Академический Документы
Профессиональный Документы
Культура Документы
1. Fundamentos 2
1.1. Planteamiento del problema 2
1.2. Valor esperado y utilidad esperada 2
2. Diagramas de influencia y rboles de decisin 4
2.1. Definicin de diagrama de influencia 4
2.2. Definicin de rbol de decisin 5
2.3. De un diagrama de influencia a un rbol de decisin 5
2.4. Evaluacin de un rbol de decisin 6
2.5. Ejemplos 6
3. Construccin de diagramas de influencia en medicina 16
3.1. Construccin de diagramas de influencia 16
3.2. Medidas de calidad de vida y preferencias de los pacientes 17
4. Anlisis de sensibilidad 20
4.1. Definicin de anlisis de sensibilidad 20
4.2. Diagramas de tornado 22
4.3. Diagramas de araa 23
4.4. Grfica de sensibilidad sobre un parmetro 24
5. Anlisis de coste-utilidad 25
5.1. Conceptos bsicos 25
5.2. Seleccin de intervenciones independientes 31
5.3. Seleccin de intervenciones excluyentes 34
5.4. Cuestiones ticas y sociales 40
6. Ventajas de los diagramas de influencia 47
6.1. Ventajas frente a los rboles de decisin 48
6.2. Ventajas frente a los protocolos y guas de prctica clnica 48
6.3. Limitaciones de los diagramas de influencia 50
7. Notas bibliogrficas 50
7.1. Aspectos matemticos y computacionales de la teora de la decisin 50
7.2. Anlisis de decisiones en medicina 50
Referencias 53
Ejercicios resueltos 56
Soluciones 59
F. J. Dez, UNED. Se prohbe distribuir copias de este artculo, porque podran estas obsoletas.
Para obtener la versin ms reciente e informacin adicional (fe de erratas, enlaces, etc.),
vase http://www.ia.uned.es/~fjdiez/papers/decision-medicina.html.
2 Teora probabilista de la decisin en medicina
1. Fundamentos
E[ X ] = x P( x ) (1)
x
Cuando todos los valores son igualmente probables, el valor esperado es simplemente el
promedio de los valores posibles, pues si hay n valores, P(x)=1/n, y en consecuencia
1 1 1
P( x ) = E( X ) = x = x=x
n x
n n x
Por ejemplo, al lanzar un dado con las caras numeradas del 1 al 6, el valor esperado es 35. Si
tenemos una moneda y asignamos 10 a la cara y 20 a la cruz, el valor esperado es 15. Si la mo-
neda estuviera trucada, de modo que la probabilidad de obtener cara fuese 060, el valor espera-
do sera 10060+20040=14.
Supongamos que escogemos una persona al azar dentro de una poblacin. En este caso, el
valor esperado de su edad coincide con el promedio de edad de la poblacin, y lo mismo ocurre
con el valor esperado de la estatura, de los ingresos econmicos, del nmero de hijos, etc.
Si cada valor representa un beneficio o una prdida, podemos considerarlo como una utili-
dad; cuanto ms positiva es la utilidad, mayor es el beneficio; cuanto ms negativa, mayor es la
prdida o el perjuicio. Cuando la utilidad es funcin de una variable aleatoria x, la utilidad espe-
rada viene dada por
1. Fundamentos 3
UE = U ( x ) P( x ) (2)
x
Comentarios
En los ejemplos anteriores hemos identificado la utilidad con el valor econmico. sta era la postura
de los primeros especialistas en probabilidad, quienes afirmaban que el mejor juego era aqul que tuviera
el mayor valor econmico esperado; es lo que se conoce como principio de la esperanza matemtica.
Sin embargo, Daniel Bernouilli [1738] introdujo el concepto de utilidad como la satisfaccin que ex-
perimenta un sujeto al recibir una ganancia o prdida, distinguiendo as entre valor (objetivo) y utilidad
(subjetiva). Es ms, Bernouilli afirm que la utilidad del dinero es aproximadamente logartmica: para
una cantidad de dinero x la utilidad es U(x) = log (x+c). En realidad, la forma que toma la funcin U(x) es
distinta para cada persona, y eso hace que distintas personas tengan distintas actitudes hacia el riesgo:
unas personas estn ms dispuestas a arriesgarse en cuestiones dominadas por el azar (en ingls se dice
risk prone), mientras que otras hacen todo lo posible por evitar el riesgo (risk averse).
Posteriormente, al igual que el concepto de probabilidad se hizo independiente de los juegos de azar
y empez a aplicarse a los otros campos de la actividad humana, el concepto de utilidad se hizo indepen-
diente del valor econmico asociado a las ganancias o prdidas en el juego y se entendi la utilidad como
una funcin que representa las preferencias del sujeto ante distintas opciones.
La definicin axiomtica de la teora de la decisin, a veces llamada tambin teora de la utilidad, se
debe a von Neumann y Morgenstern [1944]. Una persona que vulnere sus axiomas puede encontrarse con
situaciones en que tenga mayor probabilidad de perder que de ganar; por eso suele decirse que esta teora
es normativa en el sentido de que dicta las leyes del comportamiento racional.
Sin embargo, algunos investigadores, considerando que los axiomas de von Neumann y Morgenstern
son demasiado restrictivos, han intentando construir teoras de la decisin ms generales, es decir, basa-
1
Sorprendentemente, muchas personas juegan a la lotera, bono-loto y similares, aun siendo ms o menos conscien-
tes de que el valor esperado es negativo; es ms, con una funcin de utilidad logartmica (como la que propuso
Bernouilli), la utilidad esperada de tales juegos se hace an ms negativa. En nuestra opinin, sta es una muestra
ms de que en muchas ocasiones el ser humano acta irracionalmente, como se ha demostrado en numerosos expe-
rimentos psicolgicos [Kahneman et al., 1982; Bell et al., 1988; Dawes, 1988; Baron, 2000; Plous, 1993].
4 Teora probabilista de la decisin en medicina
das en una axiomtica ms dbil. Tampoco han faltado los crticos [Cohen, 1996] que piensan que esta
teora slo es normativa en el estudio de los juegos de azar y que en los problemas del mundo real, como
la medicina, tales axiomas son muy discutibles.
Nuestra postura personal admite la validez de la teora de la decisin en el campo de la medicina.
Aunque reconocemos las serias dificultades que surgen al intentar aplicar estos principios en la prctica,
mantenemos que las ideas fundamentales son vlidas y que pueden ayudar tanto a los mdicos como a los
pacientes a tomar las decisiones ms ventajosas en cada situacin. El lector juzgar por s mismo y sacar
sus propias conclusiones.
2
No se preocupe si las definiciones que damos en esta seccin le resultan difciles de comprender al leerlas por
primera vez. Con los ejemplos que daremos en seguida le ser fcil entenderlas.
2. Diagramas de influencia y rboles de decisin 5
parte de un nodo aleatorio X hay que asignarle la probabilidad P(x|izq(x)); recordemos que izq(x)
representa la configuracin de valores que toman los nodos situados a la izquierda del nodo X en
el rbol.
Como dijimos antes, izq(x) representa los valores que toman los nodos (aleatorios y de deci-
sin) que se encuentran a la izquierda de X en el rbol.
La utilidad correspondiente a un nodo de decisin D es el mximo de las utilidades de sus
ramas:
La decisin ptima para este nodo es el valor de D correspondiente a la rama de mayor utili-
dad.
Observe que en el caso de un nodo de decisin la utilidad resultante es el mximo porque la
persona (o el sistema) que toma la decisin puede escoger la opcin ms ventajosa, mientras que
cuando se trata de un nodo aleatorio no hay posibilidad de escoger: en unos casos el azar selec-
cionar la opcin ms ventajosa y en otros no; por eso la utilidad resultante es el promedio de las
utilidades de las ramas, un promedio ponderado por la probabilidad de cada rama.
2.5. Ejemplos
Como suponemos que las explicaciones anteriores, tan abstractas, le habrn resultado difci-
les de entender, vamos a exponer varios ejemplos ilustrativos, de complejidad creciente.
Ejemplo 1. Sea una enfermedad cuya prevalencia dentro cierta poblacin es del 7%. Dada una
escala de 0 a 100, donde 0 corresponde a la total ausencia de salud (la muerte) y 100 a la salud
total, los pacientes han asignado en promedio un valor de 30 al estado de enfermedad.
Existe un tratamiento, que llamaremos D que mejora el estado del paciente hasta un valor de
80 en dicha escala. Sin embargo, los efectos secundarios del tratamiento hacen que el estado de
una persona sana a la que se aplicara por error el tratamiento, disminuira hasta 90.
Supongamos que no hubiera ningn sntoma, signo o prueba complementaria que indique si
una persona tiene la enfermedad o no. (Es una situacin irreal, pero lo hacemos con fines didc-
ticos porque corresponde al diagrama de influencia ms simple.)
Convendra aplicar el tratamiento a toda la poblacin, por si acaso tiene la enfermedad?
Solucin. Las variables que intervienen son X (enfermedad antes de aplicar el tratamiento),
D (la decisin sobre el tratamiento) y U (la utilidad, que viene dada por el estado del paciente).
Los valores correspondientes son +x (enfermo antes de aplicar el tratamiento), x (no enfermo
2. Diagramas de influencia y rboles de decisin 7
X D
+x x
P(x) 007 093
U ( x, d ) + x x
+d 80 90
d 30 100
Con esto concluye la construccin del diagrama de influencia. El siguiente paso consiste en
convertirlo en un rbol de decisin, y lo primero que debemos hacer es determinar el orden de
las variables en el rbol. Para ello aplicamos al pie de la letra las reglas de la seccin 2.3.
8 Teora probabilista de la decisin en medicina
La regla 1 nos dice que la utilidad U debe aparecer a la derecha del todo. La regla 2 obliga a
que X aparezca a la derecha de D, porque el valor de X no se conoce en el momento de tomar la
decisin D. Por tanto, el orden de las variables para este problema es D-X-U, lo que significa que
el nodo raz es D. Expandiendo las ramas de cada nodo y asignando las probabilidades corres-
pondientes se obtiene el rbol de la figura 2.
Observe que segn la definicin de la seccin 2.2, las probabilidades asociadas a las ramas
de X deberan ser P(x|izq(x)) = P(x|d); sin embargo, el valor de D no influye sobre X porque D
no es antepasado de X; por eso podemos escribir simplemente P(x) en vez de P(x|d). Las utilida-
des de los nodos hojas se asignan a partir de la tabla 1.
+x
U(+x, +d) = 80
+d P(+x)=007
X
x
U(x, +d) = 90
P(x)=093
D
+x
U(+x, d) = 30
d P(+x)=007
X
x
U(+x, d) = 100
P(x)=093
El tercer paso consiste en evaluar el rbol de decisin que acabamos de construir. Esta eva-
luacin se realiza de derecha a izquierda, siguiendo las reglas de la seccin 2.4.
Para la rama superior, (+x, +d), la utilidad aparece explcitamente en el rbol: U(+x,+d) =
80; lo mismo ocurre para las otras tres ramas que estn debajo de ella.
Continuamos la evaluacin hacia la izquierda. La utilidad del nodo X situado en la rama +d,
o si se prefiere, la utilidad de la rama +d, se obtiene promediando las utilidades de las dos ramas
que parten de dicho nodo, con P(x) como peso de ponderacin:
U(+d) = U(+x, +d) P(+x) + U(x+, +d) P(x) = 80 007 + 90 093 = 893
Del mismo modo, para la rama d,
+x
U(+x, +d) = 80
+d P(+x)=007
X
U(+d)=893
x
U(x, +d) = 90
P(x)=093
D
Dopt = d +x
U(+x, d) = 30
U=951 d P(+x)=007
X
U(d)=951
x
U(+x, d) = 100
P(x)=093
Ejemplo 2. Sea la misma situacin del ejemplo anterior, pero en este caso antes de decidir si
aplicamos el tratamiento conocemos con certeza si la persona en cuestin padece la enfermedad
o no. Conviene aplicar el tratamiento a las personas sanas? Y a las personas enfermas? Cul
es el estado de salud promedio para esta poblacin?
Solucin. El diagrama de influencia para este problema es el de la figura 4, donde se ha
aadido un enlace XD que no apareca en la figura 3, para indicar que en el momento de tomar
la decisin D s se conoce con certeza el valor de la variable aleatoria X (vea de nuevo la tabla de
la seccin 2.1). Las tablas de probabilidad y utilidad son las mismas que en el caso anterior.
X D
+d
U(+x, +d) = 80
P(+x)=007
D
+x Dopt = +d d
U(+x)=80
U(+x, d) = 30
X
U=986 +d
U(x, +d) = 90
x P(x)=093
D
Dopt = d d
U(x, d) = 100
U(x)=100
Ejemplo 3. Sean la misma enfermedad X y el mismo tratamiento D del ejemplo 1, pero ahora se
realiza una prueba complementaria Y que tiene una sensibilidad del 91% y una especificidad del
97% para X. Dado que esta prueba ocasiona ciertas molestias al paciente, se ha realizado una
encuesta entre un grupo de voluntarios y se ha determinado que el estado de bienestar del pa-
ciente disminuye dos puntos en la escala de 0 a 100 ya mencionada.
