Definições Estatísticas > Razão de Probabilidade
O artigo seguinte cobre a Razão de Probabilidade tal como se aplica aos testes diagnósticos em medicina. Se você está procurando o teste usado para escolher um melhor modelo, veja o próximo artigo: Teste da Razão de Verossimilhança (Probabilidade e Estatísticas Matemáticas).
O que é uma Razão de Verossimilhança?
Pode querer ler este artigo primeiro: Sensibilidade vs. Especificidade.
Rácios de Verossimilhança (LR) em testes médicos são usados para interpretar testes diagnósticos. Basicamente, a LR diz-lhe a probabilidade de um paciente ter uma doença ou condição. Quanto maior for a razão, maior a probabilidade de que o paciente tenha a doença ou condição. Por outro lado, uma razão baixa significa que é muito provável que não o tenham. Portanto, estes rácios podem ajudar um médico a excluir ou excluir uma doença.
Fórmulas
A fórmula do rácio de verosimilhança (LR) é:
Testes podem ser positivos ou negativos, por isso existem dois rácios:
- LR Positivo: Isto diz-lhe quanto aumentar a probabilidade de ter uma doença, dado um resultado positivo do teste. A razão é:
Probabilidade de uma pessoa com a condição testada positiva (um verdadeiro positivo) /
probabilidade de uma pessoa sem a condição testada positiva (um falso positivo). - LR Negativo: Isto diz-lhe o quanto diminuir a probabilidade de ter uma doença, dado um resultado negativo do teste. A razão é:
Probabilidade uma pessoa com a condição testa negativa (um falso negativo) /
probabilidade uma pessoa sem a condição testa negativa (um verdadeiro negativo).
Sensibilidade e especificidade são uma forma alternativa de definir o rácio de verosimilhança:
- LR positivo = sensibilidade / (100 – especificidade).
- LR negativo = (100 – sensibilidade) / especificidade.
Interpretando os rácios de verosimilhança
Rácios de verosimilhança variam de zero a infinito. Quanto maior o valor, maior a probabilidade de o paciente ter a condição. Como exemplo, digamos que um resultado positivo no teste tem um LR de 9,2. Este resultado é 9,2 vezes mais provável de acontecer num paciente com a condição do que num paciente sem a condição.
Uma regra de ouro (McGee, 2002; Sloane, 2008) para interpretá-los:
- 0 a 1: diminuição da evidência de doença. Valores mais próximos de zero têm uma maior diminuição na probabilidade de doença. Por exemplo, um LR de 0,1 diminui a probabilidade em -45%, enquanto que um valor de -0,5 diminui a probabilidade em -15%.
- 1: sem valor diagnóstico.
- Acima de 1: aumento da evidência de doença. Quanto mais longe de 1, maior é a probabilidade de doença. Por exemplo, um LR de 2 aumenta a probabilidade em 15%, enquanto um LR de 10 aumenta a probabilidade em 45%. Uma LR acima de 10 é uma evidência muito forte para governar uma doença.
Real Life Example
Sloane (2008) oferece o seguinte exemplo para um teste de ferritina sérica, que testa a anemia por deficiência de ferro. O LR para o teste é:
| Resultado (mg/dl) | Rácio de probabilidade de vida |
| ≤ 15 | 51.8 |
| 15 – 24 | 8.8 |
| 25 – 34 | 2.5 |
| 45 – 100 | 0,5 |
| ≥ 100 | 0,08 |
O LR de 51,8 para menores de 15 mg/dL resulta em evidência muito forte para governar na anemia por deficiência de ferro. Por outro lado, o LR muito baixo de 0,08 é uma evidência clara de que não há anemia. Os resultados intermediários podem ser interpretados; outros testes podem ser necessários.
Teoria de Bayes e o LR
Em teoria, o LR diz se um teste está correto. Na prática, ele não é muito usado. Isto pode ser porque o Teorema de Bayes (a teoria por trás das probabilidades pré-teste e pós-teste) não é muito fácil de entender. Entretanto, você não precisa compreender o funcionamento interno do teorema para entender a forma de razão de probabilidade do teorema:
Por exemplo, digamos que um paciente que retorna de férias ao Rio apresenta febre e dores nas articulações. Dados anteriores dizem que 70% dos pacientes em sua clínica que retornam do Rio com febre e dores nas articulações têm Zika. Para calcular a probabilidade o paciente tem Zika:
Passo 1: Converta a probabilidade do pré-teste para odds:
0.7 / (1 – 0.7) = 2.33.
Passo 2: Use a fórmula para converter o pré-teste para odds:
Pós-teste Odds = Odds do pré-teste * LR = 2.33 * 6 = 13.98.
Passo 3: Converta as probabilidades no Passo 2 de volta para probabilidade:
(13.98) / (1 + 13.98) = 0.93.
Há 93% de probabilidade de o paciente ter Zika.
Referência:
McGee, S. Simplificando os Rácios de Probabilidade. J Gen Med. Interno. 2002 Ago; 17(8): 647-650. Disponível aqui.
Sloane, P. 2008. Essentials of Family Medicine. Lippincott Williams & Wilkins.
Stephanie Glen. “Likelihood Ratio (Medicina): Definição Básica, Interpretação” de StatisticsHowTo.com: Estatística Elementar para o resto de nós! https://www.statisticshowto.com/likelihood-ratio/
——————————————————————————
Need ajuda com um trabalho de casa ou pergunta de teste? Com o Chegg Study, você pode obter soluções passo-a-passo para suas perguntas de um especialista na área. Seus primeiros 30 minutos com um tutor do Chegg são grátis!