Teorema Bayes by Mihaela Marinescu noiembrie 6, 2026 written by Mihaela Marinescu noiembrie 6, 2026 0FacebookTwitterPinterestLinkedinWhatsappCopy LinkThreadsEmail 14 « Înapoi la enciclopedieTermeni medicaliTeorema Bayes descrie modul în care o informație nouă actualizează o probabilitate inițială. În diagnosticul medical, testul furnizează informația nouă, iar probabilitatea pretest este punctul de plecare. Rezultatul testului nu stabilește adevărul, ci modifică probabilitatea. Pornind de la o probabilitate pretest, aplicarea teoremei produce o probabilitate post-test, care este exact ceea ce pacientul vrea să știe: cât de probabil este să am boala, având acest rezultat. Consecința centrală este că același rezultat pozitiv înseamnă lucruri diferite la persoane diferite. Nu pentru că testul se schimbă, ci pentru că punctul de plecare se schimbă. Pe scurt Descrie cum o informație nouă actualizează o probabilitate. În medicină, testul este informația, iar probabilitatea pretest este punctul de plecare. Produce o probabilitate post-test, nu o certitudine. Același rezultat are semnificații diferite la probabilități pretest diferite. Formula folosește sensibilitatea, specificitatea și probabilitatea pretest. Poate fi aplicată și prin rapoarte de verosimilitate și cote. Intuiția umană aplică prost această logică, chiar și la profesioniști. Cum funcționează Pentru un rezultat pozitiv, formula poate fi scrisă astfel: P(B | +) = [Se × P(B)] / [Se × P(B) + (1 − Sp) × (1 − P(B))]. Aici P(B | +) este probabilitatea bolii după un rezultat pozitiv, Se este sensibilitatea, Sp este specificitatea, iar P(B) este probabilitatea pretest. Numărătorul corespunde persoanelor bolnave detectate corect. Numitorul corespunde tuturor rezultatelor pozitive, adică bolnavilor detectați plus persoanelor sănătoase clasificate greșit. Fracția nu este altceva decât valoarea predictivă pozitivă, scrisă în proporții în loc de numere absolute. Există și o cale echivalentă, mai ușor de folosit în practică, prin cote. Probabilitatea pretest se transformă în cotă, cota se înmulțește cu raportul de verosimilitate al rezultatului obținut, iar cota rezultată se transformă înapoi în probabilitate. Formula este: cota post-test = cota pretest × raportul de verosimilitate. Calculul, exemplul și limitele Un calcul complet, pas cu pas Să presupunem o probabilitate pretest de 10% și un test cu sensibilitate și specificitate de 90%, pentru care raportul de verosimilitate pozitiv este 9. Primul pas transformă probabilitatea în cotă: 10% înseamnă 10 șanse de boală la 90 de șanse de absență, deci o cotă de 10/90, adică aproximativ 0,11. Al doilea pas înmulțește cota cu raportul de verosimilitate: 1/9 × 9 = 1. Al treilea pas transformă cota înapoi în probabilitate, cu formula probabilitate = cotă / (1 + cotă). O cotă de 1 corespunde unei probabilități de 50%. Dacă probabilitatea pretest ar fi fost 1%, cota inițială ar fi fost aproximativ 0,0101, iar după același rezultat pozitiv ar fi devenit aproximativ 0,091, adică o probabilitate post-test de aproximativ 8,3%. Același raport de verosimilitate produce 8,3% sau 50%, în funcție exclusiv de punctul de plecare. De ce intuiția greșește În 1978, un studiu publicat în New England Journal of Medicine a pus unui grup de 60 de medici, rezidenți și studenți o întrebare simplă: dacă un test pentru o boală cu prevalența de 1 la 1.000 are o rată a rezultatelor fals pozitive de 5%, care este probabilitatea ca o persoană cu test pozitiv să aibă boala? Răspunsul corect este de aproximativ 2%. Doar 11 din 60 de participanți, adică 18%, au răspuns corect, iar cel mai frecvent răspuns, dat de 27 de participanți, a fost 95%. În 2014, o echipă de la Harvard a repetat întocmai experimentul. După 36 de ani, rezultatul a fost aproape identic: 14 din 61 de participanți au răspuns corect, iar cel mai frecvent răspuns a rămas 95%. Fenomenul se numește neglijarea ratei de bază și rezistă pregătirii profesionale. De la un manuscris din 1763 la practica clinică Teorema nu a fost gândită pentru medicină. Reverendul englez Thomas Bayes a lăsat la moartea sa un manuscris despre calculul probabilităților, pe care prietenul său Richard Price l-a publicat în 1763 în revista Societății Regale din Londra. Timp de aproape două secole, ideea a rămas un subiect de matematică și de filozofie a probabilităților. Vocabularul care a permis aplicarea ei în diagnostic a apărut mult mai târziu: termenii sensibilitate și specificitate au fost introduși în 1947 de biostatisticianul american Jacob Yerushalmy, care studia cât de des radiologii interpretau diferit aceleași radiografii pulmonare în campaniile de depistare a tuberculozei. Același test, trei puncte de plecare Probabilitate pretest Probabilitate după test pozitiv Probabilitate după test negativ 1% ≈ 8,3% ≈ 0,1% 10% 50% ≈ 1,2% 50% 90% ≈ 10% Valorile corespund unui test ipotetic cu sensibilitate și specificitate de 90%, menținute constante. Exemplul este ilustrativ și nu descrie performanța unui test real. Se observă simetria: un rezultat pozitiv convinge cu atât mai mult cu cât probabilitatea pretest era mai mare, iar un rezultat negativ liniștește cu atât mai mult cu cât ea era mai mică. Relevanță clinică Nu este necesar ca fiecare pacient să efectueze aceste calcule. Înțelegerea principiului schimbă însă întrebările pe care merită să le punem. În loc de „cât de precis este testul?”, întrebarea utilă devine „cât de probabil era să am această boală înainte de test și cât schimbă rezultatul această probabilitate?”