2. Diagramas de influencia y rboles de decisin 11
3
Cuidado: decimos decisin perjudicial y no decisin equivocada porque, como veremos en seguida, cuando el
resultado de la prueba es positivo, se debe aplicar el tratamiento, aun corriendo el riesgo de que se trate de un falso
positivo; y viceversa. Esta observacin es importante en relacin con las demandas judiciales que se plantean cada
vez con mayor frecuencia: hay veces en que el mdico toma la mejor decisin segn la informacin disponible y
luego, a posteriori, se demuestra que no era la decisin ms adecuada para el paciente, pero esto es consecuencia de
la incertidumbre inherente al campo de la medicina y, por tanto, no es exacto hablar de error mdico en este caso.
12 Teora probabilista de la decisin en medicina
La tabla para Y es
P( y| x ) +x x
+y 0'91 0'03
y 0'09 0'97
U ( x , d ) + x x
+d 78 88
d 28 98
Tabla 2. Tabla de utilidad para el ejemplo 3 (en que se realiza la prueba Y).
Con esto concluye la construccin del diagrama de influencia. Ahora vamos a evaluarlo, y
para ello construimos el rbol de decisin asociado. Segn la regla 3 de la seccin 2.3, Y ha de
aparecer a la izquierda de D en el rbol, porque el valor de Y (el resultado de la prueba) se cono-
ce antes de tomar la decisin D; en cambio, como no se conoce el valor de X (no hay certeza
absoluta de si la persona tiene la enfermedad o no), X aparece a la derecha de D. Por tanto, el
orden de las variables es Y-D-X-U, tal como muestra la figura 7.
A continuacin hay que expandir el rbol y asignar las utilidades que aparecen en la tabla 2.
Despus hay que calcular las probabilidades de los nodos aleatorios. Como el nodo Y es el nodo
raz, P(y | izq(y)) = P(y). Esta probabilidad se calcula por el teorema de la probabilidad total:
P(+y) = P(+y|+x) P(+x) + P(+y|x) P(x) = 091 007 + 003 093 = 00916
La probabilidad asociada a las ramas que parten de cada nodo X debera ser
P(x | izq(x)) = P(x | y, d), porque Y y D son los nodos que aparecen a la izquierda de X en el rbol;
pero como el valor que toma D no influye en el valor que toma X (ni antes ni despus de conocer
Y), P(x | y, d) = P(x| y). Esta probabilidad P(x| y) se calcula por el teorema de Bayes:
La evaluacin del rbol se realiza de derecha a izquierda, siguiendo con las reglas de la
seccin 2.4, como en los casos anteriores:
1. Para cada nodo X promediamos la utilidad de sus dos ramas, con P(+x|y) y P(x|y) como
pesos en la ponderacin; as se obtiene la utilidad de cada una de las cuatro ramas (y, d).
2. Para cada nodo D tomamos la decisin (+d o d) que maximiza la utilidad; as se obtienen la
utilidad y la decisin correspondientes a cada rama +y y y.
2. Diagramas de influencia y rboles de decisin 13
+x
U(+x, +d) = 78
+d P(+x|+y)=0695
X
U(+d|+y)=810
x
U(x, +d) = 88
P(x|+y)=0305
P(+y)=00916
D
Dopt(+y) = +d
U(+y)=810 +x
U(+x, d) = 28
+y d P(+x|+y)=0695
X
U(d|+y)=493
x
U(+x, d) = 98
P(x|+y)=0305
Y
U=960 +x
U(+x, +d) = 78
+d P(+x|y)=0007
X
y U(+d|y)=879
x
U(x, +d) = 88
P(x|y)=0993
P(y)=09084
D
Dopt(y) = d
U(y)=975 +x
U(+x, d) = 28
d P(+x|y)=0007
X
U(d|y)=975
x
U(+x, d) = 98
P(x|y)=0993
3. Para el nodo Y promediamos la utilidad de sus dos ramas, con P(+y) y P(y) como pesos en la
ponderacin.
Observe que las utilidades U(x, d) son las mismas en la rama +y que en la rama y, pero
U(d|+y) U(d|y) porque las probabilidades que intervienen al calcular los promedios son dife-
rentes.
En el punto 2 de la evaluacin obtenemos la respuesta a las dos primeras preguntas del
enunciado: cuando la prueba Y da positivo (rama +y), la decisin ptima es aplicar el tratamien-
to: Dopt(+y) = +d, porque U(+d|+y) > U(d|+y); en cambio, cuando da negativo (rama y), es
mejor no aplicarlo: Dopt(y) = d, porque U(+d|y) < U(d|y).
Finalmente, el punto 3 nos da la respuesta a la ltima pregunta: el estado de salud promedio
coincide con la utilidad esperada de un individuo cuando an no sabemos el resultado de la
prueba: U = 960. Observe que este valor es superior al del ejemplo 1 (U = 951), en que no
tenamos ninguna informacin sobre la enfermedad, e inferior al del ejemplo 2 (U = 986) en que
conocamos con certeza si la persona padeca la enfermedad o no.
Solucin. Teniendo en cuenta que la utilidad es mayor en el ejemplo 3 (en que se realiza la prue-
ba) que en el ejemplo 1 (en que no se realiza), podemos contestar ya diciendo que s convine
realizar la prueba. Sin embargo, vamos a estudiar el problema formalmente, como hemos hecho
en los casos anteriores.
El diagrama de influencia es el siguiente:
X
Y
D
El nodo U tiene ahora tres padres, en vez de dos. Cuando T = t, estamos en la situacin del
ejemplo 1 (tabla 1), en que no se realiza la prueba, mientras que cuando T = +t estamos en la
del ejemplo 3 (tabla 2). Uniendo las utilidades de ambos casos se obtiene la tabla siguiente.
U ( x , t , d ) + x x
+ d 78 88
+t
d 28 98
+ d 80 90
t
d 30 100
Tabla 3. Tabla de utilidad para el ejemplo 4 (resultante de unir las tablas 2 y 3).
+x
U (+ x, + d, t ) = 80
+d P(+ x) = 007
X
U (+ d) = 893 x
U ( x, + d, t ) = 90
t P( x) = 093
D
Dopt(t)=d +x
U (+ x, d, t ) = 30
U ( t) = 951 d P(+ x) = 007
X
U( d) = 951 x
U ( x, d, t ) = 100
P( x) = 093
+x
U(+ x, + d , +t ) = 78
+d P(+x|+y ) = 0695
T X
U(+d|+y) = 810 x
Topt = +t U( x, + d , +t ) = 88
P(+y)=00916 P(x|+y ) = 0305
U = 960 D
Dopt(+y)=+d +x
U(+ x, d , +t ) = 28
U(+ y) = 810 P(+x|+y ) = 0695
+y d
X
U(d |+y) = 493 x
U( x, d , +t ) = 98
+t P(x|+y) = 0305
Y
U(+ t) = 960 +x
U(+ x, + d , +t ) = 78
+d P(+x|y) = 0007
y X
U(+d |y) = 879 x
U( x, + d , +t ) = 88
P(y)=09084 P(x|y) = 0993
D
Dopt(y)=d +x
U( y) = 975 U(+ x, d , +t ) = 28
d P(+x|y) = 0007
X
U(d |y) = 975 x
U( x, d , +t ) = 98
P(x|y) = 0993
Recomendamos al alumno/a que vuelva a leer ahora las secciones 2.1 a 2.4; confiamos en
que despus de haber estudiado estos ejemplos le resulten mucho ms comprensibles que la
primera vez que las ley.
diagramas de influencia no presenta ninguna dificultad que no aparezca en el caso de las redes
bayesianas.
Luego hay que construir las tablas de utilidad. Una posibililidad es usar la efectividad co-
mo si fuera una utilidad. Algunas medidas de efectividad pueden ser la esperanza de vida (consi-
derando slo el tiempo de supervivencia, sin consideraciones de calidad), el nmero de casos
diagnosticados correctamente, el nmero de hipertensos controlados, etc. Sin embargo, es ms
habitual utilizar como utilidad el tiempo de vida ajustado en calidad. Ello requiere estimar, por
un lado, el tiempo que va a vivir el paciente y, por otro, medir la calidad de vida asociada a cada
uno de los estados. Vamos a tratar este punto con ms detenimiento en la prxima seccin.
Tambin es posible que incluir en la utilidad los costes econmicos. Sin embargo, no es re-
comendable meter en el mismo saco dos cuestiones tan diferentes, y por ello, los aspectos eco-
nmicos de la medicina y la salud pblica suelen estudiarse mediante anlisis de coste-
efectividad o de coste-utilidad, que contabilizan por un lado los aspectos econmicos (costes) y
por otro los resultados relacionados con la salud (efectividad o tiempo de vida ajustado en cali-
dad); lo estudiaremos en la seccin 5.
Por ltimo, conviene realizar un anlisis de sensibilidad para determinar qu variaciones de
los parmetros que hemos introducido podran llevar a conclusiones diferentes. Expondremos
este punto en la seccin 4.
En esta seccin vamos a estudiar los cuatro mtodos ms utilizados para medir la calidad de
vida: las escalas de valoracin, el juego estndar, la equivalencia temporal y la equivalencia en
personas. Cada uno de ellos es aplicable tanto para medir las preferencias individuales (aplicn-
dolos a un solo paciente) como las preferencias sociales (aplicndolos a un grupo de pacientes).
Vamos a mencionar tambin los ndices de salud-utilidad, como el EuroQoL y el HUI, que pue-
den servir para determinar la utilidad asociada a un estado de enfermedad a partir de la clasifica-
cin del paciente de acuerdo con un reducido nmero de atributos.
+x
U(salud total) = 1
opcin 1 Prob = p
X
U1 = p
x
U(muerte) = 0
D Prob = 1p
opcin 2
U(estado) = c
U2 = c
ndices de salud-utilidad
Los ndices de salud-utilidad son instrumentos que permiten calcular fcilmente la calidad
de vida de un paciente en funcin de su clasificacin a partir de un reducido nmero de atributos.
Por ejemplo, uno de los atributos del ndice EuroQoL es la movilidad, y toma tres valores: 1. El
paciente puede andar sin problemas, 2. Problemas para andar, y 3. Confinado en cama. El
investigador debe seleccionar uno de los tres valores posibles para cada atributo que forma el
EuroQoL; como hay 5 atributos, la clasificacin de cada paciente viene dada por una quntupla;
20 Teora probabilista de la decisin en medicina
por ejemplo, (3,3,2,1,3). De este modo, el paciente queda clasificado en una de las 25 = 243
categoras posibles. En realidad este ndice consta de 245 categoras, pues a los 243 estados
ordinarios aade dos ms: muerto e inconsciente. Por otro lado, EuroQoL ofrece una
expresin matemtica que transforma cada estado de salud, es decir, cada quntupla, en un nme-
ro que indica la calidad de vida correspondiente a ese estado.
El ndice EuroQoL, donde QoL significa Quality of life, fue desarrollado como un proyec-
to conjunto de varios pases de europeos. En 1990 constaba de seis dimensiones, pero posterior-
mente se desarroll una nueva versin, denominada EQ-5D, que contena slo cinco: movilidad,
autonoma (self-care), actividades ordinarias, dolor-molestias y ansiedad-depresin, cada uno
con tres posibles valores. La ecuacin que transforma cada quntupla en una medida de calidad
de vida se obtuvo a partir de una muestra de 3.000 adultos escogidos aleatoriamente en el Reino
Unido, cada uno de los cuales fue entrevistado en su domicilio mediante el mtodo de la equiva-
lencia temporal.
Otro ndice muy conocido es el Health Utilities Index (HUI), de la Universidad de McMas-
ter, en Canad. La versin ms reciente, HUI3, desarrollada en los aos 90, consta de 8 atributos,
con 5 o 6 valores posibles por cada uno de ellos: vista, odo, capacidad de conversacin, capaci-
dad de andar, destreza manual, estado emocional, capacidad cognitiva y dolor. Este ndice se ha
utilizado en estudios clnicos, en anlisis de coste-efectividad y en informes de salud pblica
(health population surveys).
En las referencias bibliogrficas que se indican al final de esta unidad el lector podr encon-
trar ms informacin sobre stas y otras tcnicas para la determinacin de la calidad de vida,
incluidos varios ndices de salud-utilidad, as como cuestionarios especficos para algunas
enfermedades. Tan slo queremos sealar, para evitar confusiones, que no todas las escalas de
calidad de vida pueden ser utilizadas como medidas de utilidad para la toma de decisiones. Por
ejemplo, el bien conocido cuestionario SF-36 utiliza una escala de calidad de vida que no se
ajusta a los principios de la teora de la decisin, si bien hay estudios orientados a transformar las
medidas de esta escala en autnticas utilidades.
4. Anlisis de sensibilidad
Por tanto, siempre queda la duda de si la validez de las conclusiones depende de las hipte-
sis utilizadas; es decir, si en vez de aplicar esas hiptesis hubiramos aplicado otras diferentes,
habramos obtenido las mismas conclusiones?
Ejemplo 5. Consideremos de nuevo el problema de decisin planteado en el ejemplo 4. Con las
probabilidades y utilidades asignadas, la utilidad esperada era 960 y la poltica de actuacin
resultante era aplicar el tratamiento cuando la prueba Y da positivo y no aplicarlo cuando da
negativo. Supongamos que la prevalencia de la enfermedad X, que en ese ejemplo vala 014,
fue extrada de un estudio poco fiable y en realidad no sabemos con certeza si la verdadera pre-
valencia es 011 o 018. En este caso tendramos que realizar un anlisis de sensibilidad para
saber cunto vara la utilidad esperada con estos nuevos valores de P(+x) y si la poltica de ac-
tuacin cambia o no.
