Modelos para estimar la variación biológica y la interpretación de resultados seriados: bondades y limitaciones.

La variación biológica (VB) tiene múltiples aplicaciones en diversos campos del laboratorio clínico. Hay dos formas de relacionar el concepto de VB y los modelos estadísticos. Por un lado existen modelos para el cálculo de estimados de VB (intra e inter individual) y por otro, existen modelos que tienen en cuenta la VB y otros factores para la definición de rangos que ayudan a la interpretación de resultados seriados en un mismo individuo. Dentro de los modelos estadísticos dirigidos al cálculo de los estimados de VB existen dos tipos: A. Métodos directos. Estudios prospectivos, diseñados exclusivamente para el cálculo de estimados de VB: i. Modelo clásico: desarrollado por Harris y Fraser, revisado por EFLM-BVWG. ii. Modelos de efectos mixtos iii. Modelo bayesiano. B. Métodos indirectos. Estudios retrospectivos basados en extraer estimados de VB a partir de resultados que provienen de grandes bases de datos. Big-data. Ambos tipos presentan una serie de características que es importante conocer porque pueden condicionar su aplicabilidad en diferentes situaciones o poblaciones. Entre los modelos para definir rangos que ayudan a la interpretación de resultados seriados en un individuo encontramos: A. Valor de referencia del cambio (VRC). B. Red de datos bayesiana. En resumen, esta revisión pretende dar un enfoque general sobre los modelos para definir los componentes de VB así como otros para aplicarlos en el seguimiento de pacientes, que deberían ser explorados en el futuro para personalizar y mejorar la información aportada por el laboratorio clínico, aprovechando al máximo los recursos disponibles.