. Rapoartele de verosimilitate sunt forma preferată în medicina bazată pe dovezi tocmai pentru că permit aplicarea aceluiași indicator la probabilități pretest diferite, fără a recalcula de la zero sensibilitatea și specificitatea pentru fiecare populație. Limita metodei stă în calitatea datelor de intrare. Sensibilitatea și specificitatea provin din studii efectuate pe anumite populații, iar probabilitatea pretest este adesea o estimare. Un calcul corect aplicat unor estimări nepotrivite produce un rezultat precis și greșit. Cum se estimează punctul de plecare Prin scoruri clinice validate, acolo unde există. În evaluarea tromboembolismului pulmonar, de exemplu, scorurile clinice contribuie la alegerea strategiei de testare. Prin judecată clinică, atunci când nu există un scor numeric: vârstă, simptome, examen clinic, istoric familial, expuneri și rezultatele investigațiilor anterioare. Prin prevalența locală a bolii, folosită ca punct de plecare pentru o persoană fără alte elemente care să modifice riscul. Important: probabilitatea pretest individuală nu este egală cu prevalența populațională. O prevalență de 1% nu înseamnă că fiecare persoană din acea populație are exact 1% probabilitate de boală. Factori care influențează probabilitatea post-test Probabilitatea pretest, adică punctul de plecare. Sensibilitatea testului folosit. Specificitatea testului folosit. Rezultatul obținut — pozitiv sau negativ. Pragul de pozitivitate stabilit pentru test. Validitatea estimărilor de performanță pentru populația investigată. Existența unor rezultate anterioare care au deja modificat probabilitatea. Independența reală a testelor, când se combină mai multe. Întrebări frecvente Ce este teorema Bayes? O regulă care descrie cum o informație nouă actualizează o probabilitate inițială. În diagnostic, testul este informația nouă, probabilitatea pretest este punctul de plecare, iar rezultatul produce o probabilitate post-test. De ce nu îmi spune testul direct dacă am boala? Pentru că un test măsoară un semnal biologic care nu separă perfect persoanele cu boală de cele fără boală. Rezultatul deplasează probabilitatea în sus sau în jos; cât de departe ajunge depinde de unde a pornit. Cum se calculează? Prin formula P(B | +) = [Se × P(B)] / [Se × P(B) + (1 − Sp) × (1 − P(B))], sau, echivalent, transformând probabilitatea pretest în cotă, înmulțind-o cu raportul de verosimilitate și revenind la probabilitate. Trebuie să fac eu aceste calcule? Nu. Principiul este util pentru a formula întrebări mai bune. Puteți cere medicului să exprime riscul în număr de persoane din 100 sau din 1.000 cu un rezultat ca al dumneavoastră — formă mai clară decât un procent izolat. De ce greșesc și medicii? Pentru că intuiția umană nu combină bine probabilități condiționate. Două studii, în 1978 și 2014, au arătat că aproximativ 80% dintre participanți au răspuns greșit la aceeași întrebare, cel mai frecvent supraestimând masiv probabilitatea bolii. Care este limita metodei? Calitatea datelor de intrare. Sensibilitatea și specificitatea provin din studii efectuate pe populații specifice, iar probabilitatea pretest este o estimare. Un calcul corect aplicat unor estimări nepotrivite dă un rezultat precis și greșit. Ce arată și ce nu arată Ce arată Ce nu arată Cât schimbă rezultatul probabilitatea bolii Dacă boala există cu certitudine Că punctul de plecare este indispensabil Că testul vorbește singur O probabilitate post-test Un diagnostic De ce același rezultat convinge diferit Că testul funcționează diferit la persoane diferite Logica din spatele valorilor predictive Ce decizie clinică trebuie luată Greșeli frecvente de interpretare Confundarea sensibilității cu probabilitatea bolii Sensibilitatea răspunde la întrebarea „dacă cineva are boala, cât de probabil este ca testul să iasă pozitiv?”