El anlisis de sensibilidad, por tanto, consiste en determinar si las conclusiones obtenidas en
nuestro estudio se mantienen a pesar de las incertidumbres relativas a la construccin del mode-
lo. Si se mantienen estables, nuestra confianza en la validez de las conclusiones aumenta. Si
varan, eso significa que es necesario continuar investigando hasta que desaparezca la incerti-
dumbre. Por ejemplo, si la las variaciones de la prevalencia dentro de nuestro intervalo de incer-
tidumbre [011, 018] dieran lugar a diferentes polticas de actuacin, sera necesario realizar un
estudio epidemiolgico para conocer la prevalencia con mayor precisin por ejemplo, [012,
015], de modo que la poltica de actuacin no se viera afectada por dicha incertidumbre.
Por tanto, existen varios tipos de anlisis de sensibilidad (A.S.). Segn el tipo de conclusio-
nes estudiadas, podemos distinguir dos tipos:
A.S. de la utilidad (en ingls, value sensitivity analysis), que mide las variaciones en la utili-
dad esperada.
A.S. de las polticas (en ingls, decision sensitivity analysis), que examina si las polticas de
actuacin varan o no.
Segn el tipo de hiptesis estudiadas, el A.S. puede ser:
cualitativo, a veces llamado estructural, que examina si las hiptesis cualitativas utilizadas
en el modelo pueden hacer variar las conclusiones;
cuantitativo, que estudia en qu medida las variaciones en los parmetros del modelo, es
decir, las probabilidades y las utilidades, pueden afectar variar las conclusiones.
A su vez, el A.S. cuantitativo puede ser de tres tipos:
por rangos: considera las variaciones de los parmetros dentro de ciertos rangos; por ejemplo,
considerando que cierta prevalencia puede variar entre 011 y 015;
probabilista: asigna una distribucin de probabilidad a cada parmetro; por ejemplo, supo-
niendo que la prevalencia viene dada por una distribucin de probabilidad gaussiana de media
014 y desviacin estndar 003; 4
de umbrales: examina a partir de qu valores de cierto parmetro cambia la poltica de actua-
cin; en el ejemplo anterior, los umbrales son 00502 y 0542, porque cuando la prevalencia es
inferior a 00502 la poltica ptima es no realizar test y no tratar nunca, mientras que cuando
la prevalencia es superior a 0542 la poltica ptima es tratar a todos los pacientes, sin realizar
el test.
Por otro lado, el A.S. cuantitativo puede ser:
de un parmetro: se centra en un nico parmetro; por ejemplo, la prevalencia.
4
La prevalencia es una probabilidad de primer orden, y la distribucin de probabilidad para el valor de la prevalen-
cia se denomina probabilidad de segundo orden.
22 Teora probabilista de la decisin en medicina
El anlisis consiste en hacer variar cada parmetro dentro de su rango, mientras los dems
parmetros toman sus valores de referencia. Por ejemplo, a la prevalencia de X le podemos asig-
nar 10 valores equidistantes en el intervalo [011, 018]; para cada uno de estos 10 valores cons-
truimos un diagrama de influencia y, al evaluarlo, obtenemos su utilidad esperada. En nuestro
ejemplo, las utilidades obtenidas estn entre 933 y 950. Anlogamente, si hacemos variar la
sensibilidad de Y entre 080 y 099 obtenemos unas utilidades que van desde 939 y 946. As
obtenemos un rango de utilidad para cada uno de los parmetros. Estos intervalos se clasifican
de mayor a menor amplitud y se representan en el diagrama de tornado que aparece en la figura
11. El eje horizontal representa la utilidad. Cada barra horizontal corresponde a un parmetro. El
programa Elvira escribe un nmero junto a cada barra para indicar el parmetro correspondiente.
La lnea vertical representa la utilidad del caso de referencia, que en este ejemplo es 943.
El inters del diagrama de tornado es que muestra grficamente cul de los parmetros del
modelo tiene mayor influencia en la utilidad esperada. Para determinar con mayor precisin
dicha utilidad es necesario conocer con mayor precisin los parmetros del modelo y el diagrama
de tornado nos indica a cules de los parmetros debemos prestar mayor atencin.
5
Para construir esta tabla hemos utilizado una versin ligeramente modificada del diagrama de influencia del
ejemplo 4, en la cual en vez de incluir un nico nodo de utilidad hemos incluido dos, uno para la cantidad-calidad
de vida y otro para el coste del test, de modo que el coste del test aparezca explcitamente como uno de los parme-
tros del modelo. (Aun as, no se trata de un anlisis de coste-efectividad porque en este ejemplo el coste del test no
es su importe econmico sino el coste relativo a la salud, es decir, relacionado con las molestias que ocasiona al
paciente, y por tanto se refiere a la calidad de vida.)
4. Anlisis de sensibilidad 23
La ventaja principal del diagrama de araa frente al diagrama de tornado es que no slo
muestra el rango de variacin de la utilidad esperada para cada parmetro, sino tambin el signo
y la magnitud de la variacin. Por ejemplo, la figura 12 no slo muestra que el intervalo para la
prevalencia de X es [933, 950], como se vea en la figura 11, sino que adems muestra que un
24 Teora probabilista de la decisin en medicina
Figura 13. Grfica de sensibilidad para el problema del ejemplo 4; el eje horizontal indica la
prevalencia de X. La lnea azul corresponde a +t (decisin de realizar el test) y la lnea roja a t
(no realizar el test). Las lneas amarillas representan el caso de referencia.
El extremo izquierdo de la grfica indica que cuando P(+x) = 0, es decir, cuando estamos
seguros de que el paciente no tiene la enfermedad, lo mejor es no hacer el test: si lo hiciramos
la utilidad disminuira desde 10 hasta 98 como consecuencia de haber realizado un test innece-
sario.
El extremo derecho de la grfica indica que cuando P(+x) = 1, es decir, cuando estamos se-
guros de que el paciente tiene la enfermedad tampoco conviene hacer el test: si lo hiciramos, la
utilidad esperada descendera desde 8 hasta 78.
Los casos en que la lnea azul, que representa la utilidad asociada a realizar el test, est por
encima de la lnea roja, que representa la utilidad esperada cuando no se hace el test, indican los
valores de prevalencia para los cuales es aconsejable realizar el test. En consecuencia, la poltica
ptima para T es:
Los puntos en que se cruzan ambas lneas, es decir, 00502 y 0542, se denominan umbrales
de decisin, e indican valores de prevalencia para los cuales hay empate entre ambas opciones,
es decir, la utilidad es la misma para hacer el test que para no hacerlo.
El anlisis de sensibilidad sobre dos parmetros sera similar: del mismo modo que hemos
representado sobre una lnea (el eje horizontal) la variacin de un parmetro, la variacin de dos
parmetros se representa sobre un cuadrado o un rectngulo, y los umbrales de decisin ya no
sern puntos que dividen la lnea en varios segmentos (intervalos), sino lneas curvas que dividen
el cuadrado o el rectngulo en varias regiones. Sin embargo, el anlisis sobre dos o ms parme-
tros es difcil de interpretar intuitivamente, y por eso no lo vamos a abordar en este curso.
5. Anlisis de coste-utilidad
Beneficio neto
El anlisis econmico en medicina puede enfocarse a partir del principio de que el objetivo
de las polticas sanitarias es maximizar el beneficio global que obtiene la sociedad, teniendo en
cuenta que, por un lado, cada intervencin conlleva un beneficio y, por otro, consume unos
recursos econmicos que podran haber aportado otros beneficios si se hubieran gastado de
forma diferente; volveremos sobre este punto en la seccin 0.
Por tanto, el beneficio neto (para un individuo o para la sociedad) de una intervencin sani-
taria se podra definir as:
BN = U C (4)
donde U es la utilidad relativa a la salud y C es el coste econmico.
Por tanto, si conocemos y los valores de U y C para distintas intervenciones podemos cal-
cular el beneficio neto de cada una de ellas y aplicar un anlisis de decisiones unicriterio, 6 por
ejemplo mediante un diagrama de influencia o un rbol de decisin, tal como hemos hecho en la
seccin 2. Ahora bien, de estos tres valores el ms difcil de obtener es : el valor de U se puede
determinar empricamente con los mtodos expuestos en la seccin 3.2 y el de C mediante con-
tabilidad analtica; en la prctica puede ser complicado obtenerlos, pero al menos se sabe qu es
lo que se quiere medir. En cambio, no tiene un valor objetivo que se pueda medir con mtodos
cientficos, sino que su determinacin plantea cuestiones ticas y sociales muy espinosas (cf. sec.
5.4). Aun suponiendo que todo el mundo aceptara que la toma de decisiones en medicina se
realizara segn los principios de la teora de la decisin que estamos exponiendo en este artculo,
nadie querra asumir la responsabilidad de decidir cunto vale . Desde luego ningn responsa-
ble de poltica sanitaria, aun en el caso poco probable de que se planteara esta cuestin, se atre-
vera a dar en pblico un valor a .
Por eso en el anlisis de decisiones en medicina, que debe realizarse con criterios objetivos,
se trata de obviar casi siempre (salvo en los estudios de coste-beneficio) el problema de la equi-
valencia entre dinero y salud. Lo que se suele hacer por ejemplo, en los estudios de coste-
efectividad y de coste-utilidad es medir por separado el beneficio relacionado con la salud y el
coste econmico.
Una ventaja adicional de presentar por separado el coste y los beneficios relativos a la salud
es que permite que diferentes decisores puedan seleccionar las intervenciones en funcin de sus
diferentes s. Por ejemplo, una clasificacin de intervenciones en funcin de su razn de coste-
utilidad puede ser utilizada tanto en un pas rico como en un pas pobre: el primero incluir en su
sistema pblico de sanidad ms tratamientos que el segundo, pero las priorizacin ser la misma
para ambos. En cambio, un anlisis ligado al valor de de un pas concreto no sera aplicable en
otro pas que tuviera un nivel econmico muy diferente.
a) Anlisis de coste-efectividad
En este tipo de estudios, los resultados se miden en alguna unidad mdica, como el nmero
de vidas salvadas o el porcentaje de hipertensos controlados. Un anlisis de este tipo podra
6
Un anlisis de decisin en que la utilidad se mide en una escala unidimensional se denomina unicriterio. El princi-
pal problema de este tipo de anlisis es que exige convertir todos los aspectos relativos a las preferencias del decisor
a una escala comn, lo cual puede ser inapropiado cuando las preferencias del decisor involucran varios aspectos
difciles de comparar entre s. En este caso puede resultar ms adecuado considerar cada aspecto como una dimen-
sin diferente, dando lugar as al anlisis de decisiones multicriterio. El anlisis de coste-efectividad y el de coste-
utilidad son dos ejemplos de anlisis de decisiones bicriterio, porque contabilizamos por separado dos aspectos: el
coste y el resultado relativo a la salud.
En seguida vamos a explicar los tres tipos de anlisis econmico: coste-beneficio, coste-efectividad y coste-
utilidad.
5. Anlisis de coste-utilidad 27
concluir, por ejemplo, que la aplicacin de cierto tratamiento conlleva un coste de 30.000 por
cada vida salvada o que la aplicacin de cierta prueba de cribado (screening) tiene un coste de
750 por cada caso de cncer detectado.
Este tipo de estudios puede servir para comparar distintas intervenciones orientadas a un
mismo objetivo. Por ejemplo, puede comparar la efectividad de un cribado mediante un test A
frente a un cribado con el test B; es decir, cuntos verdaderos positivos detecta cada test. Sin
embargo, en caso de que la estrategia de mayor efectividad implique mayor coste econmico,
este tipo de anlisis no se plantea la cuestin de si el aumento en efectividad compensa el coste
econmico adicional. Tampoco sirve para determinar si alguna de esas pruebas de cribado es
ms til (para el conjunto de la sociedad) que otras intervenciones, tales como un tratamiento
teraputico o la introduccin de una nueva vacuna. Por tanto, no se puede aplicar directamente
para priorizar distintas intervenciones ni para decidir, en caso de limitaciones presupuestarias,
qu intervenciones deben aplicarse y cules deben rechazarse.
b) Anlisis de coste-utilidad
En este caso, el beneficio relacionado con la salud se identifica con la utilidad, es decir, con
el tiempo de vida ajustado en calidad, tal como lo hemos definido en la seccin 3.2. La ventaja
principal de utilizar una medida universal, es decir, comn a todos los problemas mdicos de
todas las especialidades, es que permite comparar todas las intervenciones, ya sean de preven-
cin, diagnstico o tratamiento. Esta comparacin conduce a una priorizacin de intervenciones
que, en caso de restricciones presupuestarias, puede ser utilizada para seleccionar las interven-
ciones ms eficientes, tal como veremos en las secciones 5.2 y 5.3. Tambin permite plantearse,
a partir de la ecuacin (4), si el beneficio sanitario que aporta un tratamiento compensa el dinero
que cuesta, tanto en el caso de una intervencin considerada de forma aislada (cf. sec. 5.2) como
en el caso de que existan varios tratamientos para una misma situacin (cf. 5.3).
c) Anlisis de coste-beneficio
El anlisis de coste-beneficio mide todos los beneficios y perjuicios, incluidos los relativos a
la salud, en trminos monetarios, lo cual implica establecer explcitamente una equivalencia
entre la salud y el dinero. Por tanto, el beneficio neto se puede expresar as:
BN = B C (5)
donde B es el beneficio relativo a la salud y C es el coste. Observe que la ecuacin (4), en la cual
se basa el anlisis de coste-utilidad, incluye un parmetro, , que permite convertir la utilidad
mdica en dinero, mientras que en la ecuacin (5) este parmetro no es necesario porque B se
mide directamente en una unidad monetaria.
