Hispanopedia Wiki
Articulo de referencia

Rango de referencia

En medicina y campos relacionados con la salud , un rango de referencia o intervalo de referencia es el rango o intervalo de valores que se considera normal para una medición fi...

Hispanopedia WikiContenido en espanolLectura gratuita
Este artículo se publicó en la revista científica WikiJournal of Medicine (2014). Haga clic para ver la versión publicada.

En medicina y campos relacionados con la salud , un rango de referencia o intervalo de referencia es el rango o intervalo de valores que se considera normal para una medición fisiológica en personas sanas (por ejemplo, la cantidad de creatinina en sangre o la presión parcial de oxígeno ). Sirve como base de comparación para que un médico u otro profesional de la salud interprete los resultados de una serie de pruebas para un paciente en particular. Algunos rangos de referencia importantes en medicina son los rangos de referencia para análisis de sangre y los rangos de referencia para análisis de orina .

La definición estándar de rango de referencia (generalmente mencionada si no se especifica lo contrario) se basa en lo que es más frecuente en un grupo de referencia tomado de la población general (es decir, total). Este es el rango de referencia general. Sin embargo, también existen rangos de salud óptimos (rangos que parecen tener el impacto óptimo en la salud) y rangos para afecciones o estados particulares (como los rangos de referencia para los niveles hormonales durante el embarazo).

Los valores dentro del rango de referencia ( RRR ) son aquellos que se encuentran dentro de los límites normales ( LN ). Estos límites se denominan límite superior de referencia (LSR) o límite superior de la normalidad (LSN) y límite inferior de referencia (LIRN) o límite inferior de la normalidad (LIN). En las publicaciones relacionadas con la atención médica , las guías de estilo a veces prefieren la palabra " referencia " a "normal" para evitar que el significado no técnico de "normal" se confunda con el significado estadístico. Los valores fuera del rango de referencia no son necesariamente patológicos ni anormales en ningún sentido que no sea el estadístico. Sin embargo, son indicadores de una posible patología. A veces, la causa subyacente es evidente; en otros casos, se requiere un diagnóstico diferencial complejo para determinar qué ocurre y, por lo tanto, cómo tratarlo.

Un umbral o punto de corte es un límite utilizado para la clasificación binaria , principalmente entre lo normal y lo patológico (o probablemente patológico). Los métodos para establecer puntos de corte incluyen el uso de un límite superior o inferior de un rango de referencia.

Definición estándar

La definición estándar de un rango de referencia para una medición particular se define como el intervalo dentro del cual se encuentra el 95% de los valores de una población de referencia, de tal manera que el 2,5% de las veces un valor será menor que el límite inferior de este intervalo, y el 2,5% de las veces será mayor que el límite superior de este intervalo, independientemente de la distribución de estos valores. [ 1 ]

Los rangos de referencia que se dan según esta definición a veces se denominan rangos estándar .

Dado que un rango es un valor estadístico definido ( Rango (estadística) ) que describe el intervalo entre los valores más pequeños y más grandes, muchos, incluida la Federación Internacional de Química Clínica, prefieren utilizar la expresión intervalo de referencia en lugar de rango de referencia. [ 2 ]

En cuanto a la población objetivo, salvo que se especifique lo contrario, un rango de referencia estándar generalmente se refiere a individuos sanos, es decir, sin ninguna afección conocida que afecte directamente a los rangos que se establecen. Estos rangos también se establecen utilizando grupos de referencia de la población sana y, a veces, se denominan rangos normales o valores normales (y, en ocasiones, rangos/valores "habituales"). Sin embargo, el término "normal" puede no ser apropiado, ya que no todas las personas que se encuentran fuera del intervalo son anormales, y quienes padecen una afección particular pueden estar dentro de dicho intervalo.

Sin embargo, también se pueden establecer rangos de referencia tomando muestras de toda la población, con o sin enfermedades o afecciones. En algunos casos, se toma a los individuos enfermos como población general, estableciendo rangos de referencia entre quienes padecen una enfermedad o afección. Preferiblemente, deberían existir rangos de referencia específicos para cada subgrupo de la población que presente algún factor que afecte la medición, como, por ejemplo, rangos específicos para cada sexo , grupo de edad , raza o cualquier otro determinante general .

Métodos de establecimiento

Los métodos para establecer rangos de referencia pueden basarse en la suposición de una distribución normal o una distribución log-normal , o directamente en porcentajes de interés, como se detalla respectivamente en las secciones siguientes. Al establecer rangos de referencia a partir de órganos bilaterales (por ejemplo, visión o audición), se pueden utilizar ambos resultados del mismo individuo, aunque debe tenerse en cuenta la correlación intrasujeto. [ 3 ]

Distribución normal

Si se asume una distribución normal, el rango de referencia se obtiene midiendo los valores de un grupo de referencia y calculando dos desviaciones estándar a cada lado de la media. Esto abarca aproximadamente el 95 % de la población total.