. Pacientul are nevoie de răspunsul la întrebarea inversă. Cele două probabilități pot fi foarte diferite, iar trecerea între ele cere probabilitatea pretest. Folosirea prevalenței ca probabilitate individuală Prevalența descrie o populație, nu o persoană. Cineva cu simptome caracteristice are o probabilitate pretest mult mai mare decât prevalența generală, iar cineva fără simptome și fără factori de risc, una mai mică. Aplicarea formulei la estimări nepotrivite Sensibilitatea raportată într-un studiu nu se aplică automat oricărei persoane. Contează cine a fost inclus în studiu, ce standard de referință s-a folosit și în ce condiții s-a efectuat testarea. De ce contează Teorema Bayes are o reputație dublă: este una dintre cele mai simple formule din matematică și una dintre cele mai greu de aplicat intuitiv. Explicația ține de felul în care formatul informației ne conduce gândirea. Prezentată ca procente condiționate, problema devine aproape imposibilă pentru majoritatea oamenilor, inclusiv pentru medici. Prezentată ca frecvențe naturale — din 1.000 de persoane, 10 au boala, dintre care 9 au test pozitiv, iar dintre cele 990 fără boală, 99 au tot test pozitiv — aceeași problemă se reduce la o împărțire pe care o face oricine. Formula nu s-a schimbat, doar ambalajul. Concluzie Teorema Bayes arată că un rezultat de test nu stabilește realitatea, ci actualizează o probabilitate. Pornind de la probabilitatea pretest și folosind sensibilitatea și specificitatea, ea produce probabilitatea post-test, adică exact răspunsul la întrebarea pacientului. Consecința practică este că același rezultat pozitiv poate însemna 8,3% sau 90% probabilitate de boală, în funcție de punctul de plecare, iar întrebarea utilă într-un cabinet nu este cât de precis este testul, ci cât schimbă rezultatul probabilitatea bolii. Referințe Bayes T, Price R. An essay towards solving a problem in the doctrine of chances. Philosophical Transactions of the Royal Society of London. 1763;53:370–418. doi:10.1098/rstl.1763.0053 Susține originea istorică a teoremei și publicarea postumă a manuscrisului de către Richard Price în 1763. Grimes DA, Schulz KF. Refining clinical diagnosis with likelihood ratios. Lancet. 2005;365(9469):1500–1505. doi:10.1016/S0140-6736(05)66422-7 Susține aplicarea prin cote și rapoarte de verosimilitate, inclusiv formula cota post-test = cota pretest × raportul de verosimilitate. Casscells W, Schoenberger A, Graboys TB. Interpretation by physicians of clinical laboratory results. N Engl J Med. 1978;299(18):999–1001. doi:10.1056/NEJM197811022991808 Susține rezultatele studiului din 1978: 11 din 60 de participanți corecți și răspunsul greșit dominant de 95%. Manrai AK, Bhatia G, Strymish J, Kohane IS, Jain SH. Medicine’s uncomfortable relationship with math: calculating positive predictive value. JAMA Intern Med. 2014;174(6):991–993. doi:10.1001/jamainternmed.2014.1059 Susține replicarea din 2014 și rezultatul aproape identic după 36 de ani. Yerushalmy J. Statistical problems in assessing methods of medical diagnosis, with special reference to X-ray techniques. Public Health Reports. 1947;62(40):1432–1449. doi:10.2307/4586294 Susține introducerea termenilor de sensibilitate și specificitate în 1947 și contextul campaniilor de depistare a tuberculozei. Termeni corelați Probabilitate pretest, Raport de verosimilitate, Neglijarea ratei de bază, Frecvențe naturale, Valoare predictivă pozitivă « Înapoi la enciclopedie Mihaela Marinescu Sunt Mihaela Marinescu, fondatoarea Healthwise.ro și editor specializat în conținut despre sănătate, beauty, nutriție funcțională și prevenție. Am studiat Medicina la Universitatea de Medicină și Farmacie „Carol Davila” din București, experiență care mi-a format interesul pentru corpul uman, biologie și educație medicală explicată clar. Prin Healthwise, îmi propun să traduc informația științifică și cele mai noi cercetări internaționale într-un limbaj accesibil, cald și responsabil. În medicină există un cuvânt important: complianță. Din punctul meu de vedere, complianța reală nu se naște din frică sau din instrucțiuni greu de urmat, ci din înțelegere. Oamenii au mai multe șanse să aibă grijă de sănătatea lor atunci când înțeleg ce se întâmplă în corp, de ce contează anumite alegeri și cum pot integra recomandările medicale într-o viață reală. Motivul pentru care site-ul se numește Healthwise pornește de la o convingere simplă: un om sănătos are mai multă energie pentru înțelepciune, creștere personală și o viață cu sens. Când sănătatea este susținută prin alegeri informate, ea nu mai consumă tot spațiul interior în jurul bolii, ci devine terenul pe care se poate construi. Astfel, Health și Wise se hrănesc reciproc: sănătatea face loc înțelepciunii, iar înțelepciunea protejează sănătatea. Conținutul publicat pe Healthwise are scop educațional și nu înlocuiește consultul medical, diagnosticul sau recomandarea unui specialist. Dacă te regăsești în semnele, simptomele sau situațiile descrise în articole, îți recomand să discuți cu un medic sau cu un specialist potrivit. Știința oferă informația, dar clinicianul este cel care o interpretează și o aplică în contextul tău personal. previous post Rezultat fals negativ next post Prevalență