Medicina general
Calculadora de razón de verosimilitud negativa (LR−)
La razón de verosimilitud negativa (LR−) mide cuánto baja la probabilidad de enfermedad cuando la prueba sale negativa, y se calcula con LR− = (1 − sensibilidad) / especificidad. Esta calculadora parte de los cuatro conteos brutos de una tabla 2×2 —verdaderos positivos, falsos positivos, verdaderos negativos y falsos negativos—, deriva la sensibilidad como VP / (VP + FN) y la especificidad como VN / (VN + FP), y entrega el LR− junto con ambas. Las tres ecuaciones son las de Deeks y Altman (BMJ 2004), el Centre for Evidence-Based Medicine de Oxford y StatPearls. El resultado se entrega sin semáforo de riesgo a propósito: el LR− es un multiplicador de los odds pretest, no una probabilidad, así que el mismo número significa cosas distintas según la probabilidad de la que partas.
Calculadora de razón de verosimilitud negativa (LR−)
Fecha: ________________ · Paciente: ______________________________
Calculadora
Completa todos los campos para ver el resultado.
Herramienta de referencia para profesionales de la salud, con fines educativos. No sustituye el juicio clínico ni establece un diagnóstico o un tratamiento: la decisión sobre un paciente concreto es del médico que lo atiende.
¿Te pareció útil esta herramienta?
Límites de esta herramienta
- El LR− no es una probabilidad ni un porcentaje. Es un factor que multiplica los odds pretest: odds postprueba = odds pretest × LR−. Un LR− de 0,15 aplicado a una probabilidad pretest del 10 % deja alrededor del 1,6 % de probabilidad postprueba, pero aplicado a una probabilidad pretest del 80 % deja un 37,5 %. Sin una probabilidad pretest, el número no clasifica a ningún paciente.
- Los cortes de lectura habituales son convenciones, no umbrales validados. Jaeschke, Guyatt y Sackett (JAMA 1994) proponen considerar informativa una prueba con LR− de 0,10 o menos, y Deeks y Altman describen un LR− por debajo de 0,1 como evidencia fuerte para descartar. La guía metodológica de la AHRQ que reproduce esos límites advierte explícitamente que elegirlos es una decisión subjetiva y que se usan otros más laxos. Por eso esta ficha no pinta bandas.
- El LR− hereda todas las limitaciones de la sensibilidad y la especificidad de las que se calcula. Si la tabla 2×2 viene de un estudio con espectro de enfermedad distinto al de tus pacientes, o con un estándar de referencia imperfecto, el LR− arrastra ese sesgo sin avisar.
- Es un estimador puntual. Con denominadores pequeños —pocos enfermos o pocos sanos confirmados— reclasificar un solo paciente mueve el resultado de forma apreciable. Un LR− publicado sin intervalo de confianza no permite saber qué tan precisa es la estimación.
- La ecuación asume una prueba dicotómica, con dos únicos resultados posibles: positivo o negativo. Si la prueba entrega niveles (por ejemplo un valor continuo con varios puntos de corte, o categorías de probabilidad en imagen), dicotomizarla desperdicia información y las razones de verosimilitud por estrato describen mejor su rendimiento.
- Hay combinaciones de conteos para las que el LR− simplemente no existe. Si no hay ningún enfermo confirmado no hay sensibilidad; si no hay ningún sano confirmado no hay especificidad; y si la especificidad es del 0 % el denominador se anula y el cociente se va a infinito. En esos tres casos la calculadora no imprime un número: avisa qué celda revisar.
- Un LR− de 0 exacto solo aparece cuando la muestra no tuvo ni un falso negativo. Es un artefacto del tamaño del estudio, no la prueba de que el test nunca deje escapar un caso.
Fuentes. Deeks JJ, Altman DG. Diagnostic tests 4: likelihood ratios. BMJ. 2004;329(7458):168-169. Define el LR− como la proporción de enfermos con resultado negativo dividida entre la proporción de sanos con resultado negativo, y fija la referencia de lectura de 0,1. (doi:10.1136/bmj.329.7458.168) · Centre for Evidence-Based Medicine (CEBM), University of Oxford. Likelihood Ratios. Imprime LR- = (1-sensitivity) / specificity = (c/(a+c)) / (d/(b+d)) sobre la tabla 2×2. (enlace) · Shreffler J, Huecker MR. Diagnostic Testing Accuracy: Sensitivity, Specificity, Predictive Values and Likelihood Ratios. StatPearls [Internet]. Treasure Island (FL): StatPearls Publishing. Bookshelf ID NBK557491. Fuente de las tres ecuaciones sobre las celdas de la tabla 2×2. (enlace) · Appendix: Test Performance Metrics. En: Methods Guide for Medical Test Reviews. Agency for Healthcare Research and Quality (AHRQ). Bookshelf ID NBK98249. Recoge el umbral de LR− ≤ 0,1 atribuido a Jaeschke y advierte que la elección de esos límites es una decisión subjetiva. (enlace) · Jaeschke R, Guyatt GH, Sackett DL. Users’ guides to the medical literature. III. How to use an article about a diagnostic test. B. What are the results and will they help me in caring for my patients? JAMA. 1994;271(9):703-707. Origen de las referencias de lectura de las razones de verosimilitud. (doi:10.1001/jama.1994.03510330081039) · Perera R, Heneghan C. Making sense of diagnostic test likelihood ratios. ACP J Club. 2007;146(2):A8-9. PMID 17335149. Referencia citada por la ficha de MSD Manuals que se usó como referencia de implementación. (enlace) · Contenido revisado el 18 de julio de 2026.