El intervalo del 95 % se estima a menudo asumiendo una distribución normal del parámetro medido, en cuyo caso se define como el intervalo limitado por 1,96 [ 4 ] (a menudo redondeado a 2) desviaciones estándar poblacionales a cada lado de la media poblacional (también llamada valor esperado ). Sin embargo, en la práctica, ni la media poblacional ni la desviación estándar poblacional se conocen. Ambas deben estimarse a partir de una muestra, cuyo tamaño se designa como n . La desviación estándar poblacional se estima mediante la desviación estándar muestral y la media poblacional se estima mediante la media muestral (también llamada media o media aritmética ). Para tener en cuenta estas estimaciones, el intervalo de predicción del 95 % (IP 95 %) se calcula como:

95% PI = media ± t 0,975, n − 1 · √ ( n +1)/ n ·sd ,

dóndet0,975,norte−1{\displaystyle t_{0.975,n-1}}es el cuantil del 97,5% de una distribución t de Student con n − 1 grados de libertad .

Cuando el tamaño de la muestra es grande ( n ≥ 30)t0,975,norte−1≃2.{\displaystyle t_{0.975,n-1}\simeq 2.}

Este método suele ser suficientemente preciso si la desviación estándar, en comparación con la media, no es muy grande. Un método más preciso consiste en realizar los cálculos con valores logaritmizados, como se describe en una sección posterior.

El siguiente ejemplo de este método ( no logaritmizado) se basa en valores de glucosa plasmática en ayunas tomados de un grupo de referencia de 12 sujetos: [ 5 ]

Como se puede observar, por ejemplo, en una tabla de valores seleccionados de la distribución t de Student , el percentil 97,5% con (12-1) grados de libertad corresponde a t0,975,11=2.20{\displaystyle t_{0.975,11}=2.20}

Posteriormente, los límites inferior y superior del rango de referencia estándar se calculan de la siguiente manera:

Lowmir limetroit=metro−t0,975,11×norte+1norte×s.d.=5.33−2.20×1312×0,42=4.4{\displaystyle Lower~limit=m-t_{0.975,11}\times {\sqrt {\frac {n+1}{n}}}\times sd=5.33-2.20\times {\sqrt {\frac {13}{12}}}\times 0.42=4.4}
Upagpagmir limetroit=metro+t0,975,11×norte+1norte×s.d.=5.33+2.20×1312×0,42=6.3.{\displaystyle Upper~limit=m+t_{0.975,11}\times {\sqrt {\frac {n+1}{n}}}\times sd=5.33+2.20\times {\sqrt {\frac {13}{12}}}\times 0.42=6.3.}

Por lo tanto, el rango de referencia estándar para este ejemplo se estima entre 4,4 y 6,3  mmol/L.

Intervalo de confianza del límite

The 90% confidence interval of a standard reference range limit as estimated assuming a normal distribution can be calculated by:[6]

Lower limit of the confidence interval = percentile limit - 2.81 × SD⁄√n
Upper limit of the confidence interval = percentile limit + 2.81 × SD⁄√n,

where SD is the standard deviation, and n is the number of samples.

Taking the example from the previous section, the number of samples is 12 and the standard deviation is 0.42 mmol/L, resulting in:

Lower limit of the confidence interval of the lower limit of the standard reference range = 4.4 - 2.81 × 0.42⁄√12 ≈ 4.1
Upper limit of the confidence interval of the lower limit of the standard reference range = 4.4 + 2.81 × 0.42⁄√12 ≈ 4.7

Thus, the lower limit of the reference range can be written as 4.4 (90% CI 4.1–4.7) mmol/L.

Likewise, with similar calculations, the upper limit of the reference range can be written as 6.3 (90% CI 6.0–6.6) mmol/L.

These confidence intervals reflect random error, but do not compensate for systematic error, which in this case can arise from, for example, the reference group not having fasted long enough before blood sampling.

As a comparison, actual reference ranges used clinically for fasting plasma glucose are estimated to have a lower limit of approximately 3.8[7] to 4.0,[8] and an upper limit of approximately 6.0[8] to 6.1.[9]

Log-normal distribution

Some functions of log-normal distribution (here shown with the measurements non-logarithmized), with the same means - μ (as calculated after logarithmizing) but different standard deviations - σ (after logarithmizing)

In reality, biological parameters tend to have a log-normal distribution,[10] rather than the normal distribution or Gaussian distribution.

Una explicación para esta distribución log-normal de parámetros biológicos es la siguiente: El evento en el que una muestra tiene la mitad del valor de la media o la mediana tiende a tener casi la misma probabilidad de ocurrir que el evento en el que una muestra tiene el doble del valor de la media o la mediana. Además, solo una distribución log-normal puede compensar la incapacidad de casi todos los parámetros biológicos para ser números negativos (al menos cuando se miden en escalas absolutas ), con la consecuencia de que no hay un límite definido para el tamaño de los valores atípicos (valores extremos) en el lado alto, pero, por otro lado, nunca pueden ser menores que cero, lo que resulta en una asimetría positiva .

