Cuando la radiografía no resuelve la duda
¿Cómo se relaciona un informe radiográfico incierto con la decisión de indicar antibióticos?
Radiographic Uncertainty and Antibiotic Prescribing in Pediatric Pneumonia
Geanacopoulos AT y colaboradores · Pediatrics, 2025;156(5):e2025073473
DOI y publicación · Texto completo y suplemento
Se conservan los títulos del manuscrito en inglés junto con su traducción. Las explicaciones estadísticas y la lectura crítica son aportes didácticos; no se presentan como palabras de los autores.
Resumen del artículoArticle Summary:
Observacional prospectiva, en una guardia pediátrica de Boston.
Sin neumonía / equívoco / neumonía.
Prescripción de antibióticos después de la radiografía.
Se estudia una decisión clínica. No se determina la etiología bacteriana, la necesidad real del antibiótico ni el efecto causal de realizar una radiografía.
IntroducciónIntroduction
La historia y el examen no siempre resuelven el diagnóstico.
Puede aportar tranquilidad, pero su interpretación también varía.
¿La duda radiográfica se acompaña de más antibióticos?
La brecha es cómo se prescribe ante la incertidumbre. Un informe “equívoco” no equivale a infección bacteriana confirmada.
MétodosMethods
¿Quiénes entraron?
Niños de 3 meses a 18 años, con Rx por posible neumonía adquirida en la comunidad. Marzo de 2015 a abril de 2025. Boston Children’s Hospital.
Excluidos: enfermedades crónicas complejas, antibióticos en curso e infección bacteriana concurrente.
¿Qué se midió?
El médico declaró si habría indicado antibióticos sin disponer de la Rx. Luego se registró la prescripción real.
Tres médicos de emergencias clasificaron de manera independiente los informes de los radiólogos, cegados a los datos clínicos. No es una relectura independiente de las imágenes.
No / sí
Sin neumonía / equívoco / neumonía
No / sí
Temporalidad ideal. En algunos casos el médico ya había visto la Rx al declarar su plan; por eso hicieron un análisis de sensibilidad.
| Clasificación | Qué incluye |
|---|---|
| Sin neumonía | Rx normal o bronquiolitis/atelectasia. |
| Equívoco | Favorece bronquiolitis/atelectasia; ambas posibilidades igualmente probables; o favorece neumonía sin ser definitiva. |
| Neumonía | Informe clasificado como neumonía. |
Dos preguntas, dos estratos
¿Qué categoría se asocia con terminar prescribiendo?
¿Qué categoría se asocia con mantener la prescripción?
Esta separación compara niños con la misma intención inicial. No demuestra una interacción estadística: para comparar formalmente las asociaciones entre estratos haría falta, por ejemplo, un término de interacción. Tampoco crea un grupo de control sin Rx.
Ajuste: ¿qué variables intentan tener en cuenta?
El texto de Métodos enumera edad, fiebre ≥38 °C, saturación mínima de oxígeno, sibilancias, disminución del murmullo vesicular, retracciones, dificultad respiratoria, taquipnea ajustada por edad, test viral positivo y realización de laboratorio (hemograma, procalcitonina o hemocultivo).
La nota de la Tabla 1 menciona edad por categorías y crepitantes, pero no enumera dificultad respiratoria. No puede asegurarse una especificación única del modelo con este reporte.
El artículo informa R 4.3.2, umbral p<0,05 y aprobación del comité de ética. No justifica individualmente cada covariable ni detalla aquí la resolución de discordancias, el manejo de datos faltantes o los diagnósticos del modelo.
ResultadosResults
Niños según el texto; 64% menores de cinco años.
Rx equívocas según el texto.
Intención inicial de tratar → tratamiento real, según el texto.
La prescripción en números absolutos
Seleccioná la intención inicial. Cada barra muestra cuántos recibieron antibiótico dentro de esa categoría, usando las filas de la Tabla 1.
