Análisis bayesiano del ECG

La interpretación eficaz de un ECG depende no solo del análisis técnico del trazado, sino también de la capacidad de contextualizar el estudio dentro de la realidad clínica del paciente. Aquí es donde se destaca el análisis bayesiano del ECG: al integrar la probabilidad pretest de que el paciente tenga la condición sospechada con los hallazgos electrocardiográficos, permite calcular la probabilidad postest de la sospecha diagnóstica. A diferencia de los enfoques tradicionales basados solo en la sensibilidad y la especificidad, esta herramienta aporta una visión más amplia y personalizada, que aumenta la precisión diagnóstica y fortalece la toma de decisiones clínicas.

Análisis bayesiano

El análisis bayesiano dispone de tres herramientas para ayudar en la interpretación del ECG:

Árbol de Bayes
Nomograma de Fagan
Cálculo directo

Caso clínico

Un paciente de sexo masculino, de 75 años, hipertenso y diabético, acude a urgencias por dolor retroesternal opresivo irradiado a la mandíbula y al miembro superior izquierdo. Según el contexto clínico, se estima que la probabilidad pretest de oclusión coronaria aguda (OCA) es del 80%. Sin embargo, al analizar el ECG, no se observa supradesnivel del segmento ST. Con los siguientes datos sobre el supradesnivel del segmento ST, es posible aplicar el análisis bayesiano del ECG.

Sensibilidad: 43,6%
Especificidad: 96,5%
Razón de verosimilitud positiva: 12,5
Razón de verosimilitud negativa: 0,58

Árbol de Bayes

Árbol de Bayes con probabilidad pretest del 80%, sensibilidad del 44% y especificidad del 96% — Árbol de Bayes.

Fórmula del total de resultados negativos: 45,1% de falsos negativos + 19,3% de verdaderos negativos = 64,4% — Cálculo de la probabilidad postest a partir del árbol de Bayes. Tras construir el árbol de Bayes, el primer paso para obtener la probabilidad postest es calcular el total de resultados negativos.

Probabilidad postest por el árbol de Bayes: 45,1% de falsos negativos ÷ 64,4% de negativos ≈ 70% — Cálculo de la probabilidad postest a partir del árbol de Bayes. Una vez obtenido el total de resultados negativos, basta resolver el cociente “proporción de falsos negativos/total de resultados negativos” para encontrar la probabilidad postest. Cabe destacar que la fórmula para calcular la probabilidad postest en este ejemplo solo es válida en caso de prueba negativa.

Nomograma de Fagan

Nomograma de Fagan que une una probabilidad pretest del 80% y una razón de verosimilitud de 0,58 con una postest de alrededor del 70% — Nomograma de Fagan. Observe el mismo resultado.

Cálculo directo

Transformación de la probabilidad pretest en odds pretest:

Conversión de la probabilidad pretest del 80% en odds pretest: 0,80 ÷ (1 − 0,80) = 4 — Cálculo de la probabilidad postest mediante el cálculo directo.

Transformación de las odds pretest en odds postest:

Odds postest iguales a odds pretest 4 × razón de verosimilitud negativa 0,58 = 2,32 — Cálculo de la probabilidad postest mediante el cálculo directo. Cabe destacar que en las pruebas negativas se usa la razón de verosimilitud negativa en la segunda fórmula, y en las pruebas positivas, la razón de verosimilitud positiva.

Transformación de las odds postest en probabilidad postest:

Conversión de las odds postest en probabilidad: 2,32 ÷ (1 + 2,32) ≈ 70% — Cálculo de la probabilidad postest mediante el cálculo directo. Observe el mismo resultado.

Con este caso clínico concluimos que, aun sin supradesnivel del segmento ST en el ECG, el paciente sigue teniendo una alta probabilidad de OCA. Esto refuerza la importancia del análisis bayesiano del ECG como herramienta para aumentar la precisión diagnóstica y, en consecuencia, ofrecer un tratamiento más acertado y eficaz.