Como se muestra en el diagrama de la derecha, este fenómeno tiene un efecto relativamente pequeño si la desviación estándar (en comparación con la media) es relativamente pequeña, ya que hace que la distribución log-normal se asemeje a una distribución normal. Por lo tanto, la distribución normal puede ser más apropiada para usar con desviaciones estándar pequeñas por conveniencia, y la distribución log-normal con desviaciones estándar grandes.

En una distribución log-normal, las desviaciones estándar geométricas y la media geométrica estiman con mayor precisión el intervalo de predicción del 95 % que sus equivalentes aritméticos.

Necesidad

Los rangos de referencia para sustancias que generalmente se encuentran dentro de límites relativamente estrechos (coeficiente de variación menor a 0,213, como se detalla a continuación), como los electrolitos, pueden estimarse asumiendo una distribución normal, mientras que los rangos de referencia para aquellos que varían significativamente (coeficiente de variación generalmente superior a 0,213), como la mayoría de las hormonas [ 11 ] , se establecen con mayor precisión mediante la distribución log-normal.

La necesidad de establecer un rango de referencia mediante la distribución lognormal en lugar de la distribución normal puede considerarse que depende de cuánta diferencia supondría no hacerlo, lo cual puede describirse como la razón:

Razón de diferencia = | Límite log-normal - Límite normal | / Límite log - normal

dónde:

  • El límite log-normal es el límite (inferior o superior) estimado al asumir una distribución log-normal.
  • El límite normal es el límite (inferior o superior) estimado asumiendo una distribución normal.
Coeficiente de variación frente a desviación en los rangos de referencia establecidos al asumir una distribución normal cuando en realidad existe una distribución log-normal.

Esta diferencia puede expresarse únicamente en relación con el coeficiente de variación , como se muestra en el diagrama de la derecha, donde:

Coeficiente de variación = sd / m

dónde:

  • sd es la desviación estándar
  • m es la media aritmética

En la práctica, puede considerarse necesario utilizar los métodos de establecimiento de una distribución log-normal si la razón de diferencia se vuelve mayor a 0,1, lo que significa que un límite (inferior o superior) estimado a partir de una distribución normal supuesta sería más de un 10% diferente del límite correspondiente estimado a partir de una distribución log-normal (más precisa). Como se observa en el diagrama, se alcanza una razón de diferencia de 0,1 para el límite inferior con un coeficiente de variación de 0,213 (o 21,3%), y para el límite superior con un coeficiente de variación de 0,413 (41,3%). El límite inferior se ve más afectado por el aumento del coeficiente de variación, y su coeficiente de variación "crítico" de 0,213 corresponde a una razón (límite superior)/(límite inferior) de 2,43, por lo que, como regla general, si el límite superior es más de 2,4 veces el límite inferior cuando se estima asumiendo una distribución normal, entonces se debe considerar realizar nuevamente los cálculos utilizando la distribución log-normal.

Siguiendo el ejemplo de la sección anterior, la desviación estándar (DE) se estima en 0,42 y la media aritmética (m) en 5,33. Por lo tanto, el coeficiente de variación es 0,079. Este valor es menor que 0,213 y 0,413, por lo que es muy probable que tanto el límite inferior como el superior de la glucosa en sangre en ayunas se puedan estimar asumiendo una distribución normal. Más específicamente, el coeficiente de variación de 0,079 corresponde a una razón de diferencia de 0,01 (1 %) para el límite inferior y de 0,007 (0,7 %) para el límite superior.

A partir de valores de muestra logaritmizados

Un método para estimar el rango de referencia para un parámetro con distribución log-normal consiste en aplicar el logaritmo a todas las mediciones con una base arbitraria (por ejemplo , e ), derivar la media y la desviación estándar de estos logaritmos, determinar los logaritmos ubicados (para un intervalo de predicción del 95%) 1,96 desviaciones estándar por debajo y por encima de esa media, y posteriormente aplicar la exponenciación utilizando esos dos logaritmos como exponentes y utilizando la misma base que se utilizó en la aplicación del logaritmo, siendo los dos valores resultantes el límite inferior y superior del intervalo de predicción del 95%.

