Análisis Bayesiano Comprensivo de Múltiples Pruebas Clínicas

Abstract

Las pruebas diagnósticas que son utilizadas en la práctica clínica ayudan a determinar el estado de una enfermedad en el paciente. Conocer si estas pruebas son condicionalmente independientes o no, ayudaría a determinar dicho estado con mayor precisión. Se encontró que las probabilidades de tener la enfermedad dado que ambas pruebas son positivas, negativas o combinadas se sobrestiman/subestiman con el modelo tradicional, que supone independencia condicional, y que existe un conflicto cuando las pruebas tienen resultados opuestos. Este conflicto puede generar evidencias dramáticamente discrepantes si se supone independencia condicional o no. En este trabajo construimos una prueba bayesiana objetiva basada en el factor de Bayes de los modelos con y sin independencia condicional. Además, se calculan las densidades posteriores de las probabilidades de diagnóstico e intervalos a posteriori por métodos de Monte Carlo y de Cadenas de Markov (MCMC). Este trabajo completa el trabajo de Pereira y Pericchi (1990) y generaliza el trabajo de Berger & Mossman (2001).