Figura 1: intención inicial frente a decisión posterior
Figure 1: Pre-CXR antibiotic plan vs. post-CXR antibiotic decision, stratified by CXR interpretation:La figura original compara las proporciones de intención de tratar y de tratamiento real por categoría radiográfica; utiliza intervalos de Wilson del 95%.
Nuestra gráfica anterior reorganiza la Tabla 1 según intención inicial. No es una reproducción de la Figura 1. Evitamos reconstruir sus valores exactos a partir de una tabla con totales discordantes.
Tabla 1: modelos de regresión logísticaTable 1: Logistic regression models evaluating the association between CXR interpretation and antibiotic prescribing in children with and without pre-CXR antibiotic plan
| Intención | Informe | Tratados / total | OR crudo (IC95%) | OR ajustado (IC95%) |
|---|---|---|---|---|
| No tratar | Sin neumonía | 71/1.389 · 5,1% | Referencia | Referencia |
| Equívoco | 154/234 · 65,8% | 35,7 (25,1–51,6) | 38,5 (26,2–57,6) | |
| Neumonía | 189/198 · 95,5% | 390,0 (202,0–850,0) | 374,0 (191,0–826,0) | |
| Tratar | Sin neumonía | 51/168 · 30,4% | Referencia | Referencia |
| Equívoco | 46/49 · 93,9% | 35,2 (12,1–150,0) | 37,6 (12,4–166,0) | |
| Neumonía | 76/80 · 95,0% | 43,6 (17,0–149,0) | 43,9 (16,1–158,0) |
Valores publicados. La tabla informa p<0,001 para todos los OR. “Referencia” = categoría contra la que se compara, con OR=1. Los porcentajes son por fila; no son probabilidades ajustadas.
Cómo leer los OR ajustados
Punto = estimación; segmento = IC95%. Eje logarítmico: multiplicar por diez ocupa siempre la misma distancia. Una escala lineal aplastaría los valores menores. La línea OR=1 indica ausencia de asociación en la escala de odds.
¿Qué enseñan los intervalos y los valores p?
Precisión: 37,6 con IC95% 12,4–166,0 señala mucha incertidumbre sobre el tamaño exacto. Hay solo 49 niños en esa fila y apenas 3 no tratados; las odds dependen mucho de esas pocas observaciones.
IC95%: bajo las condiciones del método, si repitiéramos el procedimiento muchas veces, aproximadamente 95% de los intervalos cubrirían el parámetro verdadero. No significa que 95% de los pacientes tengan ese OR, ni asigna una probabilidad frecuentista de 95% al parámetro fijo.
p<0,001: bajo una hipótesis de OR=1 y los supuestos del test, un resultado al menos tan incompatible con ella sería poco frecuente. No es la probabilidad de que la hipótesis nula sea verdadera. No mide causalidad, necesidad del antibiótico ni importancia clínica.
Los IC de OR son multiplicativos y a menudo asimétricos. El artículo no especifica aquí el método exacto usado para los IC del modelo; no lo atribuimos a Wald o perfil de verosimilitud.
De la probabilidad a la regresión logística
1. Probabilidad, odds y odds ratio son cosas distintas
En niños sin plan inicial de tratar:
p = 71 / 1.389 = 0,0511
odds = 71 / 1.318 = 0,0539
Equívoco:
p = 154 / 234 = 0,6581
odds = 154 / 80 = 1,925
Probabilidad: tratados / todos.
Odds: tratados / no tratados.
Razón de proporciones = 0,6581 / 0,0511 = 12,88
Diferencia = 65,81% − 5,11% = 60,70 puntos porcentuales
El OR crudo de 35,7 se reproduce con la tabla 2×2. El OR ajustado de 38,5 requiere los datos individuales y el modelo.
2. Explorá cómo un mismo OR cambia según la probabilidad de base
Simulación didáctica. El OR ajustado no puede convertirse en una probabilidad real individual usando automáticamente la proporción cruda de referencia. Para eso harían falta intercepto, coeficientes y perfil de covariables.
100 puntos: aproximación visual de p₁. Cada punto coloreado representa un tratado en este ejemplo hipotético.