Hay bsicamente dos mtodos para medir en forma de dinero los resultados relativos a la sa-
lud. El ms antiguo de ellos, denominado mtodo del capital humano (en ingls, human capital
approach), consiste en identificar el beneficio relativo a la salud con los ingresos salriales que
obtiene una persona sana: la administracin de una vacuna, la deteccin precoz de una enferme-
dad y su tratamiento evitan que se pierdan das de trabajo, y ste es el motivo por el cual merece
la pena invertir dinero en salud. Sin embargo, este criterio puramente economicista presenta
claras limitaciones ticas y metodolgicas, por lo cual hoy en da ya no se aplica en medicina de
forma aislada.
El otro mtodo, mucho ms utilizado en la actualidad, consiste en medir la disposicin a pa-
gar (en ingls, willingness to pay, WTP), es decir, cunto dinero estara dispuesta a pagar una
28 Teora probabilista de la decisin en medicina
persona para mejorar su salud, o de forma ms precisa, para evitar cierto estado de enfermedad.
Dado que estas cantidades varan mucho de unas personas a otras, se hace necesario calcular el
promedio para la poblacin de inters.
La principal ventaja del anlisis de coste-beneficio es, por un lado, que permite tratar todas
los costes y los beneficios de forma homognea, lo cual facilita el anlisis matemtico: en vez de
contabilizar por separado los beneficios o perjuicios relativos a la salud y los costes econmicos,
todo se mide en la misma escala y se compara directamente. En consecuencia, el anlisis de
coste-beneficio responde a preguntas que otros tipos de anlisis no se plantean explcitamente,
tales como el tiempo de vida (ajustado en calidad) que se gana con este tratamiento o con esta
prueba de cribado, compensan su coste econmico?. Paradjicamente, el hecho de establecer
una equivalencia entre salud y dinero es tambin el principal inconveniente del anlisis de coste-
beneficio: por un lado, a muchas personas les repugna la idea de asignar un valor econmico a su
propia vida o a la de otras personas, y por otro, los mtodos empleados en la prctica para esta-
blecer dicha equivalencia plantean muchos problemas no slo ticos sino tambin tcnicos, en
cuanto a la validez de los resultados numricos obtenidos.
Por todo ello, en medicina el anlisis de coste-beneficio se utiliza mucho menos que los de
coste-efectividad o coste-utilidad.
Vamos a concluir esta seccin con un apunte sobre terminologa: hay autores que distinguen
entre anlisis de coste-efectividad y anlisis de coste-utilidad, mientras que otros utilizan el
trmino coste-efectividad para ambos. En general, los britnicos y canadienses suelen hacer la
distincin; por ejemplo, el famoso libro de Drummond et al. [2005], escrito por investigadores
de las universidades de York (Reino Unido) y McMaster (Ontario, Canad) dedica un captulo a
cada tipo de anlisis, explicando las diferencias entre ambos. En cambio, en Estados Unidos es
frecuente hablar de coste-efectividad para ambos tipos de estudios; as, el libro de Gold et al.
[1996], a pesar de que se titula Cost-Effectiveness in Health and Medicine, trata sobre todo el
anlisis de coste utilidad. En Espaa tenemos una situacin mixta: hay quien distigue entre
coste-efectividad y coste-utilidad, como hacemos nosotros en este artculo, mientras que otros
utilizan el trmino coste-efectividad para ambos tipos de estudios. Recomendamos al lector que
lo tenga en cuenta cuando acceda a la bibliografa sobre el tema.
7
Elvira no permite realizar anlisis de coste-utilidad, al menos no directamente, porque slo admite diagramas de
influencia unicriterio.
8
En realidad, hemos dividido las utilidades por 10 para pasar de la escala 010 a la escala 01 propia de las
medidas de calidad de vida y hemos supuesto que la situacin descrita en el problema dura exactamente un ao
(ya sea porque al cabo de ese tiempo el paciente se recupera completamente en todos los casos, o bien porque el
paciente muere en todos los casos). Como consecuencia, la utilidad viene expresada en AVACs.
5. Anlisis de coste-utilidad 29
utilidad de C, en cambio, slo depende de D, pues el coste de aplicar la terapia es el mismo para
los sanos que para los enfermos; en concreto, U(+d) = 900 y U(d) = 0 .
X D
U C
Figura 14. Diagrama de influencia para el anlisis de coste-utilidad del ejemplo 6, que es
ampliacin del ejemplo 1. (Comprelo con el diagrama de la figura 1.)
La figura 15 muestra el rbol de decisin para el diagrama de la figura 14. Este rbol nos di-
ce que aplicar la terapia tiene un coste de 900 y una utilidad de 0886 AVAC, mientras si no se
aplica la terapia el coste es nulo y la utilidad es 0902 AVAC.
Figura 15. Clculo del coste y la utilidad para el diagrama de influencia de la figura 14, que
representa el problema del ejemplo 6. (Compare este rbol con el de la figura 2.)
Observe que en este rbol no hemos indicado cul es la estrategia ptima de actuacin. Por
qu en el rbol de la figura 2 s indicbamos la estrategia ptima y aqu no? La razn es que en
aquel rbol se trataba de un problema de decisin unicriterio, la utilidad relativa a la salud, mien-
tras que aqu tenemos dos criterios, el coste y la utilidad. La poltica ptima depender de la
equivalencia entre dinero y salud, es decir, del valor de , que puede ser distinto para personas
diferentes. Volveremos sobre este punto ms adelante.
La situacin en que no se aplica ningn tratamiento puede denominarse intervencin nula o
tratamiento nulo; naturalmente, su coste es 0. Al evaluar una intervencin mdica, no nos inter-
esa su utilidad absoluta, sino su utilidad neta, es decir, cul es la utilidad que aporta realmente el
tratamiento, y se calcula restando de la utilidad absoluta la utilidad del tratamiento nulo. En este
ejemplo, la utilidad neta es 0902 0886 = 0016 AVAC. 9
9
No confunda el beneficio neto, que es la diferencia entre la utilidad [relativa a la salud] y el coste, (cf. ecua-
cin (3)), con la utilidad neta, que es la utilidad [relativa a la salud] de una intervencin menos la utilidad [relativa a
la salud] del tratamiento nulo.
30 Teora probabilista de la decisin en medicina
10
Los mtodos habituales no permiten realizar un anlisis de coste-utilidad con varias decisiones. Por ello se ha
propuesto recientemente un nuevo mtodo [Arias y Dez, 2008], que sirve tanto para rboles de decisin como para
diagramas de influencia. Debido a su complejidad matemtica no lo vamos a exponer en este artculo, sino que
vamos a seguir el mtodo tradicional de reducir el problema a una sola decisin. En el ejemplo siguiente vamos a
utilizar el mtodo tradicional, que consiste en construir un rbol de decisin en que el nodo raz representa la
nica decisin del problema, y cada rama corresponde a una estrategia posible.
5. Anlisis de coste-utilidad 31
intervencin nula
U = 0902 +x U = 030
C=0 C=0
d P(+x) = 014
X
x U = 100
P(x) = 086 C=0
+x U = 078
P(+x|+y ) = 083 C = 975
I +d
X
x U = 088
P(+y)=0153 P(x|+y ) = 017 C = 975
U = 0797
+y C = 975
intervencin
Y
U = 0943
C = 21280
y
P(y)=0847
U = 0970 +x U = 028
C = 75 P(+x|y) = 0015 C = 75
d
X
x U = 098
P(x|y) = 0985 C = 75
Figura 16. rbol de decisin para la intervencin del ejemplo 8. La utilidad est indicada en
AVACs.
" Ejercicio 1. En el ejemplo anterior, suponga que el test costara 50 y el tratamiento 700.
Calcule el coste, la utilidad absoluta, la utilidad neta y la razn de coste-utilidad de la interven-
cin.
Las intervenciones disponibles podran ser las que se indican en la tabla 6. Entre ellas hay
pruebas diagnsticas, tratamientos teraputicos, intervenciones preventivas (por ejemplo, vacu-
nas, revisiones peridicas, campaas contra el tabaquismo y la drogadiccin...), tcnicas de
rehabilitacin, asistencia domiciliaria, etc.
Como la limitacin presupuestaria no nos permite escoger todas las intervenciones, vamos a
empezar seleccionndolas una a una, empezando por la ms beneficiosa, hasta agotar el presu-
puesto. Podramos empezar por aqulla que presenta la mayor utilidad para el paciente; en ese
caso, elegiramos la intervencin C, que aporta 15 AVAC/paciente. Sin embargo, esta interven-
cin consume 512.000 /paciente, es decir, 38.400.000 en total, mientras que A aporta el doble
de utilidad (2.250 AVAC) con un coste muy inferior (18.750.000 ). Claramente A es preferible
a C. Por tanto, no es un criterio correcto escoger la intervencin que aporta la mayor utilidad.
Tampoco sera correcto escoger las intervenciones ms baratas: B es ms barata que D por cada
paciente, pero D aporta casi el triple de AVACs, por menos dinero.
En realidad, no nos importa el coste en s, ni la utilidad en s, sino la relacin entre ambos.
El criterio ms razonable es seleccionar primero la intervencin que nos aporte la mayor utilidad
posible (en AVACs) por cada euro gastado, es decir, aqulla que tenga la mayor razn de utili-
dad-coste, o lo que es lo mismo, la menor razn de coste-utilidad (RCU).
En la tabla 7 hemos ordenado las intervenciones en funcin de su RCU. La columna de coste
acumulado indica cmo aumenta el gasto a medida que vamos incluyendo nuevas intervencio-
nes. Para poder incluir todas ellas necesitaramos un presupuesto de 69.177.600 . Si nuestro
presupuesto es inferior a 60.000.000 slo podremos incluir A y D, mientras que si es de
65.000.000 podremos incluir tambin C y B.
Una tabla como sta, en que las intervenciones estn ordenadas por su RCU (en orden de-
creciente, es decir, empezando por las que aportan mayor utilidad por unidad de coste), se deno-
mina en ingls league table of cost-utility ratios, o simplemente league table cuando el contexto
est claro. Una tabla de este tipo con intervenciones reales puede verse en [Chapman et al.,
2000].
5. Anlisis de coste-utilidad 33
Figura 17. Grfico de coste-utilidad para las intervenciones de las tablas 6 y 7. La lnea roja
inclinada est formada por los puntos cuya razn de coste-utilidad es de 50.000 /AVAC.
En esta tabla hemos incluido tambin la razn de coste utilidad, C/U, para comprobar que
aquellas intervenciones cuya RCU es menor que tienen un beneficio neto positivo, y vicever-
sa. 11 sta es una propiedad general, que se demuestra fcilmente a partir de la ecuacin (4):
BN > 0 C < U C/U < (6)
Es decir, escoger una determinada implica seleccionar aquellas intervenciones que tienen una
RCU menor que y rechazar las dems. En este ejemplo, al escoger una de 50.000 /AVAC se
seleccionan los tratamientos A, D y C, mientras que B, F y E se consideran contraproducentes.
Volviendo a la figura 17 podemos observar que, como era de esperar, las intervenciones selec-
cionadas son aqullas que quedan por debajo de la lnea de 50.000 /AVAC.
" Ejercicio 2. Suponga que = 20.000 /AVAC. Recalcule la tabla 8 e indique qu interven-
ciones se seleccionaran en ese caso segn el criterio del beneficio neto. Compruebe que la se-
leccin sera la misma si se utilizara el criterio C/U < .
Este ejemplo muestra una vez ms la importancia de la razn de coste-utilidad: aunque no
conozcamos todava el valor de , es til determinar la RCU de cada intervencin, porque eso
permitir a cada decisor es decir, cada responsable de polticas sanitarias seleccionar los
tratamientos en funcin de su propia equivalencia dinero-salud.
11
Tenga en cuanta, sin embargo, que el hecho de que una intervencin tenga una RCU menor que otra no implica
que su beneficio neto sea mayor. Por ejemplo, en la tabla 7 se comprueba que la RCU de F es menor que la de E y
sin embargo cuando = 50.000 /AVAC la intervencin E tiene un beneficio neto mayor que F (cf. tabla 8). En
cambio, para otros valores de el beneficio neto de F podra ser mayor que el de E.
5. Anlisis de coste-utilidad 35
Intervencin
Utilidad Coste
ms beneficiosa
CB > CA ?
UB > UA CB = CA B domina a A
CB < CA B domina a A
CB > CA A domina a B
UB = UA CB = CA empate
CB < CA B domina a A
CB > CA A domina a B
UB < UA CB = CA A domina a B
CB < CA ?
En todos los casos est claro cul es la mejor intervencin, excepto cuando una intervencin
tiene mayor utilidad y mayor coste que la otra: compensa el coste adicional esa diferencia de
utilidad?
