As Bases do Pensamento Bayesiano em Medicina.

Iniciamos aqui uma série de posts destinadas a explicar o que é o "pensamento probabilístico", ou "Bayesiano", em medicina, e como impacta em quatro momentos essenciais da prática: o exame físico; o diagnóstico mediante uso de métodos complementares; o tratamento; e a interpretação crítica de trabalhos científicos.

O pensamento Bayesiano.

    No século XVIII, na Inglaterra, o reverendo Bayes descreveu o conceito de probabilidade condicional: em essência, a ideia de que, partindo de uma probabilidade pré-teste já existente, com a aquisição de novas evidências (com a aplicação de um teste diagnóstico, por exemplo), obtemos uma probabilidade pós-teste.

A fim de esclarecer como o teorema se aplica à medicina, pense no seguinte caso:

“Um paciente completamente assintomático vai ao médico para consulta rotineira; no exame físico, o médico detecta anormalidade tipicamente presente nos portadores de uma dada doença; inquieto, questiona-se ‘será que isso é normal, sendo que ele está assintomático, e posso tranquilizá-lo, ou devemos nos preocupar?”

O médico, a fim de concluir se a “anormalidade do exame físico” é importante e deve guiar novas investigações, deverá analisar três questões principais: 

• 1- antes do exame físico, qual era a probabilidade pré-teste de que o paciente estivesses doente?

• No caso, a depender da condição em questão, o fato de o paciente estar bem, assintomático, ou não possuir fatores de risco importantes, pode levar o médico a estabelecer probabilidade pré-teste baixa de doença;

• 2- qual o valor intrínseco desse achado de exame físico?

• Em essência: quão bem esse achado de exame físico é capaz de distinguir pessoas doentes de pessoas saudáveis? Repare como o exame físico, como um exame de sangue solicitado, é um teste diagnóstico, cujo valor depende: da probabilidade inicial do indivíduo em que se aplica; e da própria acurácia do teste, de sua capacidade de discriminar saudáveis e doentes. 

• 3- uma vez com a probabilidade pré-teste + teste positivo: o quanto esse teste positivo muda o pensamento, levando a pensar que o paciente pode ter algum problema - ou seja, qual a probabilidade pós-teste (de possuir a doença em questão)?

Entendidos os conceitos, cabe perguntar: como podemos responder, à luz das evidências científicas, essas três questões? 

1 - A probabilidade pré-teste.

Como vimos, a probabilidade pré-teste (no contexto do diagnóstico) consiste na probabilidade de que o indivíduo esteja doente, antes mesmo de que se realiza seu exame físico, ou se solicitem testes complementares.

Alguns fatores essenciais determinam-na: a prevalência da doença na população a que pertence o indivíduo; a história apresentada pela pessoas, seus sintomas e antecedentes pessoais, por exemplo; e a própria experiência do médico que o atende.

O impacto da prevalência da doença sobre a probabilidade pré-teste (tristemente) pode ser ilustrado pela situação atual: hoje, um paciente que se apresenta com sintomas respiratórios novos, que teve contato com amigo com COVID-19, terá, naturalmente, probabilidade pré-teste alta da doença, que pode inclusive determinar a conduta, sem necessidade de testes (que mudariam muito pouco, nesse caso a probabilidade pós-teste).

A história ganha valor à medida que permite, ao médico, buscar entender se a situação do paciente corresponde àquela de apresentação de algumas doenças em particular - em relação aos sintomas, sua duração e intensidade, por exemplo. O relato do paciente ajuda a estreitar o pensamento médico, que parte de uma folha em branco e, gradualmente, molda seu pensamento de acordo com o que lhe conta o paciente.

A experiência própria do médico impacta a probabilidade pré-teste de dois modos principais: primeiro, possibilita que se valorizem, ou não, aspectos da história; segundo, caso trabalhe em clínica própria, por exemplo, o médico pode ter estimativa da prevalência da doença que está cogitando na população de pacientes que costuma atender.

Além dos fatores acima descritos, possuímos, hoje, calculadoras que nos ajudam a estimar a probabilidade pré-teste. Tais calculadores baseiam-se em estudos de centenas de milhares de pacientes com as condições estudadas, e nos permitem estimar a probabilidade, rapidamente, com base nelas. (recomendo o aplicativo MDCalc, por exemplo).