3. ¿Por qué una regresión logística?
Prescribió o no prescribió.
La probabilidad debe quedar entre 0 y 1.
Permite combinar exposición y covariables.
p = 1 / (1 + e−η) · ORequívoco = eβE
I vale 1 si el niño pertenece a esa categoría y 0 si no. “Sin neumonía” tiene ambos indicadores en 0 y sirve de referencia. β₀ es el log-odds basal del perfil de referencia; η es toda la suma. En el OR ajustado 38,5, βE = ln(38,5) ≈ 3,65.
Curva conceptual: no es el modelo estimado por los autores. La transformación garantiza 0<p<1. Un mismo cambio en log-odds produce distintos cambios absolutos en p según el punto de partida.
La lógica matemática de la estimación
Para cada niño, el modelo propone una pᵢ. Si recibió antibiótico, su contribución a la verosimilitud es pᵢ; si no recibió, es 1−pᵢ. Se eligen coeficientes que hagan más compatibles las predicciones con las decisiones observadas.
log L = Σ [Yᵢ log pᵢ + (1−Yᵢ) log(1−pᵢ)]
Esta es la estimación convencional por máxima verosimilitud. El manuscrito no especifica detalles del estimador, penalización o ajuste de los IC; la fórmula enseña el procedimiento habitual, no confirma su implementación exacta.
4. ¿Para qué ajustar?
Puede relacionarse con el informe radiográfico…
Exposición del estudio
…y también con la decisión de tratar.
Una comparación cruda mezcla diferencias radiográficas y clínicas. El ajuste intenta comparar la asociación radiográfica entre niños similares en las variables medidas. No significa que sean equivalentes en todo.
Dos límites avanzados del ajuste
Confusión residual: preferencias familiares, médico tratante, gravedad no captada, año del estudio o calidad del informe pueden no estar adecuadamente medidos o modelados.
No colapsabilidad del OR: un OR ajustado puede diferir del crudo aunque una covariable no sea un confusor. El cambio 35,7 → 38,5 no cuantifica por sí solo cuánto sesgo se eliminó.
Hacer laboratorio o test viral puede ser parte de la respuesta clínica a la sospecha. Su pertinencia causal para el ajuste depende de cuándo ocurrió y de qué determinó esa decisión. Incluir variables no garantiza eliminar sesgos.
5. ¿Qué otras herramientas podrían usarse?
| Herramienta | Qué permitiría | Por qué no reemplaza automáticamente este análisis |
|---|---|---|
| χ² / Fisher | Evaluar asociación cruda entre categorías y prescripción. | No ajustan simultáneamente por covariables. Fisher resulta útil si hay celdas pequeñas; no es “inválido”, responde una pregunta más limitada. |
| Regresión lineal común | Con Y=0/1, un modelo de probabilidad lineal estima diferencias absolutas. | Puede predecir fuera de 0–1 y tiene heterocedasticidad. Un modelo lineal con errores robustos puede ser útil, pero exige esos cuidados; no es la opción binomial habitual. |
| Poisson con varianza robusta | Estimar razones de probabilidades/proporciones para un desenlace binario. | Es una alternativa válida, a menudo más intuitiva con desenlaces frecuentes. El OR no es obligatorio por el diseño; depende del estimando deseado y los supuestos. |
| Log-binomial | Estimar razones de probabilidades directamente. | Puede tener dificultades de convergencia con probabilidades altas. Es pertinente si se quiere esa medida. |
| Estandarización de un modelo logístico | Obtener probabilidades ajustadas y diferencias absolutas promedio. | Complementaría los OR; requiere datos individuales y definir la población a la que se promedia. |
| McNemar | Comparar dos mediciones binarias pareadas en los mismos niños. | Podría evaluar el cambio intención/decisión si se dispusiera de pares consistentes. No reemplaza el análisis de exposición por categorías y ajuste; intención hipotética y tratamiento real tampoco son dos tratamientos observados. |
| Cox / Kaplan–Meier | Analizar tiempo hasta un evento. | Aquí no se plantea tiempo hasta prescripción ni censura; añadirlos no responde la pregunta publicada. |
| Regresión ordinal | Modelar un desenlace ordenado. | Las tres categorías de Rx son la exposición; el desenlace sigue siendo binario. Codificar Rx como 0,1,2 impondría una tendencia lineal en log-odds que no está justificada. |
Estas comparaciones son explicación metodológica. Los autores no explican por qué descartaron cada alternativa.