El siguiente ejemplo de este método se basa en los mismos valores de glucosa plasmática en ayunas que se utilizaron en la sección anterior, usando e como base : [ 5 ]

Posteriormente, el límite inferior del rango de referencia, aún logaritmizado, se calcula de la siguiente manera:

ln⁡(límite inferior)=μregistro−t0,975,norte−1×norte+1norte×σregistro=1,67−2.20×1312×0,079=1.49,{\displaystyle {\begin{aligned}\ln({\text{lower limit}})&=\mu _{\log }-t_{0.975,n-1}\times {\sqrt {\frac {n+1}{n}}}\times \sigma _{\log }\\&=1.67-2.20\times {\sqrt {\frac {13}{12}}}\times 0.079=1.49,\end{aligned}}}

y el límite superior del rango de referencia como:

ln⁡(límite superior)=μregistro+t0,975,norte−1×norte+1norte×σregistro=1,67+2.20×1312×0,079=1,85{\displaystyle {\begin{aligned}\ln({\text{upper limit}})&=\mu _{\log }+t_{0.975,n-1}\times {\sqrt {\frac {n+1}{n}}}\times \sigma _{\log }\\&=1.67+2.20\times {\sqrt {\frac {13}{12}}}\times 0.079=1.85\end{aligned}}}

La conversión de nuevo a valores no logaritmizados se realiza posteriormente de la siguiente manera:

Límite inferior=miln⁡(límite inferior)=mi1.49=4.4{\displaystyle {\text{Lower limit}}=e^{\ln({\text{lower limit}})}=e^{1.49}=4.4}
Límite superior=miln⁡(límite superior)=mi1,85=6.4{\displaystyle {\text{Upper limit}}=e^{\ln({\text{upper limit}})}=e^{1.85}=6.4}

Por lo tanto, el rango de referencia estándar para este ejemplo se estima entre 4,4 y 6,4.

A partir de la media aritmética y la varianza

Un método alternativo para establecer un rango de referencia, bajo el supuesto de distribución log-normal, consiste en utilizar la media aritmética y la desviación estándar. Si bien este método es algo más laborioso, puede resultar útil en casos donde un estudio solo presenta la media aritmética y la desviación estándar, omitiendo los datos originales. Si el supuesto original de distribución normal es menos apropiado que el de distribución log-normal, entonces el uso de la media aritmética y la desviación estándar podría ser el único parámetro disponible para determinar el rango de referencia.

Suponiendo que el valor esperado puede representar la media aritmética en este caso, los parámetros μ log y σ log pueden estimarse a partir de la media aritmética ( m ) y la desviación estándar ( sd ) de la siguiente manera:

μregistro=ln⁡(metro)−12ln(1+(Dakota del Surmetro)2){\displaystyle \mu _{\log }=\ln(m)-{\frac {1}{2}}\ln \!\left(1+\!\left({\frac {\text{s.d.}}{m}}\right)^{2}\right)}
σregistro=ln(1+(Dakota del Surmetro)2){\displaystyle \sigma _{\log }={\sqrt {\ln \!\left(1+\!\left({\frac {\text{s.d.}}{m}}\right)^{2}\right)}}}

Siguiendo el ejemplo del grupo de referencia de la sección anterior:

μregistro=ln⁡(5.33)−12ln(1+(0,425.33)2)=1,67{\displaystyle \mu _{\log }=\ln(5.33)-{\frac {1}{2}}\ln \!\left(1+\!\left({\frac {0.42}{5.33}}\right)^{2}\right)=1.67}
σregistro=ln(1+(0,425.33)2)=0,079{\displaystyle \sigma _{\log }={\sqrt {\ln \!\left(1+\!\left({\frac {0.42}{5.33}}\right)^{2}\right)}}=0.079}

Posteriormente, los límites inferior y superior, primero logaritmizados y luego no logaritmizados, se calculan de la misma manera que con los valores de muestra logaritmizados.

Directamente a partir de porcentajes de interés

Los rangos de referencia también pueden establecerse directamente a partir de los percentiles 2,5 y 97,5 de las mediciones del grupo de referencia. Por ejemplo, si el grupo de referencia consta de 200 personas y se cuenta desde la medición de menor valor hasta la de mayor valor, el límite inferior del rango de referencia correspondería a la quinta medición y el límite superior a la medición número 195.

Este método puede utilizarse incluso cuando los valores de medición no parecen ajustarse convenientemente a ninguna forma de distribución normal u otra función.

Sin embargo, los límites del rango de referencia estimados de esta manera presentan una mayor varianza y, por lo tanto, menor fiabilidad que los estimados mediante una distribución aritmética o log-normal (cuando corresponda), ya que estas últimas obtienen potencia estadística de las mediciones de todo el grupo de referencia, en lugar de solo de las mediciones en los percentiles 2,5 y 97,5. Aun así, esta varianza disminuye al aumentar el tamaño del grupo de referencia, por lo que este método puede ser óptimo cuando se puede reunir fácilmente un grupo de referencia amplio y la distribución de las mediciones es incierta.

Distribución bimodal

Distribución bimodal

En caso de una distribución bimodal (como se muestra a la derecha), es útil averiguar la razón. Se pueden establecer dos rangos de referencia para los dos grupos de personas, lo que permite asumir una distribución normal para cada grupo. Este patrón bimodal se observa comúnmente en pruebas que presentan diferencias entre hombres y mujeres, como el antígeno prostático específico (PSA ).

