas las condiciones de los candidatos, cada uno de los demás candidatos debe multiplicarse por un factor de corrección:

${\ Displaystyle {\ text {Factor de corrección}} = {\ frac {\ Pr ({\ text {PostBT}} _ {\ text {rest}})} {\ Pr ({\ text {PreBT}} _ {\ texto {resto}})}} = {\ frac {19.4} {62.7}} = 0.309}$

Por ejemplo, la probabilidad de cáncer después de la prueba se calcula como:

${\ Displaystyle \ Pr ({\ text {PostBT}} _ {\ text {cáncer}}) = \ Pr ({\ text {PreBT}} _ {\ text {cáncer}}) \ cdot {\ text {Factor de corrección }} = 6.0 \% \ cdot 0.309 = 1.9 \%}$

Las probabilidades para cada condición candidata antes y después del análisis de sangre se dan en la siguiente tabla:

	PH	Cáncer	Otras condiciones	Sin enfermedad
P (PreBT)	37,3%	6,0%	14,9%	41,8%
P (PostBT)	80,6%	1,9%	4,6%	12,9%

Estos "nuevos" porcentajes, que incluyen una probabilidad relativa de perfil del 80% para el hiperparatiroidismo primario, subyacen a cualquier indicación de pruebas, tratamientos u otras acciones adicionales. En este caso, digamos que el médico continúa el plan para que el paciente asista a una visita al médico para un chequeo adicional, especialmente enfocado en el hiperparatiroidismo primario.

Teóricamente, una visita al médico puede considerarse como una serie de pruebas, que incluyen tanto las preguntas de la historia clínica como los componentes de un examen físico , donde la probabilidad posterior a la prueba de una prueba previa puede utilizarse como prueba previa. prueba de probabilidad de la siguiente. Las indicaciones para elegir la siguiente prueba están influenciadas dinámicamente por los resultados de las pruebas anteriores.

Digamos que en este ejemplo se revela que el paciente tiene al menos algunos de los síntomas y signos de depresión, dolor óseo, dolor articular o estreñimiento de mayor gravedad de lo que cabría esperar por la propia hipercalcemia, lo que respalda la sospecha de hiperparatiroidismo primario. y digamos que las razones de probabilidad de las pruebas, cuando se multiplican juntas, dan como resultado aproximadamente un producto de 6 para el hiperparatiroidismo primario.

La presencia de síntomas y signos patológicos inespecíficos en la anamnesis y el examen a menudo también son indicativos de cáncer, y digamos que las pruebas arrojaron una razón de probabilidad general estimada en 1,5 para el cáncer. Para otras condiciones, así como el caso de no tener ninguna enfermedad, digamos que se desconoce cómo se ven afectados por las pruebas en cuestión, como suele ocurrir en la realidad. Esto da los siguientes resultados para la historia y el examen físico (abreviado como P&E):

	PH	Cáncer	Otras condiciones	Sin enfermedad
P (PreH & E)	80,6%	1,9%	4,6%	12,9%
Probabilidades (PreH & E)	4.15	0,019	0,048	0,148
Razón de verosimilitud por H&E	6	1,5	-	-
Probabilidades (PostH & E)	24,9	0.0285	-	-
P (PostH & E)	96,1%	2,8%	-	-
Suma de P conocido (PostH & E)	98,9%
Suma del resto P (PostH & E)	1,1%
Suma del resto P (PreH & E)	4,6% + 12,9% = 17,5%
Factor de corrección	1,1% / 17,5% = 0,063
Después de corregir	-	-	0,3%	0,8%
P (PostH & E)	96,1%	2,8%	0,3%	0,8%

Estas probabilidades después de la historia clínica y el examen pueden hacer que el médico tenga la confianza suficiente para planificar la cirugía del paciente para una paratiroidectomía para resecar el tejido afectado.

En este punto, la probabilidad de "otras condiciones" es tan baja que el médico no puede pensar en ninguna prueba para ellas que pueda marcar una diferencia que sea lo suficientemente sustancial como para formar una indicación para tal prueba , y el médico, por lo tanto, prácticamente considera " otras condiciones "como se descartó, en este caso no principalmente por ninguna prueba específica para esas otras condiciones que fueron negativas, sino más bien por la ausencia de pruebas positivas hasta el momento.

En el caso de "cáncer", el límite en el que considerarlo descartado con seguridad puede ser más estricto debido a las graves consecuencias de no detectarlo, por lo que el médico puede considerar que está indicado al menos un examen histopatológico del tejido resecado.

Este caso continúa en el ejemplo de Combinaciones en la sección correspondiente a continuación.

Cobertura de las condiciones de los candidatos

La validez tanto de la estimación inicial de probabilidades por epidemiología como del análisis posterior por razones de probabilidad dependen de la inclusión de condiciones candidatas que son responsables de la mayor parte posible de la probabilidad de haber desarrollado la condición, y es clínicamente importante incluir aquellos en los que es más probable que el inicio relativamente rápido de la terapia produzca el mayor beneficio. Si se pasa por alto una condición candidata importante, ningún método de diagnóstico diferencial proporcionará la conclusión correcta. La necesidad de encontrar más condiciones candidatas para la inclusión aumenta con la severidad cada vez mayor de la presentación en sí. Por ejemplo, si la única presentación es un parámetro de laboratorio que se desvía y se han descartado todas las afecciones subyacentes dañinas comunes, entonces puede ser aceptable dejar de encontrar más afecciones candidatas, pero es mucho más probable que esto sea inaceptable si la presentación hubiera sido grave. dolor.