¿Qué revisar antes de confiar en un modelo como este?
Independencia de observaciones; posible agrupamiento por médico o consultas repetidas; forma funcional de edad/SpO₂; suficientes tratados y no tratados por patrón de covariables; datos faltantes; colinealidad; valores extremos y separación.
En el estrato con plan inicial, las filas equívoca y neumonía tienen solo 3 y 4 no tratados. Esto puede generar estimaciones inestables y separación en ciertos perfiles. No podemos diagnosticar separación ni declarar sobreajuste sin datos individuales. Si se comprobara, una logística penalizada como Firth podría ser pertinente.
Probá tu interpretación
OR ajustado = 38,5. ¿Qué frase describe mejor el resultado?
DiscusiónDiscussion
La incertidumbre acompaña más prescripción
Los autores plantean que una Rx puede favorecer uso excesivo de antibióticos. Proponen mejorar la interpretación, identificar a quién le beneficia la Rx y comunicar mejor la incertidumbre.
Asociación ≠ indicación inadecuada
El estudio no determina si el antibiótico era necesario. Tampoco compara asignación a Rx frente a no Rx. Demuestra asociación con una decisión, no el efecto causal de realizar la prueba.
Limitaciones señaladas por los autores
| Limitación | Qué cambia en la interpretación |
|---|---|
| Un único centro | La asociación puede variar donde los umbrales para pedir Rx o tratar sean distintos. |
| Clasificación basada en informes | El médico puede interpretar la imagen de otra manera; la exposición medida no capta toda su percepción diagnóstica. |
| Test virales infrecuentes | La información virológica disponible es limitada y su obtención puede ser selectiva. |
| Motivos de prescripción no identificados | No se sabe cuánto pesan preferencias familiares u otros factores ante la duda. |
Sesgos y problemas adicionales de lectura crítica
Selección: entran solamente niños a quienes les pidieron Rx
La gravedad y la incertidumbre clínica pueden influir tanto en pedir Rx como en tratar. Condicionar la muestra a tener Rx puede alterar las asociaciones. No se extrapola a todos los niños con sospecha de NAC ni a todos los que consultan por síntomas respiratorios.
Plan inicial contaminado por haber visto la imagen
El médico puede declarar retrospectivamente una intención ya influida por la Rx. Esto afecta la comparación entre intención y decisión. Excluir esos casos es un control útil, pero no recrea un grupo sin Rx ni elimina todas las fuentes de confusión.
Confusión, período largo y agrupamiento
El estudio abarca diez años. Cambios de práctica, circulación viral o composición de la muestra pueden influir. El texto no detalla ajuste por calendario ni agrupamiento por médico; tampoco permite confirmar la independencia de consultas repetidas. Son aspectos a verificar, no sesgos demostrados.
Medición y reporte insuficiente
No se detalla aquí la concordancia de los tres clasificadores o cómo se resolvieron desacuerdos. Las discrepancias de totales y covariables dificultan reproducir el análisis. No podemos atribuirlas a errores tipográficos, datos faltantes o exclusiones sin una aclaración de la fuente.
El cierre del artículo está dentro de Discussion, no existe un título separado “Conclusion”. “Limitaciones y sesgos” es una organización didáctica añadida.