Interpretación de rangos estándar en pruebas médicas

En el caso de pruebas médicas cuyos resultados son valores continuos, se pueden utilizar rangos de referencia para interpretar el resultado de cada prueba. Esto se aplica principalmente a las pruebas diagnósticas y de cribado , mientras que las pruebas de seguimiento se interpretan mejor a partir de resultados previos de la misma persona.

Probabilidad de variabilidad aleatoria

Los rangos de referencia ayudan a evaluar si la desviación de un resultado de prueba con respecto a la media se debe a la variabilidad aleatoria o a una enfermedad o afección subyacente. Si se puede asumir que el grupo de referencia utilizado para establecer el rango de referencia es representativo de la persona en un estado de salud, entonces un resultado de prueba de esa persona que resulte ser inferior o superior al rango de referencia puede interpretarse como que existe una probabilidad inferior al 2,5 % de que esto hubiera ocurrido por variabilidad aleatoria en ausencia de enfermedad u otra afección, lo que, a su vez, es un fuerte indicio para considerar una enfermedad o afección subyacente como causa.

Dicha consideración adicional puede realizarse, por ejemplo, mediante un procedimiento de diagnóstico diferencial basado en la epidemiología , donde se enumeran las posibles afecciones candidatas que pueden explicar el hallazgo, seguidas de cálculos sobre la probabilidad de que hayan ocurrido en primer lugar, seguidos a su vez de una comparación con la probabilidad de que el resultado hubiera ocurrido por variabilidad aleatoria.

Si el establecimiento del rango de referencia se hubiera podido realizar asumiendo una distribución normal, entonces la probabilidad de que el resultado fuera un efecto de variabilidad aleatoria se puede especificar aún más de la siguiente manera:

La desviación estándar , si no se proporciona ya, se puede calcular inversamente por el hecho de que el valor absoluto de la diferencia entre la media y el límite superior o inferior del rango de referencia es aproximadamente 2 desviaciones estándar (más precisamente 1,96), y por lo tanto:

Desviación estándar (sd) ≈ ⁠ | (Media) - (Límite superior) | / 2 ⁠ .

La puntuación estándar para la prueba individual se puede calcular posteriormente de la siguiente manera:

Puntuación estándar ( z ) = | (Media) - ( medición individual) | / desviación estándar .

La probabilidad de que un valor se encuentre a cierta distancia de la media se puede calcular a partir de la relación entre la puntuación estándar y los intervalos de predicción . Por ejemplo, una puntuación estándar de 2,58 corresponde a un intervalo de predicción del 99%, [ 12 ] lo que corresponde a una probabilidad del 0,5% de que un resultado se encuentre al menos a esa distancia de la media en ausencia de enfermedad.

Ejemplo

Supongamos, por ejemplo, que una persona se somete a una prueba para medir el calcio ionizado en sangre, obteniendo un valor de 1,30  mmol/L. Un grupo de referencia que representa adecuadamente a esta persona ha establecido un rango de referencia de 1,05 a 1,25  mmol/L. El valor de esta persona es superior al límite superior del rango de referencia y, por lo tanto, tiene menos del 2,5 % de probabilidad de ser resultado de la variabilidad aleatoria, lo que constituye un fuerte indicio para realizar un diagnóstico diferencial de posibles afecciones causantes.

En este caso, se utiliza un procedimiento de diagnóstico diferencial basado en la epidemiología , cuyo primer paso consiste en encontrar posibles afecciones que puedan explicar el hallazgo.

La hipercalcemia (generalmente definida como un nivel de calcio por encima del rango de referencia) es causada principalmente por hiperparatiroidismo primario o malignidad, [ 13 ] y por lo tanto, es razonable incluirlos en el diagnóstico diferencial.

Utilizando como ejemplo la epidemiología y los factores de riesgo individuales, digamos que la probabilidad de que la hipercalcemia hubiera sido causada por hiperparatiroidismo primario se estima en 0,00125 (o 0,125%), la probabilidad equivalente para cáncer es 0,0002 y 0,0005 para otras afecciones. Con una probabilidad dada como menor a 0,025 de no enfermedad, esto corresponde a una probabilidad de que la hipercalcemia hubiera ocurrido en primer lugar de hasta 0,02695. Sin embargo, la hipercalcemia ha ocurrido con una probabilidad del 100%, lo que resulta en probabilidades ajustadas de al menos 4,6% de que el hiperparatiroidismo primario haya causado la hipercalcemia, al menos 0,7% para cáncer, al menos 1,9% para otras afecciones y hasta 92,8% para que no haya enfermedad y la hipercalcemia sea causada por variabilidad aleatoria.