Vamos a estudiar el caso en que B tiene mayor utilidad pero tambin mayor coste: UB > UA
y CB > CA. (El estudio del caso UA > UB y CA > CB sera idntico.) Se trata de determinar si el
beneficio neto de B es superior al de A (BNB > BNA), igual (BNB = BNA) o inferior (BNB < BNA).
Segn la ecuacin (4),
y por tanto
CB CA
BNB > BNA < (7)
UB UA
Dominancia conjunta
En la seccin anterior hemos visto el concepto de dominancia entre dos intervenciones: B
domina a A cuando tiene mayor utilidad y menor coste.
Ahora vamos a estudiar la dominancia conjunta (en ingls, extended dominance), en la cual
participan tres intervenciones, que llamaremos A, B y D. La dominancia extendida ocurre cuan-
do se cumplen estas tres condiciones (vase la figura 18):
UA < UD < UB
CA < CD < CB
RCUI(D,B) < RCUI(A,B) < RCUI(A,D)
Grficamente esto significa que el punto D est por encima del segmento AB en la grfica
de coste-utilidad, con CD < CB.
B
D
coste
A
utilidad
Coste Utilidad
Intervencin
por paciente por paciente
N 0 0 AVAC
A 8.700 11 AVAC
B 15.000 03 AVAC
C 21.300 04 AVAC
D 26.500 13 AVAC
E 33.000 1,9 AVAC
F 58.000 16 AVAC
G 85.000 25 AVAC
Intervencin
Valor de
ms beneficiosa
Menor de 7.909 /AVAC N (no tratar)
De 7.909 a 30.375 /AVAC A
De 30.375 a 86.667 /AVAC E
Mayor de 86.667 /AVAC G
Tabla 11. Conclusiones del anlisis de coste-utilidad para las intervenciones de la tabla 10.
Por ltimo, debemos sealar que no siempre es necesario incluir el tratamiento nulo, N, en-
tre las intervenciones posibles: hay problemas mdicos en que lo habitual es aplicar un trata-
miento T que es claramente superior a N. El objetivo del estudio es, en ese caso, determinar si
existe alguna intervencin alternativa ms beneficiosa que T. En este tipo de estudios a veces se
demuestra que existe una intervencin V que domina a T, es decir, que ofrece mayor utilidad con
menor coste, y por tanto est claro que V es ms beneficiosa que T. En estos casos suele decirse,
en la literatura anglosajona, que V es cost saving. 12
12
Vase por ejemplo la tabla Hhttps://research.tufts-nemc.org/cear/docs/panel_worthy.pdfH.
5. Anlisis de coste-utilidad 39
Hay que considerar, adems, los costes indirectos, tales como el dinero que gasta en trans-
porte un enfermo crnico cada vez que acude al hospital. Algunos de estos costes pueden ser
muy variables; por ejemplo, el coste de contratar a una persona que cuide a los hijos cuando la
madre est en el hospital. Ms difcil an es evaluar los costes no monetarios; por ejemplo, el
tiempo perdido por una enfermedad, que no es slo el tiempo del paciente, sino tambin el de las
personas que le cuidan, generalmente sus familiares. Hablaremos de este problema en la prxima
seccin.
Por tanto, podemos preguntarnos: cul es la perspectiva ms adecuada para un anlisis de
coste-utilidad? Obviamente, depende de a quin est dirigido el anlisis. Dado que los estudios
que se publican en la literatura mdica estn orientados a la sociedad en general, con la finalidad
de que puedan basarse en ellos las polticas sanitarias, lo ms adecuado es adoptar la perspectiva
social, a pesar de las limitaciones que conlleva.
ciedad. Sin embargo, para muchas personas la satisfaccin de poder cuidar a un familiar enfermo
es algo que nunca se podr medir en dinero.
En resumen, dada la dificultad de cuantificar los costes indirectos, algunos autores reco-
miendan que al presentar las conclusiones de un estudio de coste-utilidad se indiquen por sepa-
rado los costes indirectos y se calculen dos razones de coste-utilidad: una sin ellos y otra con
ellos. El problema es que la RCU que incluye costes indirectos puede ser muy diferente de la que
no los incluye, lo cual puede afectar a la validez de las conclusiones. Imaginemos que la inter-
vencin B, que tiene mayor utilidad que A, conlleva unos costes indirectos muy grandes pero
difciles de cuantificar. Si dejamos de lado esos costes, B es superior a A, pero si los tenemos en
cuenta B podra llegar a ser mucho peor que A. Qu decisin debemos tomar en ese caso?
14
Una muestra de ello, muy de actualidad, es el tema del Htestamento vitalH, tambin llamado documento de
voluntades anticipadas, por el que algunas personas indican por escrito qu tratamientos deseran recibir y cules no
en previsin de que en el futuro lleguen a encontrarse en una situacin en que no puedan expresar sus preferencias.
44 Teora probabilista de la decisin en medicina
porque la mayor parte de la gente rechaza que el dinero y la salud puedan ser equiparables. Es
necesario argumentar detenidamente que el gasto sanitario no puede crecer indefinidamente, que
una sociedad necesita invertir en muchas otras reas y que, por tanto, ante cada intervencin
sanitaria cabe preguntarse si la sociedad podra obtener un beneficio mayor si ese dinero se
dedicara a otras intervenciones sanitarias, ya sean preventivas, diagnsticas o teraputicas, o a
otras intervenciones no sanitarias que tambin podran salvar vidas humanas (por ejemplo, mejo-
rar las carreteras, construir edificios ms seguros, prevenir riesgos laborales...) o contribuir al
bienestar de la poblacin de otro modo: el dinero podra destinarse a educacin, investigacin
cientfica, conservacin de la naturaleza o incluso al ocio (por ejemplo, programas de actividades
para los nios o para la tercera edad), sin olvidar cuestiones tan importantes como la ayuda a
pases ms necesitados, donde una pequea cantidad de dinero es suficiente para proporcionar
ventajas significativas en la salud y el bienestar de numerosas personas.
En segundo lugar, incluso cuando se acepte que tiene que haber un valor para , casi nadie
quiere asumir la responsabilidad de decir cunto debe valer este parmetro. Las autoridades
sanitarias nunca dirn: el sistema pblico de salud no va a proporcionar este tratamiento porque
su razn de coste-utilidad excede el valor de que hemos fijado, sino que probablemente dirn
que la efectividad de este tratamiento no est suficientemente demostrada o algo similar.
En tercer lugar, es difcil asignar un valor a porque la equivalencia entre dinero y salud va-
ra de un pas a otro y de una persona a otra: cuanto ms rico es un pas, ms est dispuesto a
gastar en salud y, por tanto, ms alta es su , y viceversa. Eso explica por qu los pases pobres
no estn dispuestos a incluir en su sistema sanitario algunas intervenciones mdicas que nadie
discute en pases ricos; y sta es una decisin acertada, pues en los pases pobres hay muchas
necesidades que atender y sera contraproducente que el gasto sanitario absorbiera el importe que
hay que dedicar a educacin, infraestructuras, etc., como acabamos de comentar
A pesar de estas dificultades, en la literatura se han propuesto varios mtodos para la deter-
minacin de [Weinstein, 1995]. Uno de ellos consiste en observar qu intervenciones se admi-
ten habitualmente en las polticas sanitarias y en la prctica mdica, con el fin de hallar el valor
de implcito en ellas. Segn el estudio de Kaplan y Bush [1981], las intervenciones cuyo coste
es menor de 20.000 dlares/AVAC 15 son admitidas sin discusin, las de 20.000 a 100.000 son
discutibles pero justificables, y las de ms de 100.000 difciles de justificar. En algunas ocasio-
nes se toma el valor = 50.000 dlares/AVAC como punto de referencia, aun reconociendo la
gran incertidumbre que existe sobre este parmetro. Otro criterio es que una intervencin cuya
razn de coste-utilidad sea igual o inferior al producto interior bruto (PIB) per cpita del pas
debe ser admitida sin lugar a dudas, lo cual concuerda con las conclusiones de Kaplan y Bush,
pues el PIB per cpita de Estados Unidos en 1981 era de 20.000 dlares.
Una dificultad adicional es que, al aumentar el nmero de tratamientos disponibles (nuevos
frmacos e intervenciones quirrgicas para enfermedades que antes eran incurables, nuevos
mtodos diagnsticos, etc.) el gasto sanitario puede indefinidamente, aunque se mantenga fijo.
El problema es que podra llegar un momento en que el gasto sanitario superase el presupuesto
total de un pas, por mucho que aumentasen los impuestos. Eso significa que, con el paso del
tiempo, habra que revisar a la baja, lo cual podra llevar a excluir de la sanidad pblica algu-
nos de los tratamientos que hoy se consideran eficientes, aunque el pas fuera ms rico de lo que
es actualmente. Para muchas personas sta es una conclusin absurda, contraria a la idea de
progreso, pero est claro que el gasto sanitario no puede crecer hasta el punto de asfixiar a la
sociedad a la cual pretende servir.
15
Los costes estn medidos en dlares estadounidenses de 1981.
5. Anlisis de coste-utilidad 45
demasiado bajos (una vida humana vale ms de 3 millones de euros) y quien piense que son
demasiado altos (con 500.000 euros se podran salvar cientos o miles de vidas en el Tercer
Mundo).
En cualquier caso, como hemos dicho, los anlisis de coste-utilidad dejan de lado el proble-
ma de cul es el valor de : se limitan a calcular la razn de coste-utilidad de distintas interven-
ciones, y son las autoridades de poltica sanitaria, como representantes de toda la sociedad,
quienes deben tomar la decisin. Pero tarde o temprano hay que abordar esa cuestin.
Por otro lado, conviene decir, para deshacer un equvoco muy frecuente, que el anlisis de
coste-utilidad no es una herramienta orientada a recortar el gasto sanitario. De hecho, de muchos
estudios de coste-utilidad se deduce la conclusin de que debera aplicarse en la prctica clnica
alguna nueva intervencin, aunque tenga un coste superior a la que se estaba utilizando hasta
ahora. Por ejemplo, a pesar de que la tomografa axial computerizada (TAC) y la resonancia
magntica son ms caras que la radiografa, en muchos casos presentan una RCUI tan pequea
que su beneficio neto resulta obvio. Este tipo de estudios puede ayudar a vencer la reticencia de
las autoridades sanitarias a introducir tratamientos que incrementen el coste sanitario.
En realidad, el objetivo principal del anlisis de coste-utilidad no es aumentar ni reducir el
coste sanitario, sino intentar obtener el mayor beneficio del dinero invertido; simplificando un
poco, podemos decir que el objetivo es emplear mejor el dinero.
Llegar un da en que las polticas sanitarias se rijan fundamentalmente por los resultados
de los anlisis de coste-utilidad? El intento ms explcito es el que se hizo en el estado de Ore-
gn (EE.UU.) de construir una tabla de intervenciones sanitarias ordenadas segn su coste-
utilidad, similar a la tabla 13 de esta unidad, como orientacin para determinar cules se deban
incluir en el sistema pblico Medicaid [Eddy, 1996]. Las crticas que recibi este proyecto fue-
ron tan fuertes que las autoridades decidieron abandonarlo. A pesar de este intento fallido, la
importancia de este tipo de estudios contina creciendo en todo el mundo. En Australia, las
compaas farmacuticas que desean que un nuevo medicamento sea cubierto por la sanidad
pblica deben presentar un estudio de coste-efectividad o coste-utilidad en que se comparen los
costes y beneficios de su producto frente a los de al menos un frmaco alternativo. Una condi-
cin semejante exige el gobierno del estado de Ontario (Canad), y est previsto que otros esta-
dos canadienses se sumen a esta propuesta. Por otro lado, las autoridades de prcticamente todos
los pases estn considerando, en mayor o menor medida, la posibilidad de utilizar el anlisis de
coste-utilidad para orientar sus polticas ms sanitarias.
En resumen, el anlisis econmico ocupa un papel cada vez ms preeminente en medicina
actual y su importancia seguir creciendo de forma considerable en los prximos aos, a pesar de
las dificultades. No es que hasta ahora se haya prescindido de las consideraciones econmicas,
sino que los mdicos y las autoridades sanitarias generalmente el anlisis de coste-utilidad se
realizaba (y an hoy se realiza casi siempre) de forma intuitiva, sin utilizar criterios explcitos, ni
mtodos matemticos, ni herramientas computacionales. Segn Power y Eisenberg [1998], no
hay duda que tanto los efectos mdicos como los econmicos se van a tener en cuenta en la toma
de decisiones relativas a la salud en todos los niveles de la poltica sanitaria; la nica cuestin es
si se van a tener en cuenta correctamente. Esperamos que este trabajo pueda servir para ello.
de los mdicos. Por eso vamos a enumerar tambin algunas de las limitaciones que presentan y
cmo podran solucionarse.
16
Como ampliacin de este apartado, pueden consultarse las tranparencias del seminario que F. J. Dez imparti en
le Escuela de Salud Pblica de Harvard en junio de 2005: Hhttp://www.cisiad.uned.es/seminars/2005-influence-
diagrams-harvard.htmlH.
6. Ventajas de los diagramas de influencia 49
7. Notas bibliogrficas
Referencias
Arias, M., y Dez, F.J. [2008] Cost-effectiveness analysis with sequential decisions. En
preparacin.
Baron, J. [2000] Thinking and Deciding. Cambridge University Press, Cambridge, Reino Unido.