Material complementario y declaraciones
Material suplementarioSupplementary Material · Supplemental Material
El manuscrito remite a cuatro tablas suplementarias:
| Tabla | Función | Qué sabemos |
|---|---|---|
| 1 | Describir la muestra. | El texto remite allí para las características de los niños. |
| 2 y 3 | Separar las tres formas de informe equívoco. | Según el texto, todas se asociaron con mayor prescripción. Evita que el resultado dependa solamente de los informes que “favorecen neumonía”. |
| 4 | Excluir planes declarados después de ver la imagen. | Según el texto, la asociación persistió. Comprueba robustez ante un problema de temporalidad específico. |
Acceso pendiente al suplemento: el PDF no contiene esas tablas y el enlace oficial devolvió una verificación de acceso. No se revisaron sus valores numéricos ni sus intervalos. Lo anterior reproduce únicamente lo que comunica el texto principal; no valida de forma independiente las sensibilidades.
¿Qué es un análisis de sensibilidad?
Repetir el análisis cambiando una decisión o un supuesto relevante. Si el resultado persiste, gana robustez frente a ese cambio particular. No es la “sensibilidad” de un test diagnóstico, ni demuestra ausencia de todos los sesgos.
Fuente de financiaciónFunding Source:
NICHD, beca T32HD040128 a A.T. Geanacopoulos.
AbreviaturasAbbreviations:
CAP = neumonía adquirida en la comunidad (NAC). CXR = radiografía de tórax (Rx). ED = departamento de emergencias / guardia. OR = odds ratio. aOR = OR ajustado. CI = intervalo de confianza (IC).
Contribuciones de los autoresContributors’ Statement
Geanacopoulos y Neuman: conceptualización y diseño. Geanacopoulos: análisis y primer manuscrito. Monuteaux: apoyo al diseño y análisis. Lipsett, Hirsch y Neuman: instrumentos y datos. Nelson, Amirault y Gravel: apoyo al diseño. Todos revisaron y aprobaron el trabajo.
CorrespondenciaAddress correspondence:
Alexandra T. Geanacopoulos, Division of Emergency Medicine, Boston Children’s Hospital, Boston, EE. UU. Los datos de contacto completos están en el manuscrito.
Conflictos de interésConflicts of Interest:
Los autores declaran no tener conflictos de interés relevantes para este artículo. Declararlo no reemplaza la evaluación del diseño y del análisis.
ReferenciasReferences
Son las diez referencias del artículo 12, no la numeración de la bibliografía de tu tesis.
- Kronman MP et al. Ambulatory visit rates and antibiotic prescribing for children with pneumonia, 1994–2007. Pediatrics. 2011;127:411–418. PubMed.
- Barzilay JR, Neuman MI, Florin TA. Chest Radiography for Presumed Pneumonia in Children. N Engl J Med. 2024;391:2379–2381. PubMed.
- Shah SN et al. Does This Child Have Pneumonia?: The Rational Clinical Examination Systematic Review. JAMA. 2017;318:462–471. Corrección: 318:1284. PubMed.
- Johnson J, Kline JA. Intraobserver and interobserver agreement of the interpretation of pediatric chest radiographs. Emerg Radiol. 2010;17:285–290. PubMed.
- Andronikou S et al. Guidelines for the use of chest radiographs in community-acquired pneumonia in children and adolescents. Pediatr Radiol. 2017;47:1405–1411. PubMed.
- Williams DJ et al. Antibiotic Choice for Children Hospitalized With Pneumonia and Adherence to National Guidelines. Pediatrics. 2015;136:44–52. PubMed.
- Lipsett SC et al. Negative Chest Radiography and Risk of Pneumonia. Pediatrics. 2018;142:e20180236. PubMed.
- Geanacopoulos AT et al. Association of Chest Radiography With Outcomes in Pediatric Pneumonia: A Population-Based Study. Hosp Pediatr. 2023;13:614–623. PubMed.
- Lipsett SC et al. Caregiver Valuation of Chest Radiography for the Diagnosis of Pneumonia in Children. Clin Pediatr (Phila). 2018;57:1103–1106. PubMed.
- Jain S et al. Community-acquired pneumonia requiring hospitalization among U.S. children. N Engl J Med. 2015;372:835–845. PubMed.