En este caso, el procesamiento posterior se beneficia de la especificación de la probabilidad de variabilidad aleatoria:

Se supone que el valor se ajusta aceptablemente a una distribución normal, por lo que se puede asumir que la media es 1,15 en el grupo de referencia. La desviación estándar , si no se proporciona ya, se puede calcular de forma inversa sabiendo que el valor absoluto de la diferencia entre la media y, por ejemplo, el límite superior del rango de referencia, es aproximadamente 2 desviaciones estándar (más precisamente 1,96), y por lo tanto:

Desviación estándar (sd) ≈ ⁠ | (Media) - (Límite superior) | / 2 ⁠ = ⁠ | 1,15 - 1,25 | / 2 ⁠ = ⁠ 0,1 / 2 ⁠ = 0,05 .

La puntuación estándar para la prueba individual se calcula posteriormente de la siguiente manera:

Puntuación estándar ( z ) = | ( Media ) - ( medición individual) | / desviación estándar = | 1,15 - 1,30 | / 0,05 = 0,15 / 0,05 = 3 .

La probabilidad de que un valor sea mucho mayor que la media, de modo que tenga una puntuación estándar de 3, corresponde a una probabilidad de aproximadamente 0,14% (dada por (100% − 99,7%)/2 , donde 99,7% se obtiene de la regla 68–95–99,7 ).

Utilizando las mismas probabilidades de que la hipercalcemia hubiera ocurrido en primer lugar por las otras condiciones candidatas, la probabilidad de que la hipercalcemia hubiera ocurrido en primer lugar es de 0,00335, y dado el hecho de que la hipercalcemia ha ocurrido, se obtienen probabilidades ajustadas de 37,3%, 6,0%, 14,9% y 41,8%, respectivamente, para el hiperparatiroidismo primario, el cáncer, otras afecciones y la ausencia de enfermedad.

Rango de salud óptimo

El rango óptimo (de salud) o el objetivo terapéutico (que no debe confundirse con el objetivo biológico ) es un rango de referencia o límite que se basa en concentraciones o niveles asociados con una salud óptima o un riesgo mínimo de complicaciones y enfermedades relacionadas, en lugar del rango estándar basado en la distribución normal en la población.

Puede ser más apropiado usarlo para folato , por ejemplo, ya que aproximadamente el 90 por ciento de los norteamericanos pueden sufrir en mayor o menor grado de deficiencia de folato , [ 14 ] pero solo el 2,5 por ciento que tiene los niveles más bajos estará por debajo del rango de referencia estándar. En este caso, los rangos reales de folato para una salud óptima son sustancialmente más altos que los rangos de referencia estándar. La vitamina D tiene una tendencia similar. Por el contrario, para ácido úrico , por ejemplo, tener un nivel que no exceda el rango de referencia estándar no excluye el riesgo de padecer gota o cálculos renales. Además, para la mayoría de las toxinas , el rango de referencia estándar es generalmente más bajo que el nivel de efecto tóxico.

Un problema con los rangos óptimos de salud es la falta de un método estándar para estimarlos. Los límites pueden definirse como aquellos en los que los riesgos para la salud superan un cierto umbral, pero con diversos perfiles de riesgo entre diferentes mediciones (como el folato y la vitamina D), e incluso diferentes aspectos de riesgo para una misma medición (como la deficiencia y la toxicidad de la vitamina A ), resulta difícil estandarizarlos. En consecuencia, los rangos óptimos de salud, cuando provienen de diversas fuentes, presentan una variabilidad adicional causada por las distintas definiciones del parámetro. Asimismo, al igual que con los rangos de referencia estándar, deberían existir rangos específicos para diferentes determinantes que afectan a los valores, como el sexo, la edad, etc. Idealmente, debería existir una estimación del valor óptimo para cada individuo, teniendo en cuenta todos sus factores significativos; una tarea que puede ser difícil de lograr mediante estudios, pero que la dilatada experiencia clínica de un médico podría hacer que este método sea preferible al uso de rangos de referencia.

Valores de corte unilaterales

En muchos casos, solo interesa un extremo del rango, como ocurre con marcadores patológicos como el antígeno tumoral 19-9 , donde un valor inferior al habitual en la población generalmente carece de relevancia clínica. Por lo tanto, a menudo se especifican estos valores objetivo con un único límite del rango de referencia, y, estrictamente hablando, se trata más bien de valores de corte o umbrales .

Pueden representar tanto rangos estándar como rangos óptimos de salud. Además, pueden representar un valor apropiado para distinguir a una persona sana de una persona con una enfermedad específica, aunque esto introduce variabilidad adicional al distinguir entre diferentes enfermedades. Por ejemplo, para el NT-proBNP , se utiliza un valor de corte más bajo para distinguir a los bebés sanos de aquellos con cardiopatía acianótica , en comparación con el valor de corte utilizado para distinguir a los bebés sanos de aquellos con anemia no esferocítica congénita . [ 15 ]

Inconvenientes generales

Para los rangos de salud estándar y óptimos, así como para los puntos de corte, las fuentes de inexactitud e imprecisión incluyen:

  • Instrumentos y técnicas de laboratorio utilizados, o cómo los observadores interpretan las mediciones. Esto puede aplicarse tanto a los instrumentos utilizados para establecer los rangos de referencia como a los utilizados para obtener el valor para el individuo al que se aplican dichos rangos. Para compensar, cada laboratorio debería tener sus propios rangos de referencia que tengan en cuenta los instrumentos utilizados.
  • Factores determinantes como la edad, la dieta, etc., no se compensan. Idealmente, deberían existir rangos de referencia de un grupo de referencia lo más similar posible a cada individuo al que se aplican, pero es prácticamente imposible compensar todos y cada uno de los factores determinantes, a menudo ni siquiera cuando los rangos de referencia se establecen a partir de múltiples mediciones del mismo individuo al que se aplican, debido a la variabilidad entre pruebas .

Además, los rangos de referencia tienden a dar la impresión de umbrales definidos que separan claramente los valores "buenos" de los "malos", cuando en realidad, por lo general, los riesgos aumentan continuamente a medida que aumenta la distancia con respecto a los valores habituales u óptimos.

Teniendo en cuenta esto y otros factores no compensados, el método de interpretación ideal para el resultado de una prueba consistiría más bien en una comparación con lo que se esperaría o sería óptimo en el individuo, considerando todos los factores y condiciones de ese individuo, en lugar de clasificar estrictamente los valores como "buenos" o "malos" utilizando rangos de referencia de otras personas.

En un artículo de 2018, Rappoport et al. [ 16 ] describieron una nueva forma de redefinir el rango de referencia de un sistema de registro electrónico de salud . En dicho sistema, se puede lograr una mayor resolución poblacional (por ejemplo, específica por edad, sexo, raza y etnia).

Ejemplos

Véase también

Referencias

Este artículo fue adaptado de la siguiente fuente bajo una licencia CC0 ( 2012 ) ( informes de revisión ): Mikael Häggström (2014). "Rangos de referencia para estradiol, progesterona, hormona luteinizante y hormona foliculoestimulante durante el ciclo menstrual" (PDF) . WikiJournal of Medicine . 1 (1). doi : 10.15347/WJM/2014.001 . ISSN 2002-4436 . Wikidata Q44275619 .  

  1. ↑ Página 19 en: Stephen K. Bangert MA MB BChir MSc MBA FRCPath; William J. Marshall MA MSc MBBS FRCP FRCPath FRCPEdin FIBiol; Marshall, William Leonard (2008). Bioquímica clínica: aspectos metabólicos y clínicos . Filadelfia: Churchill Livingstone/Elsevier. ISBN 978-0-443-10186-1.{{cite book}}: CS1 maint: varios nombres: lista de autores ( enlace )
  2. ↑ Dybkaer, R (noviembre de 1982). "Federación Internacional de Química Clínica (IFCC)1),2) la teoría de los valores de referencia. Parte 6. Presentación de valores observados relacionados con valores de referencia". Journal of Clinical Chemistry and Clinical Biochemistry . 20 (11): 841– ​​5. PMID 7153721 . 
  3. ↑ Davis, CQ; Hamilton, R. (2021). "Rangos de referencia para la electrofisiología clínica de la visión" . Doc Ophthalmol . 143 (2): 155– 170. doi : 10.1007/s10633-021-09831-1 . PMC 8494724. PMID 33880667 .  
  4. ↑ Página 48 en: Sterne, Jonathan; Kirkwood, Betty R. (2003). Essential medical statistics . Oxford: Blackwell Science. ISBN 978-0-86542-871-3.
  5. 1 2 Tabla 1. Características del sujeto en: Keevil, BG; Kilpatrick, ES; Nichols, SP; Maylor, PW (1998). "Variación biológica de la cistatina C: Implicaciones para la evaluación de la tasa de filtración glomerular" . Química Clínica . 44 (7): 1535– 1539. doi : 10.1093/clinchem/44.7.1535 . PMID 9665434 . 
  6. ↑ Página 65 en: Carl A. Burtis, David E. Bruns (2014). Fundamentos de química clínica y diagnóstico molecular de Tietz (7.ª ed.). Elsevier Health Sciences. ISBN  9780323292061.
  7. ↑ Última página de Deepak A. Rao; Le, Tao; Bhushan, Vikas (2007). First Aid for the USMLE Step 1 2008 (First Aid for the Usmle Step 1) . McGraw-Hill Medical. ISBN 978-0-07-149868-5.
  8. 1 2 Lista de rangos de referencia del Hospital Universitario de Uppsala ("Laborationslista"). Art. n.º 40284 Sj74a. Emitida el 22 de abril de 2008.
  9. ↑ Enciclopedia MedlinePlus : Prueba de tolerancia a la glucosa
  10. ↑ Huxley, Julian S. (1932). Problemas del crecimiento relativo . Londres. ISBN 978-0-486-61114-3OCLC 476909537​​ {{cite book}}: Incompatibilidad de ISBN/Fecha ( ayuda )
  11. ↑ Levitt H, Smith KG, Rosner MH (2009). "Variabilidad en calcio, fósforo y hormona paratiroidea en pacientes en hemodiálisis". Hemodial Int . 13 (4): 518– 25. doi : 10.1111/j.1542-4758.2009.00393.x . PMID 19758299. S2CID 24963421 .  {{cite journal}}: CS1 maint: varios nombres: lista de autores ( enlace )
  12. ↑ Página 111 en: Kirkup, Les (2002). Análisis de datos con Excel: una introducción para científicos físicos . Cambridge, Reino Unido: Cambridge University Press. ISBN 978-0-521-79737-5.
  13. ↑ Tabla 20-4 en: Mitchell, Richard Sheppard; Kumar, Vinay; Abbas, Abul K.; Fausto, Nelson (2007). Robbins Basic Pathology . Filadelfia: Saunders. ISBN 978-1-4160-2973-1.8ª edición.
  14. ↑ Ácido fólico: ¡No te quedes sin él! por Hans R. Larsen, MSc ChE, consultado el 7 de julio de 2009. Citando a su vez:
    • Boushey Carol J.; et  al. (1995). "Una evaluación cuantitativa de la homocisteína plasmática como factor de riesgo de enfermedad vascular". Journal of the American Medical Association . 274 (13): 1049– 57. doi : 10.1001/jama.274.13.1049 .
    • Morrison Howard I.; et  al. (1996). "Folato sérico y riesgo de cardiopatía coronaria mortal". Journal of the American Medical Association . 275 (24): 1893– 96. doi : 10.1001/jama.1996.03530480035037 . PMID 8648869 . 
  15. ↑ Detección de cardiopatías congénitas con NT-proBNP: Resultados archivados el 11/11/2022 en Wayback Machine. Por Emmanuel Jairaj Moses, Sharifah AI Mokhtar, Amir Hamzah, Basir Selvam Abdullah y Narazah Mohd Yusoff. Medicina de Laboratorio. 2011;42(2):75–80. Sociedad Americana de Patología Clínica.
  16. ↑ Rappoport, Nadav; Paik, Hyojung; Oskotsky, Boris; Tor, Ruth; Ziv, Elad; Zaitlen, Noah; Butte, Atul J. (2018). "Comparación de intervalos de referencia específicos de etnia para pruebas de laboratorio clínico a partir de datos de HCE" . The Journal of Applied Laboratory Medicine . 3 (3): 366– 377. bioRxiv 10.1101/213892 . doi : 10.1373/jalm.2018.026492 . PMC 8404742. PMID 33636914 .   