3 edicin.
Bell, D.E., Raiffa, H., y Tversky, A. (Eds.) [1988] Decision Making: Descriptive, Normative
and Prescriptive Interactions. Cambridge University Press, Cambridge, Reino Unido.
Bernouilli, D. [1738] Specimen theoriae novae de mensura sortis. Comentarii Academiae
Scientiarium Imperialis Petropolitane, 175-192. Traduccin al ingls: Exposition of a new
theory on the measurement of risk. Econometrica 22 (1954), 23-36.
Bowling, A. [2001] Measuring Disease: A Review of Disease-specific Quality of Life
Measurement Scales. Open University Press, Buckingham, Filadelfia, PA, 2 edicin.
Bowling, A. [2004] Measuring Health: A Review of Quality of Life Measurement Scales. Open
University Press, Buckingham, Filadelfia, PA, 3 edicin.
Clemen, R.T., y Reilly, T. [2001] Making Hard Decisions. Duxbury, Pacific Grove, CA.
Clemen, R.T., y Reilly, T. [2001] Making Hard Decisions. Duxbury, Pacific Grove, CA.
Chapman, R.H., Stone, P.W., Sandberg, E.A., Bell, C., Neumann, P.J. [2000] A comprehensive
league table of cost-utility ratios and a sub-table of panel-worthy studies. Medical
Decision Making 20, 451-467.
Cohen, B.J. [1996] Is expected utility theory normative for medical decision making?.
Medical Decision Making 16, 1-14. Con discusin.
Dawes, R.M. [1988] Rational Choice in an Uncertain World. Harcourt Brace Jovanovich,
Orlando, FL.
Drummond, M.F., McGuire, A. (eds.) [2001] Economic Evaluation in Health Care: Merging
Theory with Practice. Oxford University Press, Oxford, RU.
Drummond, M.F., OBrien, B., Stoddart, G.L., Torrance, G.W. [1997] Methods for the
Economic Evaluation of Health Care Programmes. Oxford University Press, Oxford, RU. 2
edicin, 2000. 3 edicin (autores: Drummond, M.F., Sculpher, M.J., Torrance, G.W.,
O'Brien, B.J., Stoddart, G.L.), 2005. Traduccin espaola de la 2 edicin: Mtodos para la
Evaluacin Econmica de los Programas de Asistencia Sanitaria. Daz de Santos, Madrid,
2001.
Drummond, M.F., Sculpher, M.J., Torrance, G.W., O'Brien, B.J., y Stoddart, G.L. [2005]
Methods for the Economic Evaluation of Health Care Programmes. Oxford University
Press, Oxford, RU. 3 edicin.
Drummond, M.F., y McGuire, A. (eds.) [2001] Economic Evaluation in Health Care: Merging
Theory with Practice. Oxford University Press, Oxford, RU.
Eddy, D.M. [1996] Clinical Decision Making. From Theory to Practice. Jones and Barlett,
Sudbury, MA.
F. J. Dez, UNED. Se prohbe distribuir copias de este artculo, porque podran estas obsoletas.
Para obtener la versin ms reciente e informacin adicional (fe de erratas, enlaces, etc.),
vase http://www.ia.uned.es/~fjdiez/papers/decision-medicina.html.
54 Teora probabilista de la decisin en medicina
Torrance, G.W. [1987] Utility approach to measuring health-related quality of life. Journal of
Chronic Diseases 40, 593-600.
von Neumann, J., y Morgenstern, O. [1944] Theory of Games and Economic Behavior.
Princeton University Press, Princeton, NJ. 2 edicin, 1947; 3 edicin, 1953.
Weinstein, M.C. [1995] From cost-effectiveness ratios to resource allocation: where to draw the
line?. En [Sloan, 1995].
Weinstein, M.C., Fineberg, H.V., Elstein, A.S., Frazier, H.S., Neuhauser, D., Neutra, R.R., and
McNeil, B.J. Clinical Decision Analysis. W.B. Saunders, Filadelfia, PA, 1980.
Ejercicios resueltos 56
Ejercicios resueltos
1. Sea de nuevo la situacin del ejemplo 4 (pg. 13), con una enfermedad X, una prueba Y, un
tratamiento D. Indique cul es la poltica que se debe seguir en cada uno de los siguientes casos
e intente dar una explicacin intuitiva que justifique dicha poltica. Los datos numricos son los
mismos que en el ejemplo citado, salvo cuando se indica explcitamente lo contrario.
a) En otro grupo de poblacin, la prevalencia de X es el 4%.
b) Para cierto paciente, la probabilidad X basada en la anamnesis y la exploracin fsica es el
60%.
c) Suponga que la especificidad de Y fuera del 85% en vez del 97%.
d) Suponga que los efectos secundarios del tratamiento D en un paciente sano fueran ms graves,
de modo que en vez de U(x,+d) = 90 tuviramos U(x,+d) = U(+x,+d) = 80.
e) Suponga que hay cierto paciente que afirma que, aunque tuviera la enfermedad D, no lo con-
siderara como algo demasiado grave: podra tolerar sus sntomas sin sentirse abrumado por
ellos. Utilizando un cuestionario de calidad de vida apropiado, se ha determinado que para este
paciente U(+x,d) = 50 en vez de 30.
f) En los pacientes aquejados de X que presentan adems cierta anomala crnica, el tratamiento
D no es muy eficaz. De hecho, en vez de conseguir una recuperacin hasta un nivel de U(+x,+d)
= 80 slo se consigue, en promedio, que U(+x,+d) = 40.
g) El coste de realizar la prueba diagnstica Y era de dos unidades en la escala de 0 a 100 que
estamos utilizando [por eso en la tabla 3 se observa que U(+x,+d,+t) = U(+x,+d,t) 2]. Sin
embargo, un grupo de mdicos de cierto hospital est experimentando una nueva forma de reali-
zar la prueba Y, de modo que las molestias para el paciente sean slo de una unidad.
h) En el supuesto de que el coste la prueba Y sea de slo una unidad, cul es la poltica ade-
cuada para el grupo de pacientes del apartado a?
2.a. Una paciente de 52 aos presenta el sntoma S, que indica un posible tumor T, cuya preva-
lencia es 00003; el signo S tiene una sensibilidad del 97% y una especificidad del 995%. Las
mujeres de esa edad que no tienen el tumor viven en promedio hasta los 76 aos. Si tiene el
tumor, el tiempo de vida esperado es de 6 meses.
Existe una operacin quirrgica Q que presenta una mortalidad del 5%, tanto para pacientes
sanos como enfermos. La esperanza de vida para los pacientes que tienen ese tumor y superan la
operacin se eleva a 12 aos.
a) Construya un diagrama de influencia que represente el problema.
b) Recomendara Vd. operar a esta paciente? Y si no tuviera el sntoma?
c) Cul sera la esperanza de vida para esta paciente (suponiendo que no hubiera otros medios
de diagnstico)? Y si no tuviera el sntoma? Si no supiramos si tiene el sntoma o no, qu
esperanza de vida le calcularamos?
F. J. Dez, UNED. Se prohbe distribuir copias de este artculo, porque podran estas obsoletas.
Para obtener la versin ms reciente e informacin adicional (fe de erratas, enlaces, etc.),
vase http://www.ia.uned.es/~fjdiez/papers/decision-medicina.html.
Ejercicios resueltos 57
2.b. En el mismo contexto del problema anterior, existe la posibilidad de realizar una biopsia,
con una mortalidad del 3, una sensibilidad para el tumor del 996% y una especificidad del
998%.
a) Construya un diagrama de influencia que represente el problema.
b) Recomendara Vd. realizar la biopsia a esta paciente? Y si no tuviera el sntoma?
c) Si a esta paciente se le realiza la biopsia y da positivo, es mejor operar o no operar? Y si da
negativo? Y si no se realiza la biopsia? Responda estas tres preguntas tambin en el supuesto de
que la paciente no tuviera el sntoma.
d) Cul es la esperanza de vida para esta paciente? Y si no tuviera el sntoma? Si no supira-
mos si tiene el sntoma o no, qu esperanza de vida le calcularamos?
3.a. La enfermedad E tiene una prevalencia del 4%; el 75% de los casos son de grado leve y el
25% de grado severo. Hay dos tratamientos posibles: mdico y quirrgico; en principio, el trata-
miento quirrgico consigue mejores resultados, sobre todo en los casos graves, pero presenta el
inconveniente de que en el 3% de los casos surgen complicaciones que provocan una discapaci-
dad permanente en el paciente.
Un estudio realizado con un grupo de mdicos y pacientes ha concluido que la utilidad aso-
ciada a cada uno de los estados posibles teniendo en cuenta los beneficios y perjuicios de cada
tratamiento y el tiempo de vida esperado puede venir dada por la siguiente tabla, donde el
significa enfermedad E en grado leve, es enfermedad severa, ea ausencia de enfermedad, tm
tratamiento mdico, tq tratamiento quirrgico y t ningn tratamiento.
U ea el es
t 100 80 50
tm 98 90 70
tq, sin complicaciones 95 93 87
discapacidad provocada por tq 30 30 30
a) Construya el diagrama de influencia para este problema, suponiendo que antes de tomar la
decisin teraputica conociramos con certeza si el paciente tiene la enfermedad o no, y en caso
de que la tenga, si es leve o severa. (Recuerde que el diagrama de influencia no consta solamente
de un grafo, sino tambin de las tablas de probabilidad y utilidad.)
b) Indique cul es el tratamiento ms adecuado para cada uno de los tres estados de enfermedad
posibles (ausente, leve o severa).
c) Qu variacin en alguno de los datos numricos del enunciado podra hacer que las conclu-
siones del apartado anterior fueran diferentes?
3.b. En el ejercicio anterior hemos analizado cul sera la poltica de acutacin ms adecuada
suponiendo que conocamos con certeza si la enfermedad E estaba presente y en qu grado.
Supongamos ahora que no conocemos E con certeza, sino slo indirectamente, al observar un
aumento de Z en sangre, tal como indica la siguiente tabla (zn significa nivel normal, za nivel
aumentado y zm nivel muy aumentado):
58 Teora probabilista de la decisin en medicina
P(z|e) ea el es
zn 097 039 012
za 002 053 036
zm 001 008 052
5. Resuelva los ejercicios anteriores utilizando el programa Elvira, incluido en el CD-ROM del
Programa Modular, y compruebe que obtiene los mismos resultados.
Tenga en cuenta que los diagramas de influencia que Elvira maneja desde la interfaz grfica
deben ser simtricos (cf. sec. 6.1), por lo que en algunas variables tendr que introducir valores
adicionales. Por ejemplo, la variable Resultado del Test, adems de tener los valores positi-
vo y negativo puede necesitar un tercer valor test no realizado. Vea la nota al pie n 19
(pg. 68 de este tema) y el vdeo docente 3 incluido en el CD-ROM del Programa Modular.
Ejercicios resueltos 59
Soluciones
1. En cada uno de estos apartados el diagrama de influencia y el rbol de decisin tienen la
misma estructura que los del ejercicio 4. Tan slo cambian los valores numricos que intervienen
en el problema y algunas de las conclusiones que se deducen de la evaluacin del rbol. Por eso
aqu no vamos a repetir los diagramas y los clculos, sino que nos limitamos a analizar las con-
clusiones.
a) La poltica es {t, d}: no realizar la prueba Y ni aplicar el tratamiento. La justificacin es de
por qu no hay que realizar la prueba Y es la siguiente: la disminucin en la prevalencia de la
enfermedad hace que aumente la tasa de falsos positivos: P(x|+y) = 44% [frente a P(x|+y) =
30% para el ejemplo 4]. Eso implica que si aplicramos el tratamiento D a las personas que dan
positivo en Y, estaramos causando perjuicios a muchas personas sanas.
b) La poltica es {t, +d}: aplicar el tratamiento directamente, sin realizar la prueba. Es cierto
que se corre un riesgo, porque si el paciente no tiene la enfermedad X se le van a originar moles-
tias innecesarias, pero tambin se corre un riesgo cuando la prueba Y da negativo y no se le
aplica el tratamiento D, ya que podra tratarse de un falso negativo: P(+x|y) = 12%. Como en el
caso anterior, la prueba Y aportara informacin til sobre la presencia o ausencia de la enfer-
medad, pero insuficiente para compensar el coste de Y. En el caso de su coste fuera nulo, s sera
recomendable realizarla para este paciente.
c) La poltica es {t, d}. La razn es que la disminucin en la especificidad de la prueba hace
que aumente la tasa de falsos positivos, por lo que disminuye la calidad de la informacin que
aporta la prueba, y en consecuencia, la utilidad que aporta es insuficiente para compensar su
coste.
d) En este caso, U(x,+d,t) = 80 y U(x,+d,+t) = 78; el resto de los valores de la tabla de utili-
dad no se modifican. La poltica es {+t, si +y entonces +d, si y entonces d}, la misma que en
el ejemplo 4. La utilidad disminuye hasta 957 (frente a 960) como consecuencia del mayor
perjuicio que ocasiona a las personas sanas, pero aun as el beneficio que se aporta a los enfer-
mos compensa ese perjuicio. Tambin en este caso la informacin que aporta la prueba Y com-
pensa su coste.
e) La poltica es, una vez ms, {t, d}. El motivo es que para este paciente la enfermedad no
representa un estado especialmente negativo, y por eso la mejora que le va a aportar el trata-
miento en caso de que est enfermo es insuficiente para compensar el perjuicio que puede oca-
sionarle en caso de que est sano.
f) Tambin en este caso la poltica es {t, d}. La explicacin es, como en el apartado anterior,
que los perjuicios que puede aportar el tratamiento son mayores que los beneficios potenciales
(teniendo en cuenta la probabilidad de tener o no tener X).