2 - O valor do teste.

Como vimos acima, o resultado de um teste deve ser analisado de acordo com sua capacidade de discriminar indivíduos doentes e saudáveis. Esse “valor” do teste trata-se de  sua acurácia, e é essencial desde a interpretação do exame físico, à do laudo de uma ressonância magnética.

A acurácia do teste depende de suas duas características essenciais: a sensibilidade e a especificidade.

A sensibilidade (S) de um teste consiste na proporção de indivíduos doentes que têm resultado positivo no teste.

A especificidade (E) consiste na proporção de indivíduos saudáveis que têm resultado negativo no teste.

Repare: vários indivíduos doentes terão teste de resultado negativo (serão falso-negativos, ou 1-S), bem como vários saudáveis terão resultado positivo (serão falso-positivos, ou 1-E). Além disso, é fácil perceber a necessidade de analisar sensibilidade e especificidade em conjunto: um teste de sensibilidade 100% detectará todos os doentes como positivos, mas caracterizará muitas pessoas saudáveis como doentes (será pouco específico, portanto).

A análise conjunta dos dois parâmetros é possibilitada pelos likelihood ratios (LR) (“razões de verossimilhança”, em português) de cada teste. A importância deles consiste em nos permitir analisar o impacto do resultado do teste sobre as probabilidade, o que não é permitido se vemos apenas “sensibilidade e especificidade”.

Podemos entender o LR+ (LR positivo) como um número que mostra o quanto um resultado positivo aumenta a chance de a pessoa ser doente; é calculado como a proporção de pacientes doentes que têm teste positivo, dividida pela proporção de pacientes sem doença que também têm teste positivo - numericamente, isso seria (S / 1 - E).

O LR- (LR negativo) é um número que nos mostra o quanto um resultado negativo aumenta a chance de que a pessoa seja saudável; é calculado com a proporção de pacientes doentes que têm teste negativo, dividida pela proporção de pacientes sem doença que também têm teste negativo - numericamente, (1 - S / E).

Parece complicado, mas a ideia é simples - repare como os LRs se estabelecem como relações entre sensibilidade e especificidade, resultando em números que aumentam ou diminuem a probabilidade de doença: os LRs nos permitem analisar diretamente o impacto de um teste sobre a probabilidade pré-teste do indivíduo, de modo a estabelecer uma probabilidade pós-teste.

Assim, podemos nos informar sobre os LRs do teste aplicado, estimar a probabilidade pré-teste, e ver o quanto um LR positivo (teste de resultado positivo) aumenta tal probabilidade, ou o quanto um LR negativa (teste de resultado negativo) a diminui.

Em termos práticos, os LRs nos fornecem valores numéricos. Os LRs positivos têm valor acima de 1; quão maiores forem, maior probabilidade de doença somam ao quadro, e tais probabilidades podem ser calculadas (com aplicativos de celular ou com um “nomograma de Fagan, por exemplo); para fins de simplificação, podemos estimar: um LR+ de valor 2 corresponde a cerca de +15% de probabilidade; de 5, a +30%, de 10, a +45%.

Os LRs negativos, com valores entre 0 e 1, paralelamente, diminuem a probabilidade: LR- de 0,5 reduz cerca de -15% a probabilidade; de 0,2, -30%; de 0,1, -45%.

De modo geral, testes com LR positivo entre 1 e 2 serão quase inúteis; entre 2-5, somarão pequena probabilidade de doença; a partir de 5, e sobretudo a partir de 10, têm ótima acurácia. De modo paralelo, testes com LR negativo entre 1 e 0,5 têm acurácia ruim; entre 0,5 e 0,2, reduzem um pouco a probabilidade de doença; inferior a 0,1, têm ótima acuracia para reduzir a probabilidade de doença.

Vamos consolidar o conceitos de LRs com um exemplo prático.

Um paciente, homem, de 40 anos, chega com dor no peito, e a suspeita é de infarto. O que pode ser pesquisado no exame físico e, segundo indicam as evidências, efetivamente altera a probabilidade de esse diagnóstico estar correto?