Lecturas adicionales

  • Los procedimientos y el vocabulario que hacen referencia a los intervalos de referencia: CLSI (Comité del Instituto de Normas de Laboratorio) e IFCC (Federación Internacional de Química Clínica) CLSI - Definición, establecimiento y verificación de intervalos de referencia en el laboratorio; Guía aprobada - Tercera edición. Documento C28-A3 ( ISBN 1-56238-682-4Wayne, Pensilvania, EE. UU., 2008
  • Reference Value Advisor  : Un conjunto gratuito de macros de Excel que permite la determinación de intervalos de referencia de acuerdo con los procedimientos CLSI. Basado en: Geffré, A.; Concordet, D.; Braun, JP; Trumel, C. (2011). "Reference Value Advisor: Un nuevo conjunto gratuito de macroinstrucciones para calcular intervalos de referencia con Microsoft Excel" (PDF) . Veterinary Clinical Pathology . 40 (1): 107– 112. doi : 10.1111/j.1939-165X.2011.00287.x . PMID 21366659 . 
Lecturas relacionadas
6 articulos
Pintura al óleo de la medicina en la época del colonialismoMedicamentoBandera de la Organización Mundial de la Salud con la Vara de Asclepio , un símbolo común de la medicina y la atención sanitaria La medicina es la ...SaludSaludLa salud tiene una variedad de definiciones, que se han utilizado con diferentes propósitos a lo largo del tiempo. En general, se refiere al bienes...{\displaystyle F(t)=n\int _{-\infty }^{\infty }g(x)[G(x+t)-G(x)]^{n-1}\,{\text{d}}x.}Rango (estadísticas)En estadística descriptiva , el rango de un conjunto de datos es el tamaño o amplitud del intervalo más estrecho que contiene todos los datos. Se c...Intervalo (matemáticas)Intervalo (matemáticas)En matemáticas , un intervalo real es el conjunto de todos los números reales que se encuentran entre dos extremos fijos sin "espacios vacíos". Cad...FisiologíaFisiologíaPintura al óleo que representa a Claude Bernard , el padre de la fisiología moderna, con sus alumnos. La fisiología ( / ˌfɪziˈlədʒi / ; del griego ...CreatininaCreatinina90 mg/mL a 20°C [2]