Este artículo es un resumen en español de una conferencia docente de Philippe Tadger, originalmente impartida en español (véase el vídeo incrustado al final). Recorre un enfoque probabilístico del diagnóstico diferencial en fisioterapia musculoesquelética — cómo transformar el relato del paciente en una lista jerarquizada de hipótesis, y cómo actualizar esa jerarquía a medida que llegan nuevos resultados de pruebas.
¿Por qué pensar en probabilidades?
El razonamiento clínico en fisioterapia rara vez es blanco o negro. Un paciente llega con una historia, algunos síntomas y un puñado de signos — y el clínico debe ponderar varias condiciones posibles a la vez. Un modelo probabilístico hace explícita esa ponderación: cada hipótesis tiene una probabilidad pre-test, cada resultado de prueba la desplaza hacia arriba o hacia abajo, y la decisión de tratar, derivar o tranquilizar emerge del número actualizado.
Todos los modelos son incorrectos, pero algunos son útiles.
George Box, Ciencia y Estadística (1976)
Script del paciente vs. script de la enfermedad — el muro de ladrillos semipermeable
La conferencia parte del modelo del muro de ladrillos semipermeable de Maitland, que separa el razonamiento clínico en dos compartimentos:
- El lado del clínico — anatomía, fisiología, biomecánica, conocimiento de la disfunción y la patología, metacognición (pensar sobre el propio pensamiento), habilidades clínicas y la evidencia científica actual. Aquí es donde nacen las hipótesis diagnósticas.
- El lado del paciente — la anamnesis, el relato subjetivo, las creencias y los valores, los síntomas y los signos, la evolución temporal, las comorbilidades, el comportamiento, los factores provocadores y aliviadores, los tratamientos previos y las preferencias. Este es el material en bruto que el clínico intenta explicar.
El diagnóstico se convierte en un ejercicio de correspondencia: ¿en qué medida el script del paciente (todo lo que se sabe sobre la persona en frente) se superpone con el script de la enfermedad (la presentación típica de una condición determinada)?
El mapa corporal: convertir un relato en datos
Un buen mapa corporal registra cada síntoma por separado — localización, calidad (agudo, tipo calambre, sensación de fatiga), intensidad (0–10), frecuencia (0–10, con 10 = constante), factores provocadores y aliviadores. En lugar de un único «dolor de espalda» indiferenciado, el resultado es Síntoma 1 = dolor lumbar mecánico, 6/10, peor con sedestación prolongada y Síntoma 2 = malestar visceral subcostal tras comidas grasas. Los dos patrones pueden no pertenecer en absoluto a la misma condición — y esa es exactamente la distinción que un mapa corporal hace visible.
Probabilidad pre-test: cuatro niveles de verosimilitud
Una vez que los scripts del paciente y de la enfermedad están lado a lado, cada hipótesis se clasifica en uno de los cuatro niveles según el grado de coincidencia entre los scripts:
- Muy probable (> 67%) — la enfermedad explica todos los hallazgos, y cada característica de la enfermedad está presente en el paciente. Coincidencia casi perfecta.
- Probable (34–66%) — la enfermedad explica algunos hallazgos, sin rasgos de rechazo fuertes, coincidencia parcial.
- Poco probable (< 33%) — pocos rasgos compartidos más uno o más hallazgos de rechazo que van en contra de la condición.
- Bandera roja — probabilidad basal baja, pero las consecuencias de pasarla por alto son demasiado graves para aceptarlas. Las fracturas, el cáncer oculto, la patología vascular y la conmoción cerebral entran aquí: se buscan activamente con pruebas sensibles de descarte, incluso cuando parecen improbables.
Actualización de la probabilidad con el nomograma de Fagan
Las pruebas raramente dan una respuesta de sí o no. Lo que sí dan — cuando están respaldadas por un estudio de calidad — es una razón de verosimilitud (LR+ para un resultado positivo, LR– para un resultado negativo). El nomograma de Fagan es una herramienta gráfica sencilla que toma una probabilidad pre-test y un LR y arroja una probabilidad post-test. Algunos ejemplos trabajados de la conferencia:
- Pre-test 40% + un LR cercano a 1 → post-test ~46%. La prueba no aporta nada y puede descartarse.
- Pre-test 20% + LR+ de 10 → post-test ~70%. Un «probable» se convierte en «muy probable» — puede iniciarse el tratamiento.
- Pre-test 40% + un buen LR– → post-test ~7%. La condición queda efectivamente descartada; pase a otras hipótesis.
La conclusión es que una prueba con un LR+ potente se justifica para confirmar un diagnóstico sospechoso, y una prueba con un LR– potente se justifica para descartar una peligrosa. Las pruebas con LRs cercanos a 1 — en las que se gasta tanto tiempo y dinero — no cambian casi nada y deberían cuestionarse.
Caso cervical resuelto
La conferencia desarrolla el caso de un paciente de 25 años con dolor cervical mecánico crónico post-latigazo, cefaleas y disestesias en el miembro superior. Se jerarquizan cuatro hipótesis: disfunción cervical mecánica, radiculopatía cervical, mielopatía cervical y — como bandera roja — fractura del odontoides con lesión del ligamento alar. Para cada una, el clínico empareja las pruebas más útiles con sus LRs publicados: Spurling y tracción manual para la radiculopatía (LR+ alto, confirmatorio), pruebas de tensión del miembro superior para el descarte, y el test de Sharp-Purser (LR+ ≈ 17) para el ligamento alar. Un matiz importante: la misma prueba no puede legítimamente tener el mismo LR para dos condiciones distintas — si su tabla lo muestra, es señal de que la evidencia se está copiando sin análisis crítico.
Conclusiones
- Escriba el script del paciente y compárelo con varios scripts de enfermedad antes de recurrir a las pruebas.
- Jerarquice sus hipótesis en cuatro niveles, y mantenga la categoría de bandera roja aunque la probabilidad sea baja.
- Elija pruebas que realmente muevan la probabilidad — LR+ potente para confirmar, LR– potente para descartar.
- Use una herramienta sencilla (el nomograma de Fagan) para hacer explícita la actualización en lugar de implícita.
- Sea escéptico ante tablas de evidencia donde la misma prueba tiene LRs idénticos para distintas condiciones.
Ver la conferencia original (español)
Título original: «Como hacer Diagnóstico Diferencial en Fisioterapia usando un Modelo Probabilístico» — Philippe Tadger, en YouTube.