En cinco de los seis casos anteriores, lo ms recomendable era no realizar la prueba. Eso no
significa que en estos casos el resultado de la prueba no sirva para nada. De hecho, analizando el
rbol de decisin de cada uno de estos apartados se observa que, si se realizara la prueba Y, el
resultado servira para decidir si conviene aplicar el tratamiento o no. Sin embargo, la utilidad
que se gana debido a la informacin que aporta Y no es suficiente para compensar el coste de Y.
En cambio, si el coste de la prueba fuera nulo, s sera recomendable realizarla en todos y cada
uno de los casos examinados.
g) La poltica en este caso es la misma que en el ejemplo 4: realizar la prueba Y; si da positivo,
aplicar el tratamiento D; si da negativo, no aplicarlo.
60 Teora probabilista de la decisin en medicina
h) Tambin en este caso la poltica es la misma que en el ejemplo 4. A pesar de que en el apar-
tado a habamos dicho que para este grupo de pacientes, con una prevalencia de X del 4%, no era
recomendable realizar la prueba (en su forma estndar), cuando el coste de la prueba se reduce a
la mitad la prueba resulta til incluso para una prevalencia del 4%.
2.a. a)
T
S
+t t
P(t) 00003 09997
P(s | t) +t t
+s 097 0005
s 003 0995
La tabla de utilidad se obtiene a partir del tiempo de vida esperado en cada caso, descontando el
riesgo asociado a la prueba quirrgica Q cuando se realiza:
U(t, q) = 76 52 = 24 aos
U(+t, q) = 6 meses = 05 aos
U(t, +q) = 24 (1 005) = 24 095 = 228 aos
U(+t, +q) = 12 095 = 114 aos
U(t, q) +t t
+q 114 aos 228 aos
q 05 aos 24 aos
b) Para saber si conviene operar a esta paciente tenemos que desarrollar el rbol de decisin. El
nico nodo de decisin que hay es Q; al tomar esta decisin se conoce el valor de S pero no el de
T. Por tanto, el orden de las variables es S-Q-T-U.
El rbol de decisin es el siguiente. De l se deduce que la mejor decisin es no operar, in-
dependientemente de que la paciente tenga el sntoma o no.
Ejercicios resueltos 61
+t
U(+t, + q) = 114
+q P(+t|+s)=0055
T
U(+q|+s)=2217
t
U(t, +q) = 228
P(t|+s)=0945
P(+s)=0005
Q
Dopt(+s) = q
U(+s)=2271 +t
U(+t, q) = 05
q P(+t|+s)=0055
T
U(q|+s)=2271
t
U(t, q) = 24
P(t|+s)=0945
S
U=23993 +t
U(+t, +q) = 114
+q P(+t|s)0
T
U(+q|s)=228
t
U(t, +q) = 228
P(t|s)1
P(s)=0995
Q
Dopt(s) = d
U(s)=24 +t
U(+t, q) = 05
q P(+t|s)0
T
U(q|s)=24
t
U(t, q) = 24
P(t|s)1
c) La esperanza de vida para esta paciente es U(+s) = 2271 aos ms de los que tiene, es decir,
52 + 2271 = 7471. Si no tuviera el sntoma sera 52 + 24 = 76 aos. Si no sabemos si tiene el
sntoma o no, 52 + 23993 = 75993 aos. 17
17
Se da aqu una paradoja: el enunciado del problema dice que la esperanza de vida para una mujer de 52 aos es
76 aos. Sin embargo, aqu llegamos a la conclusin de su esperanza de vida es de 75993. (Recomendamos al
lector que se pare a reflexionar y trate de encontrar por s mismo la solucin antes de seguir leyendo.)
La solucin a esta paradoja consiste en que hemos tomado U(t, q)=24, el mismo que para la poblacin forma-
da por todas las mujeres de 52 aos, en la cual hay algunas que s padecen en tumor. Si tomamos U(t, q)=24, es
natural que U sea menor, debido a los casos de tumor. Otra solucin para esta paradoja sera asignar a U(t, q) un
valor ligeramente superior a 24, de modo que U=24. En cualquier caso, se trata de una pequea diferencia que no
afecta a la poltica de actuacin teraputica.
62 Teora probabilista de la decisin en medicina
2.b. a)
Explicacin del grafo: Adems de los nodos y enlaces del problema anterior, aparece un nodo
decisin, B, y un nodo que representa una variable aleatoria, R, el resultado de la biopsia. El
resultado de la biopsia depende de si el paciente tiene tumor o no y, naturalmente, de si la biop-
sia se realiza; por eso se trazan los enlaces TR y BR. Hay adems tres enlaces que indican
informacin: SB significa que, al tomar la decisin de realizar o no la biopsia, se conoce si la
paciente tiene el sntoma; SQ y RQ indican que, al tomar la decisin de operar o no, se sabe
ya si el sntoma est presente y cul ha sido el resultado de la biopsia. El enlace BQ indica
ordenacin temporal: la decisin de realizar la biopsia o no se toma antes de decidir si se opera
al paciente. 18 Por ltimo, hemos aadido un enlace BU que indica la influencia de la biopsia
sobre la esperanza de vida, influencia que viene dada por el riesgo de mortalidad al realizar la
prueba.
Las tablas de probabilidad condicional para T y S son las mismas que en el problema ante-
rior. La de R es:
P( r| t , b) + r r r0
+ t 0'996 0'002 0
+b
t 0'004 0'998 0
+t 0 0 1
b
t 0 0 1
La tabla de utilidad depende ahora de los tres padres de U, que son T, B y Q. Cuando B = b
(no se realiza la biopsia), la utilidad es la misma que en el caso anterior. Cuando se realiza la
biopsia, hay que descontar la mortalidad asociada.
U(+t, +b, +q) = U(+t, b, +q) 0997 = 114 aos 0997 = 1137
U(t, +b, +q) = U(t, b, +q) 0997 = 228 aos 0997 = 2273
U(+t, +b, q) = U(+t, b, q) 0997 = 05 aos 0997 = 0498
18
En realidad, este enlace no es necesario, pues los enlaces BR y RQ indican, respectivamente, que la decisin
B influye en la variable aleatoria R, la cual se conoce antes de tomar la decisin Q, de lo cual se deduce que B
precede temporalmente a Q.
Ejercicios resueltos 63
U(t, b, q) +t t
+b, +q 1137 aos 2273 aos
+b, q 0498 aos 2393 aos
b, +q 114 aos 228 aos
b, q 05 aos 24 aos
b) Para saber si conviene hacer la biopsia tenemos que desarrollar el rbol de decisin.. Hay dos
decisiones: B y Q; primero se toma es B y luego Q. Al tomar la decisin B slo se conoce el
valor de S; el valor de R se conoce despus de B (en caso de que se decida realizar la biopsia) y
antes de Q. El valor de T no se conoce al tomar estas decisiones. Por tanto, el orden de los nodos
en el rbol es S-B-R-Q-T-U.
El rbol completo y evaluado se muestra en las siguientes figuras. El primero de los cinco
diagramas siguientes muestra la raz del rbol, y los cuatro siguientes desarrollan cada una de las
cuatro ramas principales.
Observe que las ramas (+s, b) y (s, b) coinciden respectivamente con las ramas +s y s
del rbol del problema anterior, en que no haba posibilidad de realizar biopsia.
Las probabilidades del tipo P(t | s, r) que aparecen en las ramas (+s, +b) y (s, +b) se han
calculado mediante el mtodo probabilista clsico (compruebe el lector que en este caso est
justificado aplicar dicho mtodo):
P( + s|+ t ) P( + r|+ t ) P( + t )
P( + t|+ s,+ r ) =
P( + s|+ t ) P( + r|+ t ) P( + t ) + P( + s| t ) P( + r| t ) P( t )
0'97 0'996 0'0003
= = 0'9666
0'97 0'996 0'0003 + 0'005 0'002 0'9997
P( + s|+ t ) P( r|+ t ) P( + t )
P( + t|+ s, r ) =
P( + s|+ t ) P( r|+ t ) P( + t ) + P( + s| t ) P( r| t ) P( t )
0'97 0'004 0'0003
= = 0'000233
0'97 0'004 0'0003 + 0'005 0'998 0'9997
P( s|+ t ) P( + r|+ t ) P( + t )
P( + t| s,+ r ) =
P( s|+ t ) P( + r|+ t ) P( + t ) + P( s| t ) P( + r| t ) P( t )
0'03 0'996 0'0003
= = 0'00449
0'03 0'996 0'0003 + 0'995 0'002 0'9997
P( + s|+ t ) P( r|+ t ) P( + t )
P( + t| s, r ) =
P( + s|+ t ) P( r|+ t ) P( + t ) + P( + s| t ) P( r| t ) P( t )
0'03 0'004 0'0003
= = 0'0000000363
0'03 0'004 0'0003 + 0'995 0'998 0'9997
64 Teora probabilista de la decisin en medicina
De la evaluacin de este rbol se deduce que para esta paciente, que tiene el sntoma S, la
decisin ptima es realizar la biopsia. Si no tuviera el sntoma, sera mejor no realizarla.
c) Si la biopsia da positivo, es mejor operar; si da negativo es mejor no operar. Si no se realizara
la biopsia rama (+s, b) la decisin Q ptima sera no operar. Para una mujer que no pre-
sente el sntoma, lo mejor es no operar en ningn caso.
d) La esperanza de vida para esta paciente es de 52 + 2323 = 7523 aos. Si no tuviera el snto-
ma, sera de 52 + 24 = 76 aos. Si no supiramos si tiene el sntoma o no es decir, la esperanza
de vida para las mujeres de mujeres de 52 aos de esta poblacin es de 52 + 23996 = 75996
aos.
Se observa que la esperanza de vida aumenta debido a la posibilidad de realizar la biopsia en
presencia del sntoma.
+r
Q
+b P(+r|+s)=0057
R
U(+b|+s)=2323 r
Q
P(+s)=0005 P(r|+s)=0943
B
Dopt(+s) = +b
U(+s)=2323 b
Q
U(b|+s)=2271
S
+r
U=23996 Q
+b P(+r|s)=0002
R
U(+b|s)=2393 r
Q
P(s)=0995 P(r|s)=0998
B
Dopt(s) = b
U(s)=24 b
Q
U(b|s)=24
Ejercicios resueltos 65
+t
Rama +s, +b U(+t,+q,+b) = 1137
+q P(+t|+s,+r)=0967
T
U(+q,+b|+s,+r)
t
=1175 U(t,+q,+b) = 2273
P(t|+s,+r)=0033
Dopt(+s,+b,+r) = +q
Q
U(+s,+b,+r)=1175
P(+r|+s) +t
=0057 U(+t,q,+b) = 0498
q P(+t|+s,+r)=0967
T
U(q,+b |+s,+r)
t
=128 U(t,q,+b) = 2393
P(t|+s,+r)=0033
+b
R
+t
U(+t,+q,+b) = 1137
+q P(+t|+s,r)0
T
U(+q,+b |+s,r)
t
P(r|+s) =2273 U(t,+q,+b) = 2273
=0943 P(t|+s,r)1
Dopt(+s,+b,r) = q
Q
U(+s,+b,+r)=2392
+t
U(+t,q,+b) = 0498
q P(+t|+s,r)0
T
U(q,+b |+s,r)
t
=2392 U(t,q,+b) = 2393
P(t|+s,r)1
+t
Rama +s, b U(+t,+q,b) = 114
+q P(+t|+s)=0055
T
U(+q,b|+s)
t
=2217 U(t,+q,+b) = 228
P(t|+s)=0945
b Dopt(+s,b) = q
Q
U(+s,b)=2271
+t
U(+t,q,+b) = 05
q P(+t|+s)=0055
T
U(q,b |+s)
t
=2271 U(t,q,+b) = 24
P(t|+s)=0945
66 Teora probabilista de la decisin en medicina
+t
Rama s, +b U(+t,+q,+b) = 1137
+q P(+t|s,+r)=0004
T
U(+q,+b|s,+r)
t
=2268 U(t,+q,+b) = 2273
P(t|s,+r)=0996
Dopt(s,+b,+r) = q
Q
U(s,+b,+r)=2382
P(+r|s) +t
=0002 U(+t,q,+b) = 0498
q P(+t|s,+r)=0004
T
U(q,+b |s,+r)
t
=2382 U(t,q,+b) = 2393
P(t|s,+r)=0996
+b
R
+t
U(+t,+q,+b) = 1137
+q P(+t|s,r)0
T
U(+q,+b |s,r)
t
P(r|s) =2273 U(t,+q,+b) = 2273
=0998 P(t|s,r)1
Dopt(s,+b,r) = q
Q
U(s,+b,+r)=2393
+t
U(+t,q,+b) = 0498
q P(+t|s,r)0
T
U(q,+b |s,r)
t
=2393 U(t,q,+b) = 2393
P(t|s,r)1
+t
Rama s, b U(+t,+q,b) = 114
+q P(+t|s)0
T
U(+q,b|s)
t
=228 U(t,+q,+b) = 228
P(t|s)1
b Dopt(s,b) = q
Q
U(s,b)=24
+t
U(+t,q,+b) = 05
q P(+t|s)0
T
U(q,b |s)
t
=24 U(t,q,+b) = 24
P(t|s)1
Ejercicios resueltos 67
E T
El arco ET es importante porque indica que al tomar la decisin T se conoce con certeza
el valor de E.
