Tema 14. Estadística bayesiana (2015)

Apunte Catalán
Universidad Universidad Pompeu Fabra (UPF)
Grado Medicina - 2º curso
Asignatura Bioestadística
Año del apunte 2015
Páginas 3
Fecha de subida 03/02/2015
Descargas 6
Subido por

Vista previa del texto

Tema 14. Estadística bayesiana 1. MEDICINA BASADA EN L’EVIDÈNCIA Avui en dia tant la biologia com la medicina es basen en el mètode científic, segons el qual a partir d’una hipòtesi es realitza una experimentació que és interpretada i d’aquesta interpretació s’extreu el coneixement.
La medicina basada en l’evidència (MBE) es defineix com l’ús conscient, explícit i assenyat de la millor evidència disponible en la presa de decisions sobre l’atenció als pacients considerats en la seva individualitat (Sackett et. al).
Portar a terme la MBE suposa: 1.
2.
3.
4.
5.
Convertir la necessitat d’informació en preguntes Obtenir la millor evidència disponible i respondre aquestes preguntes Avaluar críticament la validesa i la utilitat de l’evidència Aplicar l’evidència a la pràctica clínica Avaluar el rendiment L’estadística presenta clars punts de connexió amb la MBE, com l’obtenció d’evidències de qualitat, l’avaluació de l’evidència disponible i el suport en la presa de decisions.
Obtenció de l’evidència Existeixen fonts d’informació pre-evaluades, molt fiables i revisades sistemàticament que emmagatzemen resultats d’estudis sobre l’efectivitat d’intervencions clíniques. Alguns exemples són: • • • Guies de pràctica clínica National Institute of Clinical Excellence Informes i texts basats en l’evidència Clinical evidence Revisions sistemàtiques The Cochrane Library Avaluació de l’evidència Un cop obtinguda l’evidència s’ha d’avaluar en base a tres criteris: la validesa, la importància i l’aplicabilitat. És important que l’evidència en què recolzem les nostres decisions compleixi els tres criteris.
• La validesa fa referència a la seva qualitat general i estarà garantida si s’obté de fons fiables.
• La importància es relaciona amb la intensitat i la significança estadística trobades per l’efecte del tractament. L’intensitat pot expressar-se amb diferents mesures com: - Risc Relatiu (RR) - Odds Ratio (OR) - Reducció absoluta del risc (RAR) - Reducció relativa del risc (RRR) - Nombre necessari per tractar (NTN) La reducció absoluta del risc es defineix com el risc del grup control menys el risc del grup tractat i presenta el principal inconvenient de donar la impressió de ser poc important.
Risc d’atac cardíac amb fàrmac A = 2,7%, sense fàrmac 4,1% RAR = 4,1 – 2,7 = 1,4 % Per cada 100 pacients que segueixin el tractament s’eviten 1,4 infarts La reducció relativa del risc es defineix com el RAR entre el risc del grup control i presenta el principal inconvenient de ser poc informatiu si no es coneix el risc basal. Per l’exemple anterior: RRR = 0,014 / 0,041 = 0,34 = 34% El fàrmac redueix en un 34% el risc de patir infarts El nombre necessari er tractar es defineix com la inversa de RAR (1/RAR) i és un dels índexs més recomanats. S’interpreta com el nombre de pacients que cal tractar per evitar un infart.
NNT = 1 / 0,014 = 71 Cal tractar 71 pacients per evitar un sol infart.
La significança estadística a un cert nivell de confiança s’obté quan el valor p obtingut a les proves de contrast d’hipòtesi és inferior al risc alfa i l’IC a aquest nivell de confiança no inclou el valor nul. Un resultat, però, pot ser estadísticament significatius i no ser-ho clínicament.
• L’aplicabilitat es refereix a que l’evidència s’ha d’haver obtingut en una població comparable a la que es vol tractar. Si els resultats de l’estudi s’obtenen a partir d’una mostra d’individus sans amb una mitjana de 35 anys, pot ser que no siguin aplicables a un grup de pacients malalts amb una mitjana d’edat superior als 65.
Suport en la presa de decisions En MBE l’evidència s’utilitza per decidir si s’aplica o no un tractament, però per prendre aquesta decisió no es poden tenir en compte únicament els riscos associats sinó també els costos i els beneficis.
La teoria Bayesiana pot ajudar proporcionant un formalisme que incorpora aspectes pràctics de la decisió. Per decidir és necessari quantificar la probabilitat de que al prendre una opció es produeixi una conseqüència i la utilitat (o el valor) associat a cada una de les conseqüències possibles.
A partir d’aquesta informació es pot calcular un índex d’utilitat esperada de cada possible acció sumant (probabilitat.utilitat) per totes les conseqüències d’una determinada acció. La millor decisió serà aquella que tingui la màxima utilitat esperada.
Exemple Una dona embarassada pregunta al seu ginecòleg si hauria de prendre un suplement d’àcid fòlic per prevenir defectes en la formació del tub neural (espina bífida o anencefalia).
Elements del problema: - Opcions Prendre o no àcid fòlic (AF) - Conseqüències Que el fetus pateixi espina bífida (EF) - Fonts d’evidència Estudis que proporcionin la RRR associada a prendre àcid fòlic - Assessorament d’utilitat Percepció subjectiva de la severitat de la EB, cost del tractament i efectes secundaris Es quantifica i s’obté que: - Probabilitat de patir EB sense prendre AF (p0) = 0,035 - Probabilitat de patir EB prenent AF (p1) = 0,010 - Valor associat a patir EB, un índex entre 0 (dolent) i 1 (bo) = k - Valor associat a no patir EB = 1 - Cost associat a prendre AF (econòmic + efectes secundaris) = c Càlcul de les utilitats esperades de prendre (U1) i no prendre (U0) àcid fòlic.
= · + 1− ·1=1− 1− =− + · + 1− ·1=− +1− 1− S’hauria de prendre àcid fòlic quan U1>U0, per tant quan: − +1− 1− > 1− 1− → 1− > 1 − 1/(p0 – p1) és la definició del número necessari per tractar NNT, per tant: 1− > En el nostre cas NTT = 1/(0,035-0,10) = 40, per tant: 1− > 40 Els valors de k i c són difícils de quantificar. Com que l’àcid fòlic és barat assignem a c un valor petit de 10-5, per tant s’haurà de prendre àcid fòlic si: 1− > 4 · 10 Amb això es conclou que, a pesar de la baixa incidència de la malaltia i que el NTT del tractament no sigui molt favorable, seria convenient prendre àcid fòlic a menys que la dona sigui pràcticament indiferent a tenir un fill amb espina bífida (k > 0,9996), el que és un escenari molt poc probable.
...