Preguntas frecuentes
Es la probabilidad de obtener un resultado negativo en alguien que tiene la enfermedad, dividida entre la probabilidad de obtener ese mismo resultado negativo en alguien que no la tiene. Dicho de otro modo, compara qué tan frecuente es un negativo entre enfermos frente a entre sanos. Cuanto más bajo sea, más peso tiene un resultado negativo para descartar el diagnóstico. Un LR− de 1 significa que un negativo es igual de frecuente en enfermos que en sanos, es decir, que no aporta nada. Un LR− mayor que 1 es una señal de alarma sobre la captura de los datos: implicaría que un resultado negativo aumenta la sospecha de enfermedad.
LR− = (1 − sensibilidad) / especificidad, con ambas como proporciones entre 0 y 1. Desde los conteos crudos: la sensibilidad es verdaderos positivos / (verdaderos positivos + falsos negativos), y la especificidad es verdaderos negativos / (verdaderos negativos + falsos positivos). Un ejemplo: con 80 verdaderos positivos, 10 falsos positivos, 90 verdaderos negativos y 20 falsos negativos, la sensibilidad es 80/100 = 0,80 y la especificidad es 90/100 = 0,90, de modo que LR− = (1 − 0,80) / 0,90 = 0,20 / 0,90 = 0,22. El resultado es adimensional: no lleva unidades ni se expresa en porcentaje.
No hay un umbral validado, solo convenciones de lectura muy difundidas. Deeks y Altman consideran que un LR− por debajo de 0,1 aporta evidencia fuerte para descartar el diagnóstico en la mayoría de las circunstancias, y Jaeschke, Guyatt y Sackett llaman informativa a una prueba con LR− de 0,10 o menos. Valores cercanos a 1 indican que un resultado negativo prácticamente no mueve la probabilidad. Conviene tomar esas cifras como referencia y no como corte: la propia guía metodológica de la AHRQ que las reproduce señala que fijar esos límites es una decisión subjetiva. Qué tan bajo debe ser el LR− para que te sirva depende de cuánto cuesta pasar por alto la enfermedad y de qué probabilidad tenías antes de pedir la prueba.
Con el teorema de Bayes en su forma de odds. Primero conviertes la probabilidad pretest en odds: odds = p / (1 − p). Luego multiplicas por el LR−: odds postprueba = odds pretest × LR−. Y vuelves a probabilidad: p = odds / (1 + odds). Por ejemplo, con una probabilidad pretest del 30 % los odds son 0,30 / 0,70 = 0,43; con un LR− de 0,22 los odds postprueba quedan en 0,094, que equivalen a una probabilidad cercana al 8,6 %. Ese paso es imprescindible: el LR− por sí solo no dice qué probabilidad tiene tu paciente, solo por cuánto se multiplican sus odds.
El valor predictivo negativo responde «de todos los que dieron negativo, ¿qué proporción está realmente sana?», y depende de la prevalencia de la enfermedad en esa población: el mismo test da un VPN distinto en urgencias y en tamizaje poblacional. El LR− responde otra cosa: cuánto mueve el resultado negativo a la probabilidad que ya tenías, independientemente de la prevalencia. Esa independencia es su ventaja, porque permite trasladar el rendimiento de una prueba entre poblaciones, y también su límite, porque no te da una probabilidad hasta que le sumas la probabilidad pretest de tu paciente. Los dos números son útiles y responden preguntas distintas.
Porque un LR− no clasifica a un paciente por sí mismo. Es un multiplicador de los odds pretest, así que un mismo 0,15 puede dejar una probabilidad postprueba del 1,6 % o del 37,5 % según de dónde se parta; pintarlo de verde o de rojo afirmaría algo sobre el paciente que el número no sabe. Además, los cortes que se usarían para colorear son convenciones que la propia guía metodológica de la AHRQ califica de subjetivas. Entregar el LR− con la sensibilidad, la especificidad y las instrucciones para llegar a la probabilidad postprueba es más fiel a lo que el indicador realmente dice.
Depende de cuál. Si no hay falsos negativos, la sensibilidad es del 100 % y el LR− da exactamente 0: es un resultado válido para esos conteos, pero léelo como un artefacto del tamaño de la muestra y no como una prueba infalible. Si no hay ningún enfermo confirmado (verdaderos positivos y falsos negativos ambos en cero) no existe la sensibilidad; si no hay ningún sano confirmado (verdaderos negativos y falsos positivos ambos en cero) no existe la especificidad; y si la especificidad es del 0 % el denominador se anula. En esos tres casos la calculadora no imprime un número —no sería 0 ni infinito, sería un valor indefinido— y te dice qué celda revisar.
Menos cuentas, más consulta.
Cliini escucha tu consulta y entrega la nota estructurada con códigos sugeridos, récipe e indicaciones — lista para tu historia clínica.