Modelo matemático mejora manejo de enfermedades

Se necesita un modelo matemático para reducir el efecto de la variación biológica cuando se monitorizan mediciones cuantitativas de laboratorio para detectar cambios en el estado clínico que pueden conducir a mejores predicciones en los pacientes, a un menor costo.

Investigadores en la Escuela de Medicina de la Universidad de Boston (BUSM; MA, EUA) evaluaron parejas múltiples de datos de pacientes en lugar de un solo par, y encontraron una disminución sustancial en la diferencia estadística entre los valores necesarios para identificar un cambio fisiológico dentro de un intervalo de confianza dado, mejorando así la sensibilidad de la evaluación. Mientras que la prueba estándar para el cambio compara la diferencia entre dos puntos con un límite de confianza del 95%, dado como ±1.96•(2)½•SD, los investigadores encontraron que el efecto de aumentar el número de parejas de datos sobre el límite de confianza, usando la fórmula 1.96•(2/n)½•SD, (donde n = número de parejas de datos) reducía significativamente la diferencia entre los valores necesarios para lograr un límite de confianza del 95%. Según el estudio, este método tiene el potencial de contribuir con la personalización del cuidado de la salud, redefiniendo límites comunes en el manejo de pacientes clínicos. El estudio fue publicado en la edición de Enero de 2010, de la revista Archives of Pathology & Laboratory Medicine.

"Se puede reconsiderar la decisión de tratar a los pacientes con un régimen terapéutico más agresivo cuando una prueba puede mostrar que ha sucedido un cambio pequeño, pero estadísticamente muy significativo”, dijo el autor del estudio, Martin Kroll, M.D, un profesor de patología y medicina del laboratorio en BUSM. "Un resultado como éste puede conducir a posponer un régimen terapéutico nuevo hasta el siguiente momento de análisis, en el que el cambio inicial pequeño pero significativo, en los valores se ha convertido en un cambio con relevancia clínica y estadística”.

Enlace relacionado:
Boston University School of Medicine