La tabla para E es:
ea el es
P(e) 096 003 001
El nodo T no tiene tabla asociada porque es un nodo de decisin. La tabla para U se calcula
teniendo en cuenta que en unos casos el tratamiento quirrgico tiene complicaciones y en otros
no:
U(ea, tq) = 097 95 + 003 30 = 9305
U(el, tq) = 097 93 + 003 30 = 9111
U(ea, tq) = 097 87 + 003 30 = 8529
con lo que se llega a la siguiente tabla.
U(e,t) ea el es
t 100 80 50
tm 98 90 70
tq 9305 9111 8529
Solucin detallada:
E
T
La tabla para E es la misma que en la solucin breve. El nodo T tampoco tiene tabla asociada
en este caso. Las tablas para C y U son:
P(c|t) t tm tq
+c 0 0 003
+c 1 1 097
U(e, t, c) ea el es
t, c 100 80 50
tm, c 98 90 70
tq, +c 30 30 30
tq, c 95 93 87
Observe que en esta tabla hemos omitido las filas correspondientes a las configuraciones {t,
+c} y {tm, +c}, que no ocurren nunca, porque el nico tratamiento que puede producir complica-
ciones es el quirrgico. 19
el P(el)=003 tm
E T U(el, tm) = 90
Dopt (el)= tq
U=9959 U(el)=9111 tq
U(el, tq) = 9111
es t
U(ea,t) = 50
P(es)=001 tm
T U(ea, tm) = 70
Dopt (es)= tq
U(es)=8529 tq
U(ea, tq) = 8529
19
Si utilizramos una herramienta para el clculo de redes bayesianas (como Elvira, HUGIN, Netica o GeNIE),
tendramos que especificar la tabla U(e, t, c) completa. En ese caso, podramos introducir en las casillas correspon-
dientes valores arbitrarios, ya que en el momento de evaluar el diagrama de influencia tales valores sern multipli-
cados por cero (porque la probabilidad de dichas configuraciones es cero) y no afectarn al resultado final.
Ejercicios resueltos 69
Solucin detallada:
t
U(ea,t) = 100
P(ea)=096 tm
T U(ea, tm) = 98
Dopt (ea)= t
U(ea)=100 P(+c|tq)=003
tq U(ea, tq, +c) = 30
ea C
U(ea,tq)=9305 P(c| tq)=097
U(ea, tq, c) = 95
el
E ...
U=9959
es
...
Como se ve, al evaluar el rbol hay que promediar cada par de utilidades U(e, t, +c) y
U(e, t, c), para calcular la utilidad U(e, t); sta es la operacin que hicimos en la solucin breve
para calcular la ltima fila de la tabla U(e, t). Observe, por ejemplo, que la utilidad U(ea , tq ) =
9305 es la misma que aparece A partir de ese punto, la evaluacin del rbol de decisin es
idntica a la del caso anterior. Se observa as la equivalencia entre la solucin breve y la detalla-
da.
E
Z
Las tablas de probabilidad para E y para U son las mismas que las del apartado a) del pro-
blema anterior (solucin breve). La tabla de Z es la que aparece en el enunciado de este ejercicio.
Solucin detallada:
Como en el problema anterior, consiste en aadir una variable aleatoria C que represente
explcitamente las posibles complicaciones del tratamiento T, con enlaces TU y CU. La
tabla de U es la misma que la del problema anterior (solucin detallada). Las de E y Z son las
mismas que las del apartado anterior.
b) Para saber cul es el tratamientoms aecuado hay que evaluar el bol de decisin. El rbol
correspondiente a la solucin breve se muestra en la siguiente pgina.
La solucin detallada incluye la variable C, que hemos comentado en el apartado anterior,
aunque esa variable slo aparecer en las ramas asociadas a tq. De acuerdo con las reglas que se
indican en la seccin 2.3 de este tema, el orden de las variables puede ser ZTEC o ZTCE;
el resultado de la evaluacin es el mismo en ambos casos.
De dicha evaluacin se obtiene la siguiente poltica:
Nivel de Z normal (zn): ningn tratamiento (t)
Nivel de Z aumentado (za): tratamiento mdico (tm)
Nivel de Z muy aumentado (zm): tratamiento quirrgico (tq).
c) En el apartado b del problema anterior (3.a) vimos que cuando la enfermedad est presente, ya
sea en grado leve o severo, el mejor tratamiento es el quirrgico, y cuando est ausente lo mejor
es no aplicar ningn tratamiento. Por tanto, si el anlisis de Z pudiera determinar con certeza
suficiente la presencia o ausencia de la enfermedad, nunca aplicaramos el tratamiento mdico.
(El tratamiento mdico slo se aplica en casos de incertidumbre, porque beneficia sensiblemente
a los enfermos sin perjudicar demasiado a los sanos.)
Ejercicios resueltos 71
P(ea|zn )=0986
U(ea,t) = 100
U(t, zn ) = P(el|zn )=0012
= 9969 E U(el,t) = 80
P(es|zn )=0001
t U(es,t) = 50
P(ea|zn )=0986
U(ea, tm) = 98
P(zn )=0944 tm U(tm , zn ) = P(el|zn )=0012
T E U(el, tm) = 90
Dopt (zn ) = t = 9787
P(es|zn )=0001
U(zn ) = 9969 U(es, tm) = 70
tq P(ea|zn )=0986
U(ea, tq) = 9305
U(tq , zn ) = P(el|zn )=0012
= 9302 E U(el, tq) = 9111
P(es|zn )=0001
zn U(es, tq) = 8529
P(ea|za )=0496
U(ea,t) = 100
U(t, zn ) = P(el|za )=0411
= 8713 E U(el,t) = 80
P(es|za )=0093
t U(es,t) = 50
P(ea|za )=0496
U(ea, tm) = 98
za P(za ) = 0039 tm U(tm , zn ) = P(el|za )=0411
Z T E U(el, tm) = 90
Dopt (za) = tm = 9211
P(es|za )=0093
U(za ) = 9211 U(es, tm) = 70
U=9924
tq P(ea|za )=0496
U(ea, tq) = 9305
U(tq , zn ) = P(el|za )=0411
= 9153 E U(el, tq) = 9111
P(es|za )=0093
U(es, tq) = 8529
zm P(ea|zm =0558
U(ea,t) = 100
U(t, zn ) = P(el|zm )=0140
= 8209 E U(el,t) = 80
P(es|zm )=0302
t U(es,t) = 50
P(ea|zm )=0558
U(ea, tm) = 98
P(zm ) = 0017 tm U(tm , zn ) = P(el|zm )=0140
T E U(el, tm) = 90
Dopt (zm ) = tq = 8842
P(es|zm )=0302
U(zm )=9043 U(es, tm) = 70
tq P(ea|zm )=0558
U(ea, tq) = 9305
U(tq , zn ) = P(el|zm )=0140
= 9043 E U(el, tq) = 9111
P(es|zm )=0302
U(es, tq) = 8529
72 Teora probabilista de la decisin en medicina
4. a) El coste se debe a la disminucin en la calidad de vida (del 100% al 50%) durante los 6
meses que dura el tratamiento. Por tanto,
Coste = (1 05) 05 aos = 025 aos
b)
S
X
Y
P(X |S) v m
+x 0002 0001
x 0998 0999
P(Y |X) +x x
+y 075 010
y 025 090
La tabla de utilidad se calcula teniendo en cuenta el tiempo de vida esperado (suponiendo que
la calidad de vida es del 100% cuando no se aplica el tratamiento) y descontanto el coste del
tratamiento cuando procede:
U(X,T) +x x
+t 975 2975
t 100 3000
sencia/ ausencia del sntoma, pero no conocemos con certeza si la enfermedad est presente. Por
tanto, S e Y deben aparecer a la izquierda de T en el rbol, y X debe aparecer a la derecha. Hay
dos formas vlidad de ordenar los nodos: SYTX e YSTX; podemos escoger cualquiera de
las dos, porque las dos conducen al mismo resultado. Escogiendo la primera, el rbol que se
obtiene es el que mostramos en la pgina siguiente.
Al construir este rbol hemos tenido que calcular las 8 probabilidades de la forma P(x|s, y),
donde s representa los dos valores de la variable S, que son v (varn) y m (mujer). Esta probabi-
lidad condicionada se obtiene a partir de una red bayesiana compuesta por tres nodos, S, X e Y,
cuya probabilidad conjunta se factoriza as:
P(s, x, y) = P(s) P(x|s) P(y|x)
Como ejemplo, mostramos la forma de calcular P(+x|v, +y).
P(+x|v, +y) = P(v, +x, +y) / P(v, +y)
P(v, +x, +y) = P(v) P(+x|v) P(+y|+x) = 05 0002 075 = 000075
P(v, +y) = P(v, +x, +y) + P(v, x, +y)
P(v, x, +y) = P(v) P(x|v) P(+y|x) = 05 0998 010 = 004995
P(v, +y) = 000075 + 004995 = 005070
P(+x|v, +y) = 000075 / 005070 = 001479
El clculo de P(y|s), que tambin necesitamos, es similar:
P(s, y) = x P(s, x, y) = x P(s) P(x|s) P(y|x)
P(y|s) = P(s, y) / P(s)
y P(s) es un dato del problema.
d) La poltica de actuacin ptima es no aplicar nunca el tratamiento.
e) El tratamiento es beneficioso siempre que el paciente tiene la enfermedad. Por tanto, toda
variacin en los datos que haga aumentar la probabilidad a posteriori puede hacer cambiar la
poltica; por ejemplo, un aumento en la prevalencia o un aumento en la especificidad del snto-
ma. En concreto, si la especificidad fuera del 95% convendra aplicar el tratamiento a todos los
varones sintomticos, y si fuera del 98% convendra aplicarlo a todos los pacientes sintomticos,
hombres y mujeres.
Tambin una reduccin en el coste del tratamiento hara que el perjuicio de tratar a una per-
sona sana fuera menor, con lo cual podramos arriesgarnos a dar el tratamiento a un paciente
aunque su probabilidad a posteriori no fuera muy alta. (De hecho, piense que si el coste fuera
nulo convendra darlo a todos los pacientes, incluso a los asintomticos, como medida preventi-
va.) Tambin un aumento en el tiempo de vida asociado al tratamiento nos inclinara a aplicarlo
en ms casos; por ejemplo, si este tiempo fuera de 20 aos en vez de 10, convendra aplicar el
tratamiento a los varones que presentan el sntoma.
Del mismo modo, una reduccin en el tiempo de vida esperado para un paciente que tiene la
enfermedad nos hara pensar que el tratamiento podra ser beneficioso, para evitar una muerte
inminente. Sin embargo, al hacer los clculos se comprueba que incluso en el caso de que la
esperanza de vida para un enfermo de X fuese cero, la mejor poltica seguira siendo no aplicar el
tratamiento ni siquiera en los pacientes sintomticos, porque podra tratarse de un falso positivo
y correramos el riesgo de acortar la vida de una persona sana.
74 Teora probabilista de la decisin en medicina
+x
U(+x,+t) = 975
+t P(+x|v,+y)=00148
X
U(v,+y,+t) = 2945 x
U(+x,+t) = 2975
P(+y|v) = 01013 P(x|v,+y)=09852
T
Dopt(v,+y) = t +x
U(+x,+t) = 100
U(v,+y) = 2957 P(+x|v,+y)=00148
+y t
X
U(v,+y,t) = 2957 x
U(+x,+t) = 3000
P(x|v,+y)=09852
P(v) = 05
Y
U(v) = 2994 +x
U(+x,+t) = 975
+d P(+x|v,y)=00006
y X
U(v,y,+t) = 2974 x
U(+x,+t) = 2975
v P(y|v) = 08987 P(x|v,y)=09994
+ T
Dopt(v,y) = t +x
U(v,y) = 2999 U(+x,+t) = 100
d P(+x|v,y)=00006
X
U(v,y,t) = 2998 x
U(+x,+t) = 3000
P(x|v,y)=09994
S
+x
U(+x,+t) = 975
U= 2996 +t P(+x|m,+y)=00075
X
U(m,+y,+t) = 2960 x
U(+x,+t) = 2975
P(+y|m) = 01006 P(x|m,+y)=09925
m T
Dopt(m,+y) = t +x
U(+x,+t) = 100
U(m,+y) = 2978 P(+x|m,+y)=00075
+y t
X
U(m,+y,t) = 2978 x
U(+x,+t) = 3000
P(m) = 05 P(x|m,+y)=09925
Y
U(m) = 2997 +x
U(+x,+t) = 975
+d P(+x|m,y)=00003
y X
U(m,y,+t) = 2974 x
U(+x,+t) = 2975
P(y|v) = 08994 P(x|m,y)=09997
T
Dopt(v,y) = t +x
U(v,y) = 2999 U(+x,+t) = 100
d P(+x|v,y)=00003
X
U(m,y,t) = 2999 x
U(+x,+t) = 3000
P(x|m,y)=09997