Combinaciones

Si dos condiciones obtienen altas probabilidades posteriores a la prueba, especialmente si la suma de las probabilidades para las condiciones con razones de probabilidad conocidas es superior al 100%, entonces la condición real es una combinación de las dos. En tales casos, esa condición combinada se puede agregar a la lista de condiciones candidatas, y los cálculos deben comenzar desde el principio.

Para continuar con el ejemplo usado anteriormente, digamos que la historia y el examen físico también fueron indicativos de cáncer, con una razón de probabilidad de 3, dando una probabilidad (PostH & E) de 0.057, correspondiente a una P (PostH & E) de 5.4%. Esto correspondería a una "Suma de P (PostH & E) conocida" del 101,5%. Esta es una indicación para considerar una combinación de hiperparatiroidismo primario y cáncer, como, en este caso, un carcinoma de paratiroides productor de hormona paratiroidea . Un nuevo cálculo puede por lo tanto, las dos primeras afecciones se separan en "hiperparatiroidismo primario sin cáncer", "cáncer sin hiperparatiroidismo primario" y "hiperparatiroidismo primario combinado y cáncer", y las proporciones de probabilidad se aplican a cada afección por separado. En este caso, sin embargo, el tejido ya ha sido resecado, en el que se puede realizar un examen histopatológico que incluye la posibilidad de carcinoma de paratiroides en el examen (lo que puede implicar una tinción adecuada de la muestra ). Digamos que el examen histopatológico confirma hiperparatiroidismo primario, pero también mostró un patrón maligno . Por un método inicial por epidemiología, la incidencia de carcinoma de paratiroides se estima en un alrededor de 1 de cada 6 millones de personas por año, lo que da una probabilidad muy baja antes de tomar en consideración cualquier prueba. En comparación, la probabilidad de que el hiperparatiroidismo primario no maligno hubiera ocurrido al mismo tiempo que un cáncer no carcinoma no relacionado que se presenta con células malignas en la glándula paratiroidea se calcula multiplicando las probabilidades de los dos. Sin embargo, la probabilidad resultante es mucho menor que 1 en 6 millones. Por lo tanto, la probabilidad de carcinoma de paratiroides aún puede estar cerca del 100% después del examen histopatológico a pesar de la baja probabilidad de que ocurra en primer lugar.

Diagnóstico diferencial de la máquina

El diagnóstico diferencial de la máquina es el uso de software de computadora para realizar un diagnóstico diferencial parcial o total. Puede considerarse como una aplicación de inteligencia artificial .

Muchos estudios demuestran la mejora de la calidad de la atención y la reducción de errores médicos mediante el uso de dichos sistemas de apoyo a la toma de decisiones. Algunos de estos sistemas están diseñados para un problema médico específico, como la esquizofrenia, la enfermedad de Lyme o la neumonía asociada al ventilador. Otros como ESAGIL, Iliad, QMR, DiagnosisPro, VisualDx , docLogica , Isabel, ZeroMD, DxMate, Symptoma y Physician Cognition están diseñados para cubrir todos los principales hallazgos clínicos y diagnósticos para ayudar a los médicos con un diagnóstico más rápido y preciso.

Sin embargo, todas estas herramientas aún requieren habilidades médicas avanzadas para calificar los síntomas y elegir pruebas adicionales para deducir las probabilidades de diferentes diagnósticos. El diagnóstico diferencial por máquina tampoco es actualmente capaz de diagnosticar múltiples trastornos concurrentes. Por lo tanto, los no profesionales deben consultar a un proveedor de atención médica para obtener un diagnóstico adecuado.

Historia

El método de diagnóstico diferencial fue sugerido por primera vez para su uso en el diagnóstico de trastornos mentales por Emil Kraepelin . Es más sistemático que el método anticuado de diagnóstico por Gestalt (impresión).

Significados médicos alternativos

`` Diagnóstico diferencial '' también se usa de manera más vaga, para referirse simplemente a una lista de las causas más comunes de un síntoma dado, a una lista de trastornos similares a un trastorno dado, o a dichas listas cuando se anotan con consejos sobre cómo reducir la lista ( el índice de diagnóstico diferencial de French es un ejemplo). Por lo tanto, un diagnóstico diferencial en este sentido es información médica especialmente organizada para ayudar en el diagnóstico.

Uso aparte de en medicina

Los taxonomistas biológicos también utilizan métodos similares a los de los procesos de diagnóstico diferencial en medicina para identificar y clasificar organismos vivos y extintos. Por ejemplo, después de encontrar una especie desconocida, primero puede haber una lista de todas las especies potenciales, seguido de descartar una por una hasta que, de manera óptima, solo quede una opción potencial. Los ingenieros de planta y mantenimiento y los mecánicos automotrices pueden usar procedimientos similares y se pueden usar para diagnosticar circuitos electrónicos defectuosos.

En arte

El drama médico de la televisión estadounidense House, con Hugh Laurie como el protagonista principal, el Dr. Gregory House, que dirige un equipo de diagnosticadores en el ficticio Hospital Universitario Princeton-Plainsboro en Nueva Jersey, gira en torno al uso de procedimientos de diagnóstico diferencial en un intento por llegar al diagnóstico correcto. .

A lo largo de la serie, los médicos han diagnosticado enfermedades como lupus , mastocitosis , enfermedad de Plummer , rabia , síndrome de Kawasaki , viruela , rickettsialpox y docenas de otras.

Ver también

• Comorbilidad
• Diagnóstico de exclusión
• Diagnóstico dual
• Sesgo de género en el diagnóstico médico
• Lista de síntomas médicos

Referencias