Há diversos achados de história e exame físico historicamente descritos como característicos do infarto: o modo como o paciente ilustra a dor com sua mão; suor aumentado; palidez; alterações de ausculta. O que indicam as evidências científicas?

• LR positivos (aumentam a probabilidade de infarto): pressão arterial sistólica < 100mmHG (LR 3,6, +25% probabilidade); ausculta da terceira bulha cardíaca (LR 3,2, +22%); veias jugulares aumentadas (LR 2,4, +15%);

• LR negativos (diminuem a probabilidade de infarto): idade inferior a 40 anos (LR 0,2 -30% probabilidade); dor que se reproduz quando palpamos o tórax do paciente (LR 0,3, -25% probabilidade); paciente não descreve a dor como em aperto, mas como aguda, em facada (LR 0,3, -25% probabilidade);

• LR não-significativos (achados que não alteram a probabilidade de doença): aqui se incluem os sinais da “mão” acima citados, palidez, outras alterações de ausculta, e alívio da dor com nitroglicerina, por exemplo.

Com respeito ao eletrocardiograma - que alterações nele presentes alteram de modo significativo a probabilidade de doença?

• LR positivos: presença de supradesnivelamento do segmento ST (LR 22,3, +70% probabilidade) - praticamente diagnóstico de infarto.

De modo ilustrativo, nenhuma alteração de ECG (ou a ausência de uma alteração) permite diminuir de modo importante a probabilidade de diagnóstico de infarto - isso reforça a importância de considerar a integralidade do caso clínico, e não contar apenas com um exame para o diagnóstico.

3 - A probabilidade pós-teste.

Certo, conceito entendido, mas como posso saber os LRs do teste que eu quero aplicar - seja do exame físico, ou de exame laboratorial? E  como isso pode ser aplicado na prática?

Para isso contamos, felizmente, com os milhões de cientistas que há décadas fazem pesquisa por todo o mundo. Há estudos científicos sobre todos a maioria dos testes diagnósticos (brincadeira, para todos), e para muitos, senão todos, dos achados de exame físico que tradicionalmente aprendemos a pesquisar. Tais estudos fornecem-nos a acurácia dos testes, e nos permitem saber o verdadeiro valor probabilístico de seus resultados. 

Hoje, assim como o fazemos para determinar a probabilidade pré-teste, podemos usar, calculadoras - aplicativos de celular como MDCalc, por exemplo - que computam os LRs dos testes e nos permitem agregá-los à probabilidade pré-teste, a fim de obter uma probabilidade pós-teste.

Para os achados de exame físico, o uso dos LRs ainda não é tão comum como para exames complementares, e pode não ser fácil achá-los em tais calculadoras. As informações estão na literatura, mas são bastante difíceis de encontrar.

 Recomendo enfaticamente o livro “Evidence-Based Physical Diagnosis”, de Steven McGee. O autor compila, de modo didático, separado por cada área do exame físico e com descrições de históricas e práticas de cada teste, os LRs do exame físico, ajudando-nos desde a entender o valor de um sopro auscultado à importância da palidez das palmas das mãos.

Conclusão.

Vimos, neste texto, como a “probabilidade condicional” - o teorema de Bayes - aplica-se na medicina por meio de três conceitos essenciais: a probabilidade pré-teste; o teste; e a probabilidade pós-teste.

Em essência, a mensagem principal consiste em que a interpretação clínica não pode partir do teste por si só: o valor de um teste depende de sua acurácia, e da população em que está sendo aplicado - o “valor preditivo” (a probabilidade pós-teste) de um exame não depende apenas de “bons valores de sensibilidade e especificidade”, mas da pessoa examinada e da suspeita clínica (a probabilidade pré-teste) que indica.

Nos textos seguintes, ilustraremos a importância de tais conceitos, com exemplos mais concretos, em três áreas essenciais da prática médica: o impacto do exame físico e dos exames complementares no diagnóstico;o tratamento; e a interpretação de evidências científicas.

Leituras adicionais:

Livro “Evidence-Based Physical Diagnosis”, de Steven Mcgee.

Livro “The Rational Clinical Diagnosis”, de David L. Simel e Drummond Rennie.

Texto do prof.Luís Correia sobre acurácia: